(C语言)内存地址对齐及大小端
- 格式：doc
- 大小：55.50 KB
- 文档页数：3
（C语言）内存地址对齐及大小端我们常常看到“alignment”，“endian”之类的字眼，但很少有C语言教材提到这些概念。
实际上它们是与处理器与内存接口，编译器类型密切相关的。
考虑这样一个例子：两个异构的CPU进行通信，定义了这样一个结果来传递消息：struct Message
{
short opcode;
char subfield;
long message_length;
char version;
short destination_processor;
}message;
用这样一个结构来传递消息貌似非常方便，但也引发了这样一个问题：若这两种不同的CPU对该结构的定义不一样，两者就会对消息有不同的理解，有可能导致二义性。
会引发二义性的有这两个方面：
1．内存地址对齐；
2．大小端定义；
本文先介绍内存地址对齐和大小端的概念，再回头来看这个例子就豁然开朗了。
1、内存地址对齐
“内存地址对齐”洋名叫做“Byte Alignment”。
大部分16位和32位的CPU不允许将字或者长字存储到内存中的任意地址。
比如Motorola 68000不允许将16位的字存储到奇数地址中，将一个16位的字写到奇数地址将引发异常。
实际上，对于C中的字节组织，有这样的对齐规则：
单个字节（char型）能对齐到任意地址；
2字节（short型）以2字节边界对齐；
4字节（int或long型）以4字节边界对齐；
不同CPU的对其规则可能不同，请参考手册。
为什么会有上述的限制呢？理解了内存组织，就会清楚了！
CPU通过地址总线来存取内存中的数据，32位的CPU的地址总线宽度既为32位置，标为A[0:31]。
在一个总线周期内，CPU从内存读/写32位。
但是CPU只能在能够被4整除的地址进行内存访问，这是因为：32位CPU不使用地址总线的A1和A2。
（比如ARM，它的A[0:1]用于字节选择，用于逻辑控制，而不和存储器相连，存储器连接到A[2:31]。
）。
访问内存的最小单位是字节（Byte），A0和A1不使用，那么对于地址来说，最低两位是无效的，所以它只能识别能被4整除的地址了。
在4字节中，通过A0和A1确定某一个字节。
再看看刚才的message结构，你想想它占了多少字节？别想当然的以为是10个字节，实际上它占了12个字节。
不信? 用sizeof(message)看吧。
对于结构体，编译器会针对其中的“空”元素添加“pad”以满足字节对齐规则。
message会被编译器改为下面的形式：struct Message
{
short opcode;
char subfield;
char pad1; // Pad to start the long word at a 4 byte boundary
long message_length;
char version;
char pad2; // Pad to start a short at a 2 byte boundary
short destination_processor;
char pad3[4]; // Pad to align the complete structure to a 16 byte boundary
};
如果不同的编译器采用不同的对齐规则，对传递message可就麻烦了。
2、字节的“端”（Byte Endian）
是指字节在内存中的组织顺序（或方式），所以也称它为“Byte Ordering”。
对于数据中跨越多个字节的对象，我们必须为它建立这样的约定：
（1）它的地址是多少？
（2）它的字节在内存中是如何组织的？
针对第一个问题，有这样的解释：
对于跨越多个字节的对象，一般它所占的字节都是连续的，它的地址等于它所占字节最低地址（链表可能是个例外，但链表的地址可看作链表头的地址）。
比如：int x，它的地址为0x100。
那么它占据了内存中的0x100，0x101，0x102，0x103这四个字节。
int x
上面只是内存字节组织的一种情况：多字节对象在内存中的组织一般有两种约定，考虑一个W位的整数，它的各位表达如下：
[X w-1, X w-2, ... , X1, X0]
它的MSB（Most Significant Byte，最高有效字节）为[X w-1, X w-2, ... X w-8]；LSB (Least Significant Byte, 最低有效字节)为[X7, X6, ..., X0]；其余的字节位于MSB和LSB之间。
LSB和MSB谁位于内存的最低地址，即谁代表该对象的地址？这就引出了大端（Big Endian）与小端（Little Endian）的问题。
如果LSB在MSB前面，既LSB是低地址，则该机器是小端，反之则是大端。
DEC（Digital Equipment Corporation，现在是Compaq公司的一部分）和Intel的机器一般采用小端。
IBM、Motorola、Sun的机器一般采用大端。
当然，这不代表所有情况。
有的CPU即能工作于小端，又能工作于大端，比如ARM、PowerPC、Alpha。
具体情形参考处理器手册。
举个例子来说名大小端：比如一个int x，地址为0x100，它的值为0x1234567。
则它所占据的0x100、0x101、0x102、0x103地址组织如下图：
0x01234567的MSB为0x01，LSB为0x67。
0x01在低地址（或理解为MSB出现在LSB 前面，因为这里讨论的地址都是递增的），则为大端；0x67在低地址则为小端。
认清这样一个事实：C中的数据类型都是从内存的低地址向高地址扩展，取址运算“&”
都是取低地址。
3、两个测试Byte Endian的小程序
method_1
#include <stdio.h>
int main(int argc, char *argv[])
{
int c = 1;
if ((*(char *)&c) == 1) {
printf("little endian\n");
}
else
printf("big endian");
return 0;
}
int c在内存中的表达为：0x00000001（这里假设int为4字节），用char可以截取一个字节。
LSB为0x01，若它出现在c的低地址，则为小端。
method_2
#include <stdio.h>
int main(void)
{
/* Each component to a union type is allocated storage at the beginning of the union */ union {
short n;
char c[sizeof(short)];
}un;
un.n = 0x0102;
if ((un.c[0] == 1 && un.c[1] == 2))
printf("big endian\n");
else if ((un.c[0] == 2 && un.c[1] == 1))
printf("little endian\n");
else
printf("error!\n");
return 0;
}
union中元素的起始地址都是相同的──位于联合的开始，用char来截取感兴趣的字节。
区分大端与小端有什么用呢? 如果两个不同Endian的机器进行通信时，就有必要区分了！。
