计算机算术：字节序与 IEEE 754 的秘密
对于大多数程序员来说，数字只是一个 float 或 int。但在表面之下，计算机存储和操作这些值的方式是一个充满了特定架构选择和精妙数学权衡的复杂世界。
在本指南中，我们将探索数据的底层表示，从内存中的字节顺序到 IEEE 754 标准的复杂数学，包括经常被忽视的次正规数（Subnormal Numbers）。
1. 顺序问题：字节序 (Endianness)
假设你有一个 32 位整数 0x12345678。它由四个字节组成：0x12、0x34、0x56 和 0x78。这些字节应该如何存储在计算机内存中？
大端序 (Big-Endian，直观的顺序)
在大端序系统中，“大端”（最高有效字节）存储在最低的内存地址。
地址 0: 0x12地址 1: 0x34地址 2: 0x56地址 3: 0x78
小端序 (Little-Endian，X86 标准)
在小端序系统（几乎所有现代 PC 和智能手机都在使用）中，“小端”排在最前面。
地址 0: 0x78地址 1: 0x56地址 2: 0x34地址 3: 0x12
为什么这很重要？网络字节序
在网络上传输数据时，不同的计算机可能具有不同的字节序。为了解决这个问题，互联网协议将网络字节序定义为大端序。每次编写底层网络代码时，你必须在发送前将本地的“主机字节序”转换为“网络字节序”，并在接收时反向转换。
2. 浮点数数学：IEEE 754
IEEE 754 标准是浮点算术的通用语言。一个 64 位浮点数（double）被分为三个部分：
- 符号位 (1 bit)： 0 表示正，1 表示负。
- 指数 (11 bits)： 决定数字的范围。
- 尾数/有效数字 (52 bits)： 决定精度。
指数偏移 (Exponent Bias)
指数并非以简单的整数形式存储。相反，它使用一个偏移量（对于双精度浮点数为 1023）。这允许 11 位字段表示 2 的正幂和负幂，而不需要为指数本身设置单独的符号位。
有效数字 (Significand) vs 尾数 (Mantissa)
在现代 IEEE 754 中，我们使用有效数字这一术语。它由一个“隐式前导位”（通常为 1）加上尾数（实际存储的位）组成。通过假设第一位是 1，我们可以节省一个位的空间，从而获得额外的精度。
3. 边缘情况：次正规数 (Subnormal Numbers)
在标准浮点数中，前导位总是被假设为 1。但当我们越来越接近零时，会发生什么呢？
零附近的“间隙”
如果没有次正规数，在最小的可表示正数和零之间会存在一个巨大的“间隙”。这被称为“下溢”（Underflow）。
次正规数来救场
当指数部分全为零时，IEEE 754 标准会切换到次正规模式。
- 隐式前导位变为 0 而不是 1。
- 这允许数字“优雅地下溢”，提供比正常情况下更小的值。
- 性能成本： 在许多 CPU 上，次正规数运算是由微代码而非硬件的主 FPU 处理的，这使得它的速度明显变慢。一些对性能要求极高的软件（如音频处理或游戏）会开启“刷新为零”（FTZ）模式来避免这种性能损耗。
4. 特殊值
- 无穷大 (Inf)： 指数全为 1，尾数全为 0。
- 非数字 (NaN)： 指数全为 1，尾数非零。
- 有符号零 (-0.0)： IEEE 754 区分 +0 和 -0，这可能会在条件检查中导致微妙的错误。
结论
理解计算机算术就像是窥探高性能引擎的内部。从字节序所需的字节交换到次正规数精细的“下溢”逻辑，这些底层细节是让我们的软件既精确又高效的关键。
无论你是在调试网络协议还是优化物理引擎，请牢记 IEEE 754 的秘密和字节序的规则——它们是你进行的每一次计算背后看不见的基石。