浮点类型(float、double)在内存中如何存储?

您所在的位置:网站首页 float类型数组如何存储 浮点类型(float、double)在内存中如何存储?

浮点类型(float、double)在内存中如何存储?

2024-02-09 20:48| 来源: 网络整理| 查看: 265

在编程中,浮点类型数据主要用于表示小数,例如Java或C++中的float、double类型,Golang中的float32、float64类型。我们在开始学编程的时候也经常被教育,浮点数有精度问题,不适用于比较大小或比较相等性的逻辑。任何数字在计算机中都是用0和1二进制来表示,对于float(占据4字节)和double(占据8字节)类型,又是如何使用一串0和1表示出来呢?

浮点数的存储方案是来自于IEEE 754(IEEE Standard for Floating-Point Arithmetic)标准,这一标准最早在1985年提出,基本上已经被用于所有计算机中。IEEE 754经历了几次标准更新,但是最核心的内容,即浮点数表示规则,从来没有变过。该标准一共经历了1985版,1987版,2008版,2019版等几个版本的更新,最新版2019版的官网链接在此:https://standards.ieee.org/content/ieee-standards/en/standard/754-2019.html ,感兴趣的话可以延伸阅读。

要表示浮点数的第一步,就是让小数也能使用二进制来表示。我们知道二进制表示整数时,最低位代表2的0次方,往高位依次是2的1次方,2次方,3次方……那么对应的,二进制数小数点后面,最高位则是2的-1次方,-2次方,-3次方……如下图所示:

二进制浮点数每一位对应的十进制数值二进制浮点数每一位对应的十进制数值

下面举几个例子:

十进制与二进制转换十进制与二进制转换

十进制数字10.625,用二进制表示为1010.101 。其实这种二进制表示小数的方法,造成了一个隐含的问题:一些本来不是无限循环的十进制小数,表示成二进制之后成了无限循环小数。比如上图中的十进制数字0.6,表示成二进制之后成了循环体为1001的无限循环小数。这就是“浮点数有精度问题”的根源之一,你在代码中声明一个变量double a = 0.6;时,计算机底层其实是无法精确存储那个无限循环二进制数的,只能存一个四舍五入(准确说应该是零舍一入,毕竟是二进制)后的近似值。

下一步,将二进制表示为以2为底的科学计数法,如图:

二进制科学计数法二进制科学计数法

对于任何数字表示成二进制科学计数法以后,一定是1点几(尾数)乘以2的多少次方(指数)。对于小于零的负数来说,就是负1点几(尾数)乘以2的多少次方(指数)。所以要存这个数,需要存储三个部分:正负号,尾数,指数。

浮点数在内存中的表示方式浮点数在内存中的表示方式

具体存储方式如上图所示。最高位有1bit存储正负号,然后指数部分占据8bits(4字节)或11bits(8字节),其余部分全都用来存储尾数部分。对于指数部分,这里存储的结果是实际的指数加上偏移量之后的结果。这里设置偏移量,是为了让指数部分不出现负数,全都为大于等于0的正整数。尾数部分的存储,因为二进制的科学计数法,小数点前一定是1开头,因此我们尾数只需要存储小数点后面的部分即可。接下来依然是举例说明:

4字节浮点数0.6的存储方式4字节浮点数0.6的存储方式

如果你在程序中声明float a = 0.6,那么实际上a变量在内存中占据的4个字节的值为0x3F19999A。其实如果你再声明一个 uint32 b = 1058642330,其实b变量所占据的4个字节的值也是0x3F19999A,因为整数在内存中就是直接按照二进制值来存储,刚好a和b两个变量在内存中的值一模一样,只不过他们的数据类型不同。

另外值得注意的是,虽然float a=0.6在内存中被存为了数字0x3F19999A,但是如果我们把4个字节看作是长度为4的byte数组,不同的计算机对这个数组有不同的存储方式。在大端模式下,这个数组为[0x3F, 0x19, 0x99, 0x9A],即数字的高位在数组靠前位置;在小端模式下,这个数组为[0x9A, 0x99, 0x19, 0x3F],即数字的高位在数组靠后位置,与我们正常的阅读习惯刚好反过来。

再来看一个8字节浮点数的例子:

8字节-0.1的存储方式8字节-0.1的存储方式

8字节数字-0.1,可以看到最高位为1,表示负数。后面逻辑和前文的4字节浮点数类似,只是偏移量略有区别。

浮点数的这种表示法,其实对于绝对值比较大的数来说,小数点后面的精度会比较差。对于绝对值接近0的比较小的数来说,小数点后面的精度反而会非常高。我们用一段简单的golang代码来说明一下(非常简单,非golang开发也能看懂)。

浮点数的相等性比较浮点数的相等性比较

我们可以看到,变量a和b的差距只有0.00000001,但是他们在内存中所存储的值依然是不同的,a和b比较会返回false。但是对于c和d来说,他们值只差了0.001,小数点后的差距比a和b的差距要大很多,c和d的判断结果依然是相等。这是由于c和d整数部分占据了4字节太多位置,导致小数部分的数值差距,在4字节内已经体现不出来了。c和d在内存中存的值是完全一样的。前文所说的零舍一入机制,加上浮点数在内存中本身的存储机制,导致了我们编程中经常被提醒的:“浮点数有精度问题”。

以上知识主要的应用场景是浮点数的序列化,在各种通信协议中经常会用到,如protobuf的序列化算法。这些知识点虽然非常基础,但相信在面试中一定能难倒不少基本功不太扎实的应聘者。



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3