数据存储：大端和小端
目录
前面说到，像C/C++这类语言编写的程序，它们被编译后，直接转换成了对应平台上的可被CPU直接运行的机器指令，转换之后，原本语言中的数据结构，例如结构体信息都被替换掉了，换成了各个数据在内存中的地址和偏移量，操作系统并不知道原来的数据的类型，例如一段C程序被编译成汇编语言后，结构体信息被拆成了一条条对内存操作的指令，一个个变量都变成了首地址，原本的C代码结构不复存在。Java则不同，我们知道Java语言因为跨平台性的原因，程序在转变成机器可执行的指令之前，需要先翻译成中间语言-字节码文件，字节码有它特定的结构，会将Java中的类型结构信息存储起来，待JVM加载字节码文件时，会保存所有的元数据，元数据也就是原始的类型信息，上篇日志中opp-klass模型里的instanceKlass，它保存了Java类的所有信息，例如里面的方法和变量，也正因为了有了这种机制，JVM才支持“反射”，运行Java程序在运行期间能够动态获取实例对象的类型，方法等信息。
字节序
Java语言实现跨平台性，执行前先被编译成统一字节码文件，.class文件与平台无关，只与JVM有关，之后在不同的操作系统环境（Linux，Windows之类）下由不同的JVM来解释执行.class文件，虽然同一Java程序生成的字节码文件相同，但数据在不同平台上的存储方式是不同的。我们知道，字节数据在计算机中存储，或者在网络中收发，是要按照一定的顺序的，这种字节输入输出和存储的顺序，即字节序，在不同的硬件环境中有所不同。拿网络中收发数据包来举例，在传输层发送的数据包如果太大，就会被拆分成多个包，每一个小的数据包都有序号，接收方接收到每一个包都要按照顺序组装成一个完整的包，这样即使按顺序先发出去的1号包没有被先接收，而是先接收到2号包，接收方也会等待，待1号包接收后先将其递交给上层，如果不严格按照顺序收发，存储，那么通信双方发送的数据就无法正确译码。
大端和小端
前面说到不同的操作平台上，数据存储在内存和磁盘，或者寄存器上的格式是不同的，具体表现在存储顺序不同，通常分为两种方式，大端Big-Endian和小端Little-Endian方式，大端方式即将数据中高位的字节存放在内存中的低地址处，数据中低位的字节存放在内存中的高地址处，小端方式则相反，高位字节存放在高地址，低位字节存放在低地址。上面举例的网络中收发数据包，因为使用TCP/IP协议的缘故，字节数据使用大端的方式。
举个例子看大端和小端的存储方式，假设有一个十六进制数据0x12345678，占4个字节，要存储到内存地址0x004060处，使用大端的方式，即数据的高位字节存放到内存地址的低地址端，低位字节放到高地址端，那么存放的对应关系如下：
|
内存地址 |
0x004060 |
0x004061 |
0x004062 |
0x004063 |
|
数据值 |
12 |
34 |
56 |
78 |
可以看到， 数据字节增长方向和内存地址增长方向是相同的，这种方式比较方便我们程序员阅读，而如果使用小端方式存储，它的对应关系是这样：
|
内存地址 |
0x004060 |
0x004061 |
0x004062 |
0x004063 |
|
数据值 |
78 |
56 |
34 |
12 |
相比大端来说不易于程序员阅读。
产生大端小端存储方式的原因是寄存器的宽度，计算机内存存储单元为1个字节，现在的CPU普遍都是32位或64位，意味着其可以一次传输4字节或8字节的数据，，大多数寄存器的宽度也不止一个字节，所以寄存器可以一次读出多个连续内存存储单元的值，也能一次往多个连续存储单元写入数据。我们知道，数据不能直接在内存之间传输，必须通过寄存器中转，例如我们平时写的代码int a = b;它就是先把内存中b的数据读取到寄存器里，再把寄存器里的数据放到a的内存位置。假设我们现在有一个2字节的十六进制数据0x0205，十进制表示517，数据的高字节为02，低字节为05，将它放到寄存器里，如果寄存器采用大端方式存储，即02存放到低地址位，05存放到高地址为，那么数据在寄存器中的值就是0x0205，这个没什么问题，但如果寄存器采用小端方式存储，那么0x0205存储到寄存器后，值就变为0x0502，其对应的十进制就变成了1282。
大端小端测试
我们可以用个简单的测试程序来看看自己的硬件CPU是大端还是小端存储：
例子很简单，通过char c = *p拿到变量x的地址，如果系统采用的是小端存储方式，那么地址的低位会被存放在高地址处，x的首地址就是0x1，否则x的首地址就是0。从输出结果可以看到，我这台计算机采用的是小端方式存储。
写入测试
上面的测试程序是我们向操作系统申请空间，接下来用另一个例子，我们往内存中写入数据，看看计算机是不是也会以小端方式帮我们存储：
上面这个例子中，我们向一个数组里写入两个字节的数据，0x10和0x20，然后通过char *p = data拿到data数组的首地址，强制类型转换short*指针，最后转换成short类型，如果你的CPU使用的是大端方式存储，那么写入数组的数据从左到右，也就是从低地址位到高地址位的排列顺序是0x1020，十进制表示为4128。如果采用的是小端方式，那么高字节位数据存放在高地址处，最后存储的数据变成0x2010，对应十进制8208。
字节码文件的大小端
上面两个例子的运行结果，都表现出在我的计算机上使用的是小端方式存储，但在Java程序编译得到的字节码文件里，使用的全部都是大端方式，例如JVM在加载字节码文件时，首先会检查最前面4个字节的魔数，它是一个固定值0xCAFEBABE，它的写入顺序就是0xCA、0XFE、0xBA、0xBE。数据写入没有问题，因为它是由Java语言完成，使用大端方式，但是读取时就有地方要注意了，JVM使用C和C++编写，它们采用大端还是小端是取决于当前的硬件平台，当其读取.class字节码文件时，魔数在C语言中可以用int型表示，如果当前环境采用了小端方式存储，那么魔数的读取就会得到0xBE、0xBA、0xFE、0xCA，此时读到的魔数就和上面的Java程序相反了，会导致JVM校验魔数失败，停止加载.class字节码文件。如果是使用Java编写的编译器，就不需要对数据字节序进行处理，但JVM是C和C++编写的，如果运行在了采用小端方式存储的平台上，那就要对字节序进行反转处理了，对字节序进行反转处理。
以前我写网络编程的时候也才踩过这类坑，服务器连不上，后来发现要将地址逆序。