数组存储与指针学习笔记(一）数据类型与存储、数据对齐、数据移植、typedef

一、数据类型与存储

  类型，是一组数值及对该组数值进行各种操作的集合。同一种类型的数据，在不同的处理器平台下，存储方式可能不一样。不同类型的数据，在同一个处理器平台下，存储方式和运算规则也可能不一样。很多人都说指针是C语言的灵魂，我认为存储才是C语言的精髓和灵魂。
  认识一下ANSI C关键字 和 C99/C11新增关键字。关键字里，除了控制程序结构的一些关键字，绝大部分都与数据类型和存储相关。

1.1 大端模式与小端模式

  在计算机中，位（bit）是最小的存储单位，通常使用一个电容器来表示：充电时高电位表示1，放电时低电位表示0。8个bit组成一字节（Byte），字节是计算机最基本的存储单位，也是最小的寻址单元，计算机通常以字节为单位进行寻址。字（Word）代表计算机处理指令或数据的二进制数位数，是计算机进行数据存储和数据处理的运算的单位。在一个32位的计算机系统中，通常4字节组成一个字（Word），字是软件开发者常用的存储单位。（注意：一个字并不都是占4字节，通常由系统硬件（总线，CPU命令字位数等）有关，在16位的系统中（比如8086微机） 1字 （word）= 2字节（byte）= 16（bit），在32位的系统中（比如win32） 1字（word）= 4字节（byte）=32（bit），在64位的系统中（比如win64）1字（word）= 8字节（byte）=64（bit））。

• 字节序
    不同字节的数据在内存中的存储顺序被称为字节序。根据字节序的不同，我们一般将存储模式分为大端模式和小端模式。

  • 大端模式：高地址存储高字节数据，低地址存储低字节数据。
  • 小端模式：高地址存储低字节数据，低地址存储高字节数据。
    
      常用的处理器中，ARM、X86、DSP一般都采用小端模式，而IBM、Sun、PowerPC架构的处理器一般都采用大端模式。
      如何判断程序运行的当前平台是大端模式还是小端模式呢？很简单，我们只需要将一个整型变量赋值给字符型变量，通常会发生"截断"，将会给低8位的字节赋值到字符型变量，通过打印就可以判断是大端模式还是小端模式。

  #include <stdio.h>
  
  int main(void)
  {
        
        
  	int a = 0x11223344;
  	char b;
  	b = a;
  	if(b==0x44)
  		printf("Little endian\r\n");
  	else
  		printf("Big endian\r\n");
  	return 0;
  }
  

• 位序
    位序指在一字节的存储中，各个比特位的存储顺序。以十六进制数据0x78=01111000(B)为例，其在内存中可能有2种存储方式。一般情况下字节序和位序是一一对应的。小端模式下，低端地址存储低字节数据，在一字节中，bit0地址也用来存储这个字节的bit0位。大端模式则相反，bit0用来存储一字节的高比特位。
  
    一般来讲，小端模式低地址存储低字节数据，比较符合人类的思维习惯；而大端模式则更适合计算机的处理习惯：不需要考虑地址和数据的对应关系，以字节为单位，把数据从左到右，按照由低到高的地址顺序直接读写即可。大端模式一般用在网络字节序、各种编解码中。
    作为一名嵌入式工程师，掌握大端模式与小端模式的存储方式很有必要。在开发移植过程当中，如配置寄存器、网络数据传输、移植网络等，需要考虑大小端模式的转换。在一个嵌入式软件中，如何实现大小端模式的转换过程，示例代码如下：

#define swap_endian_u16(A) \                       ((A & 0xFF00 >> 8)|(A & 0x00FF << 8))

1.2 有符号数和无符号数

  C语言为了能表示负数，引入了有符号数和无符号数的概念，在声明数据类型时分别使用关键字signed和unsigned修饰。我们定义的变量如果没有使用signed或unsigned显式修饰，默认是signed型的有符号数。
  一个字符型的有符号数，最高的位bit7是符号位：0表示正数，1表示负数，其余的比特位用来表示大小。而一个字符型的无符号数，所有的比特位都用来表示数的大小。有符号数和无符号数能表示的数值范围是不一样的，对于一个字符型数据而言，有符号数能表示的数值范围为[-128，127]，而无符号数的数值范围为[0，255]。可以使用%d和%u格式符分别格式化打印有符号数和无符号数。
  一个存储在物理内存中的数据，可以被看作一个有符号数，也可以被看作一个无符号数，就看你怎么去解析它：你使用格式符%d打印，printf()函数就把它看作一个有符号数；你使用无符号格式符%u打印，printf()函数就把它看成了另外一个数。
正所谓“看山是山，看水是水；看山不是山，看水不是水”。如下程序所示

•   无符号数在计算机内存中存储时，所有的比特位都用来表示数的大小，没有原码、补码之说。
•   有符号数，则采用补码形式存储，一个有符号数有原码、反码、补码之说。

