家里装了 100M 宽带,运营商说已经拉满。晚上下载一个游戏安装包,下载器上显示的是 12 MB/s,旁边的小区群里有人说“你这明显被限速了”。可如果把 100 除以 8,正好是 12.5。问题不在网速,而在两个单位的写法只差一个字母的大小写,含义却差了八倍。这篇就从这八倍讲起,把位、字节、进制和单位换算一次说清楚。
这些词看起来很基础,但真到看协议文档、调串口、算存储容量、读十六进制日志的时候,出错的往往不是复杂算法,而是“这个数是几进制”“这个单位是位还是字节”“这个字段占几个字节”。基础不牢,后面补码、浮点、编码都会跟着糊涂。
现象:100M 宽带为什么只跑到 12 MB/s
运营商说的 100M,单位是 Mbps,也就是兆位每秒(megabit per second)。位是二进制里最小的单位,只能取 0 或 1。下载器说的 12 MB/s,单位是兆字节每秒(megabyte per second)。一个字节由 8 个位组成,所以 100 Mbps 换算成字节是 100 除以 8,等于 12.5 MB/s。再扣掉拨号认证、TCP 包头、WiFi 重传这些开销,稳定在 11 到 12 MB/s 是正常水平,一点没被限速。
同样的误会还出现在硬盘上。买了一块标称 1 TB 的硬盘,插到 Windows 里显示 931 GB,用户觉得少了 69 GB。这也不是缩水。厂商按十进制算,1 TB 等于 1000 的四次方字节;操作系统按二进制算,1 TiB 等于 1024 的四次方字节。两种口径都合法,只是行业习惯不同。内存条、文件大小、网速、流量套餐,各自用的口径还可能不一样,看到数字先确认它站在哪一边。
还有一个更隐蔽的坑:单位大小写。bps 里的 b 是 bit,B 是 byte;MB 是字节,Mb 是位。文档里写成“100Mbps”很清楚,写成“100M”就含糊了。很多监控面板为了好看,把位和字节混着标,导致同一根网线的读数差八倍。排查网络问题时,先把单位统一成字节每秒,再比较不同来源的数字,能省掉一半的争论。
移动流量的套餐也一样。运营商说每月 1 GB,手机系统里的流量统计可能按 1024 进制显示,也可能把上行和下行合并计算,还可能把套餐外的定向流量单独算。用户看到“用了 900 MB 就限速”,往往不是运营商偷跑,而是统计口径、计费口径、进制口径三件事对不上。遇到这类争议,先问清楚统计的是位还是字节、是 1000 还是 1024、含不含重传和协议头,再谈数字。
场景走查:一个字节里到底装了什么
位(bit)是二进制数字(binary digit)的缩写,取值只有 0 和 1。它是信息的最小单位,但 CPU 和内存从来不按位寻址。内存被划成一个个格子,每个格子给一个地址,一次读写的单位是字节。字节(byte)就是这些格子的宽度,也是“最小可寻址单位”这个说法的来源。
为什么偏偏是 8 位,而不是 6 位、9 位或者 16 位?早期计算机并没有统一标准,有的机器一个字节 6 位,有的 7 位,有的 9 位,还有按字长 36 位设计的机器。真正把 8 位固定下来的是几件事叠加:ASCII 字符集用 7 位表示 128 个字符,正好留 1 位做奇偶校验;IBM System/360 系列把 8 位字节作为基本单位,这套架构影响极大;8 是 2 的幂,一个字节能表示 256 种组合,切成两半就是两个 4 位,对应两位十六进制,观察和寻址都方便。标准一旦被大量硬件和软件采用,后面的芯片就顺着做了。
所以“一个字节等于 8 位”不是数学定理,而是历史形成的工程约定。C 语言标准只保证 sizeof(char) == 1,也就是一个 char 占一个字节,但一个字节有多少位由 CHAR_BIT 决定,常见实现是 8。在极少数数字信号处理器上,CHAR_BIT 可能是 16 或 32,写跨平台代码时不能想当然。
一个 8 位字节,按无符号解释是 0 到 255,共 256 个值;按有符号解释是 -128 到 127,也是 256 个值。同一个字节 0xFF,无符号读作 255,有符号读作 -1,这两种读法对应不同的业务含义。下一篇讲补码时会把这个分裂讲透,这里先记住:字节本身只是一串位,怎么解释由使用它的代码决定。
从地址的角度看,内存像一排编了号的抽屉,每个抽屉一个字节。地址 0x1000 和 0x1001 相差一个字节,而不是一个位。这也是为什么 C 的指针加一会跳到下一个元素,而不是下一个位;指针的步长由类型宽度决定,int* 加一通常跳过 4 个字节。理解“地址以字节为单位”,很多指针和数组的题目就自然通了。
