Little Endian vs Big Endian

看了一个视频，Endianness Explained¹, 对 Endianness 介绍的非常好。尤其是对常见的两个误解的解释。

Endian 的概念是 1980 年的4月1日 Danny Cohen 在 On Holy Wars and a Plea for Peace² 提出来的。名字的来源是《格列佛游记》小说中有两派人由于「打鸡蛋打哪头」意见不同而打架。鸡蛋的端，叫做 end，end-ian 就是这么来的。

在计算机的世界中，最小可以寻址的单位通常是 byte，1 个 byte 是 8 bits，这个没有争议。

如果一个数据类型需要占用多个 bytes，比如 32 位的 int，占用 4 个 bytes，那我们在编程的时候会用一个内存地址表示这个 int，从这个地址开始，后面一共 4 个 bytes，来表示一个 int。比如一个 16 进制表示的 int 值：0x01020304，其中 01 是 most significant bit，是重要的数字，因为它决定了整个数字的数量级是多大，可以把 01 叫做大头，如果把大头放在前面，即，表示成 0x01020304，这就是 Big Endian. 如果把大头放在这 4 个 bytes 的最后，即，表示成 0x04030201，那就是 Little Endian.

一般来说，这对于程序员是透明的，因为处理 endian 的是 CPU，把数据写入内存的是 CPU，从内存取出来的还是 CPU。所以不管 CPU 是 Little Endian 还是 Big Endian，只要它始终保持一致，就可以了。

但是如果涉及到网络的序列化（其实不仅仅是网络，数据只要离开本机，就涉及 endianness），问题就来了。一个 CPU 序列化成 Little Endian，通过网络传输给另一个机器，另一个机器的 CPU 是 Big Endian，那不就乱套了吗？（现代的大部分 CPU 是 Little Endian， 网络使用 Network Byte order，是 Big Endian。）

所以这里就需要一个转换，libc 提供了两个转换函数：

• htons: Host byte order 转换成 Network byte order
• ntohs: Network byte order 转换成 Host byte order

两个误解：

• 「Endian 是 bit 级别的。」这是错误的，Endian 是 byte 级别的。假如一个数据格式只有 8 个 bit，那么无论是 Little Endian 还是 Big Endian，这 8 个 bit 的表示方法都不会变。也没有 Endian 转换的必要。（有些情况下，同一个 byte 内，编译器也会考虑 endianness，见评论2）
• 另一个需要注意的点，是 Endian 只涉及多个 byte 组成的数据结构。char array 这种不算，假设一个 char array 是 “abcd”，那么它无论在哪里都是 “abcd”。Endian 的问题只发生在用一个地址表示多个字节，而 array 中，每一个元素都可以被寻址。在序列化的时候，是对 4 个元素分别序列化。

1. https://www.youtube.com/watch?v=LxvFb63OOs8 ↩︎
2. ON HOLY WARS AND A PLEA FOR PEACE https://www.rfc-editor.org/ien/ien137.txt ↩︎

---