反码 = 符号位保持不变，所有的数据位取反。
补码 = 反码 + 1。
正数的补码 = 原码
负数补码 = 反码 + 1

  提问：为啥采用补码存储，而不全使用原码?
  答：1、解决了0的编码问题。如果所有的数据都使用原码编码，那么+0和-0的编码分别为00000000和10000000，一个数用两个编码表示，编码就出现了问题。采用补码则可以避免这个问题，+0和-0都使用00000000表示，空下的编码10000000就可以多表示一个数：-128。需要注意的是，-128这个数只有补码，没有原码和反码。
  2、它可以将减法运算转换为加法运算，省去了CPU减法逻辑电路的实现，CPU只需要实现全加器、求补电路即可同时支持加法运算和减法运算。如下例子所示
  正常计算下
  我们将其改为加法运算：7+（-3），则省去了减法电路，直接使用加法电路运算即可。

  有符号数在运算过程中，符号位也是参与运算的，和其他数据位的计算遵循相同的计算法则和进位处理。用补码表示的数据相加，当最高位有进位时，进位直接被丢弃。

1.3 数据溢出

  每一种数据类型都有它能表示的数值范围。

• 无符号数溢出时会进行取模运算，继续“周期轮回”。
    例如一个unsigned char类型的数据，它能表示的数据范围为[0，255]，当其循环到255最大值时继续加1，这个数就变成了0，开始新的一轮循环，周而复始。
  程序运行结果如下：
  

• 有符号数，当发生数据溢出时，由于C语言的语法宽松性，不对数据类型做安全性检查，因此也不会触发异常，但是会产生一个未定义行为。未定义行为，通俗点理解，就是遇到这种情况时，C语言标准也没有规定该如何操作，各家编译器在处理这种情况时也就没有了参考标准，各自按照自己的方式处理，编译器都不算错误。这也导致了当有符号数发生溢出时，运行结果是不确定的，在不同的编译器环境下编译运行，结果可能不一样。

  因此，数据溢出可能会导致程序的运行结果与预期不一致。
  防范数据溢出方法：

• 1、两个有符号数相加的情况。如果两个正数相加的和小于0，说明运算过程中发生了数据溢出。同理，如果两个负数相加的和大于0，也说明数据发生了溢出。
• 2、无符号数的相加，如果两个数的和小于其中任何一个加数，此时我们也可以判断数据在计算过程中发生了溢出现象。

1.4 数据类型转换

  数据类型转换分为两种：一种是隐式类型转换，一种是强式类型转换。如果程序员在程序中没有对类型进行强式类型转换，则编译器在编译程序时就会自动进行隐式类型转换。
  一个C程序中发生隐式类型自动转换，主要是以下几种情况。

• 算术运算、逻辑运算、赋值表达式中运算符两侧数据类型不相同时。
• 函数调用过程中，传递的实参和形参类型不匹配时。
• 函数返回值类型与函数声明的类型不匹配时。
    编译器遇到以上情况，就会对数据类型进行自动转换，即隐式类型转换。转换规则一般按照从低精度向高精度、从有符号数向无符号数方向转换。  一个有符号数和无符号数比较大小时，编译器会将它们两个都转换为无符号数。
    强制类型转换的过程中需要注意一个问题，数据的值在转换过程中可能会发生改变：在将一个char型数据转换为int型数据时，值保持不变，但存储格式发生了变化，将char型数据保存在32位中的低8位地址空间，其余的高24位使用符号位填充。将一个有符号数转换为无符号数时，数据的存储格式不会发生变化，但是值会发生改变，因为此时有符号数的符号位变成了无符号数的数据位。

二、数据对齐

2.1 为什么非要地址对齐

  数据对齐原则，就是C语言中各种基本数据类型要按照自然边界对齐：一个char型的变量按1字节对齐，一个short型的整型变量按sizeof(short int)字节对齐，一个int型的整型变量要按sizeof(int)字节对齐。每种数据类型的对齐字节数一般也被称为对齐模数。
  为什么非要地址对齐呢？这主要是由CPU硬件决定的。不同处理器平台对存储空间的管理不同，为了简化CPU电路设计，有些CPU在设计时简化了地址访问，只支持边界对齐的地址访问，因此编译器也会根据处理器平台的不同，选择合适的地址对齐方式，以保证CPU能正常访问这些存储空间。

2.2 结构体对齐

   C语言的基本数据类型不仅要按照自然边界对齐，复合数据类型（如结构体、联合体等）也要按照各自的对齐原则对齐。

• 结构体内各成员按照各自数据类型的对齐模数对齐。
• 结构体整体对齐方式：按照最大成员的size或其size的整数倍对齐。
    因为结构体内各个成员都要按照自身数据类型的对齐模数对齐，所以在结构体内部难免会有“空洞”产生，导致结构体的大小也不一样。结构体之所以要对齐，根本原因就是为了加快CPU访问内存的速度，在具体实现上，一般都采用每种数据类型的默认对齐模数sizeof(type)对齐。
    如果在结构体里内嵌其他结构体，那么结构体作为其中一个成员也要按照自身类型的对齐模数对齐。结构体自身的对齐模数是该结构体中最大成员的size，或者其size的整数倍。

2.3 联合体对齐

  联合体也有自己的对齐原则。

• 联合体的整体大小：最大成员对齐模数或对齐模数的整数倍。
• 联合体的对齐原则：按照最大成员的对齐模数对齐。

  在C程序编译过程中，无论是基本数据类型还是复合数据类型，编译器在为各个变量分配地址空间时，会按照大家各自的默认对齐模数进行地址对齐。除此之外，我们也可以通过＃pragma预处理命令或GNU C编译器的aligned/packed属性声明来显式指定对齐方式。

三、数据的可移植性

  我们可以使用sizeof关键字去查看int类型的数据在内存中的大小，在不同的编译环境下编译上面的程序并运行，你会发现运行结果可能不一样。在一个跨平台的程序中，有时候我们会需要一个固定大小的存储空间，或者一个固定长度的数据类型。
  现在的操作系统一般都支持多种CPU架构、多种处理器平台。操作系统为了实现跨平台运行，一般都会考虑数据的可移植性，如大小端存储模式、数据对齐、字长等。我们在编程时，可以把程序中与系统、平台相关的部分隔离封装在一个单独的头文件或配置文件中，整个程序的可移植部分和不可移植部分也就变得泾渭分明，更加方便后续的管理、维护和升级。

四、Linux内核中的size_t类型

  Linux内核中定义了很多变量，使用了各种不同的数据类型，总的来说，可以分为3类。

• C语言基本数据类型：int、char、short。
• 长度确定的数据类型：long。
• 特定内核对象的数据类型：pid_t、size_t。
    数据类型size_t一般使用＃define宏定义，后面使用一个_t的后缀表示Linux内核中在某些地方特定使用的数据类型。
  
    size_t数据类型一般用在表示长度、大小等无关正负的场合，如数组索引、数据复制长度、大小等。使用size_t不仅仅是考虑到数据类型的可移植性，size_t的另一个优点是其大小并非是固定的，而是用来表征针对某平台的最大长度。当我们使用无符号型的size_t用来表示一个地址或者数据复制的长度时，根本不用担心它表示的数值范围够不够用。

五、typedef

5.1 typedef的基本用法

  使用typedef关键字，可以给student声明一个别名student_t和一个结构体指针类型student_ptr，然后可以直接使用student_t类型去定义一个结构体变量，不用再写struct，这样会显得代码更加简捷。
  程序的运行结果如下：
  typedef除了与结构体结合使用，还可以与数组结合使用。定义一个数组，通常使用int array[10]；即可。我们也可以使用typedef先声明一个数组类型，然后使用这个类型去定义一个数组。声明了一个数组类型array_t，然后使用该类型定义一个数组array，这个array效果其实就相当于int array[10]。
  typedef还可以与指针结合使用。PCHAR的类型是char*，我们使用PCHAR类型去定义一个变量str，其实就是一个char*类型的指针。
  typedef还可以和函数指针结合使用。定义一个函数指针，我们通常采用下面的形式。
  在实际编程中，typedef还可以与枚举结合使用。枚举与typedef的结合使用方法和结构体类似：可以使用typedef为枚举类型color声明一个新名称color_t，然后使用这个类型就可以直接定义一个枚举变量。

5.2 typedef的优势

• 可以让代码更加清晰简捷。
  

• 增加代码的可移植性。
  
    如果我们在代码中想使用一个32位的固定长度的无符号类型数据，则可以使用上面的方式声明一个U32的数据类型，在程序中你就可以放心大胆地使用U32。当将代码移植到不同的平台时，直接修改这个声明就可以了。

• 比宏定义更好用。
    C语言的预处理指令＃define用来定义一个宏，而typedef则用来声明一种类型的别名。typedef和宏相比，不是简单的字符串替换，而是可以使用该类型同时定义多个同类型对象。
  

• 让复杂的指针声明更加简捷。
     我们可以使用typedef优化一下：先声明一个函数指针类型func_ptr_t，接着定义一个数组，就会更加清晰简捷，可读性它增加了不少。   typedef也是一个存储类关键字。typedef在语法上是一个存储类关键字。和常见的存储类关键字（如auto、register、static、extern）一样，在修饰一个变量时，不能同时使用一个以上的存储类关键字，否则编译会报错。
  

5.3 typedef的作用域

   和宏的全局性相比，typedef作为一个存储类关键字，是有作用域的。使用typedef声明的类型和普通变量一样，都遵循作用域规则，包括代码块作用域、文件作用域等。

宏定义在预处理阶段就已经替换完毕，是全局性的，只要保证引用它的地方在定义之后就可以了。而使用typedef声明的类型则和普通变量一样，都遵循作用域规则。

5.4 typedef的适用范围

一般来讲，当遇到以下情形时，使用typedef可能会比较合适，否则可能会适得其反。

• 创建一个新的数据类型。
• 跨平台的指定长度的类型，如U32/U16/U8。
• 与操作系统、BSP、网络字宽相关的数据类型，如size_t、pid_t等。
• 不透明的数据类型，需要隐藏结构体细节，只能通过函数接口访问的数据类型。