256 种组合够不够用?ASCII 只定义了 128 个字符,包括大小写字母、数字、标点和控制符,7 位就够,第 8 位留给校验。西欧语言、中文、日文的需求后来把这个空间撑爆了,才有了各种扩展编码和多字节编码。8 位字节的容量不是“刚好够用”,而是“够用一阵,后面再想办法扩展”。
进制:为什么调试器偏爱十六进制
十进制是人类习惯,二进制是硬件语言,十六进制是两者的折中。原因很简单:4 个二进制位正好对应 1 个十六进制位,因为 2 的 4 次方等于 16。一个 8 位字节可以拆成两个 4 位,也就是两位十六进制。看到 0xA3,心算就是 1010 0011,不用逐位念。十进制做不到这种整齐对应,一个字节要写成 0 到 255 之间的数,读起来反而看不出位的结构。
写法的前缀要认清。0x 开头是十六进制,0b 开头是二进制,这两个在 Python、C、JavaScript 里都通用。C 语言里以 0 开头的整数字面量是八进制,所以 0755 不是七百五十五,而是四百九十三。Linux 文件权限习惯写 755,指的是八进制的 7、5、5,换算成二进制是 111、101、101,分别对应读、写、执行的组合。把 755 当十进制抄进代码,权限会悄悄变成另一个值。
十六进制看字节
两位一组,一个字节一组,和内存、日志、协议字段的排布天然对齐。调试器、抓包工具默认都这么显示。
十进制看数量
适合人读的计数和换算,但看不出位的边界。算容量、算价格、算偏移量时更直观。
进制的换算规则本身不难:二进制转十进制按权展开,十进制转二进制不断除以二取余,十六进制每位对应四位。难的是在真实工具里认出当前显示的是什么进制。IDE 的变量窗口可能用十进制,内存窗口用十六进制,寄存器窗口用二进制,日志又可能是混合的。看到一个 20,先别急着当成三十二,看看它前面有没有 0x。
十六进制用 0 到 9 加 A 到 F 表示十六个数字,A 是 10,F 是 15。手算一个字节时,把高 4 位和低 4 位分开:0xA3 高 4 位是 A 即 1010,低 4 位是 3 即 0011,拼起来就是 10100011。反过来,二进制 0110 1101 四位一组读成 6 和 D,就是 0x6D。熟练之后,看十六进制字节流就像看分组后的二进制,不用逐位展开。
不同语言的二进制字面量支持也不完全一样。Python 一直支持 0b 前缀,C 在较早的标准里没有这个写法,较新的标准才正式加入,老编译器可能直接报错。跨语言抄代码时,如果遇到 0b1010 编译不过,先看编译器和语言标准版本,别怀疑数值本身。十六进制的 0x 前缀则基本通用,是更稳妥的选择。
实测:把 0x20 拆开看
拿一个最常见的值做实验。0x20 是十六进制,换成十进制是 32,换成二进制是 0010 0000,也就是只有第 5 位(从 0 开始数)是 1。ASCII 里 32 正好是空格,所以你在抓包工具里看到 0x20,很可能就是一个空格字符,而不是某个神秘标志位。
用 Python 做几组换算,顺便看字节的边界:
print(hex(32)) # 0x20
print(bin(0x20)) # 0b100000
print(format(0x20, '08b')) # 00100000
print((0x20).bit_length()) # 6
print(int('ff', 16)) # 255
print(len(bytes.fromhex('ff007f'))) # 3
本机 Python 3.15 实际输出依次是:0x20、0b100000、00100000、6、255、3。注意 bit_length() 返回的是表示这个数所需的最少二进制位数,不是固定 8 位,所以 32 返回 6,而不是 8。想要定宽的 8 位显示,得自己用格式化补零。
把 0x20 和 0x02 放在一起看,差别只在 1 的位置:0x20 是 0010 0000,0x02 是 0000 0010。十进制里 32 和 2 看起来毫无关系,十六进制里一眼就能看出是不同位置上的位。这就是为什么寄存器手册、协议字段、颜色值都爱用十六进制:它把“哪一位”这件事保留下来了。十进制会把位的结构抹平,只留下一个数量。
再看 C 里各类型的大小。很多人背“int 是 4 字节”,但这只是常见实现,不是语言保证:
printf("sizeof char=%zu short=%zu int=%zu long=%zu\n",
sizeof(char), sizeof(short), sizeof(int), sizeof(long));
本机 gcc 16.2(Windows,MSYS2)实际输出:sizeof char=1 short=2 int=4 long=4。这里 long 是 4 字节,和 Linux 上常见的 8 字节不同,因为 Windows 用的是 LLP64 模型。同一个类型名,换个平台大小就变了。涉及文件格式、网络协议、二进制接口时,别用 long 这种宽度不定的类型,要用 int32_t、uint64_t 这种写死宽度的类型。
现象对照表
| 现象 | 真实原因 | 第一步查什么 |
|---|---|---|
| 100M 宽带只跑到 12 MB/s | 运营商说 Mbps(位每秒),下载器显示 MB/s(字节每秒),差 8 倍 | 看两边单位的大小写,把 bps 除以 8 再比 |
| 1 TB 硬盘显示 931 GB | 厂商按 1000 进制标容量,系统按 1024 进制显示 | 确认标称口径,用同一进制换算后再比较 |
| 文档里的 0x20 被当成十进制 20 | 忽略了十六进制前缀,或者工具显示时去掉了前缀 | 看数值来源和前缀,用二进制展开确认哪一位是 1 |
| 权限 755 抄进代码后行为不对 | C 风格语言里前导 0 表示八进制,755 实际是 493 | 检查字面量前缀,权限值统一按八进制或位掩码处理 |
| 两个字节拼起来得到意外的 16 位值 | 位移方向、字节顺序或位编号约定不一致 | 确认文档的 bit0 是最低位还是最高位,再确认字节序 |
| 结构体大小比字段之和大 | 编译器为了对齐插入了填充字节 | 用 sizeof 和 offsetof 逐字段看布局,必要时调整字段顺序 |
| 中文字符串长度算成 3 或 6 | 把字节数当成了字符数,或者反过来 | 区分 len(text) 和 len(text.encode()),确认编码 |
| 串口配置写 8N1 却通信失败 | 8 指数据位,N 指无校验,1 指停止位,波特率还要单独匹配 | 核对数据位、校验位、停止位和波特率四项,别只改一项 |
边界与代价
“字节等于 8 位”在日常开发里几乎可以当公理用,但它有边界。嵌入式平台可能一个字节 16 位,某些协议里的“字”是 16 位而不是 32 位,某些硬件手册的位编号从 1 开始,最高位叫 bit7 还是 bit0 要看厂商约定。跨平台移植时,先确认 CHAR_BIT、类型宽度、对齐规则,再谈逻辑。
单位换算的代价主要在人身上。存储厂商用十进制,操作系统用二进制,网络用十进制,内存有时用二进制,云厂商的“1 核 2G”又是另一套口径。每次跨来源比较数字,都要先统一单位,否则很容易得出“被坑了”的结论。工程上更稳妥的做法是内部一律用字节数或位数存储,只在展示层做换算,并且把单位写进变量名或字段名,比如 size_bytes、rate_mbps。
进制选择的代价是可读性。十六进制紧凑,适合看位;十进制直观,适合看量;二进制最清楚,但太长。日志里混用进制时,最好带上前缀 0x,不要只写裸数字。人眼对 20 和 0x20 的区分能力,比想象中弱得多。
还有一个常被忽略的点:字节是寻址单位,但 CPU 读内存时往往一次读一个缓存行,可能是 64 字节。你只改了一个字节,硬件搬进来的是一整块。这不影响语义,但影响性能。写高性能代码时,连续访问、对齐访问比“省一个字节”重要得多。结构体里字段顺序排得好,可能比把 int 换成 short 省下更多内存。
对齐的规则值得单独提一句。多数平台要求一个 4 字节的 int 从能被 4 整除的地址开始,编译器会在字段之间插入空白字节来满足这个要求。一个 char、一个 int、一个 char 的结构体,在 64 位平台上可能占 12 字节而不是 6 字节。这不是浪费,而是让 CPU 用一次对齐读取拿到数据。真要压缩体积,可以把大字段放前面、小字段放一起,或者显式使用紧凑布局,代价是访问可能变慢。
最后是变长编码的代价。一个字节固定 8 位,但一个字符不一定固定一个字节。UTF-8 里中文通常占 3 个字节,emoji 占 4 个,英文占 1 个。用字节数去算字符数,或者按字符数去切字节数组,都会在中英文混排时翻车。这个坑留到字符编码那篇细讲,这里只需要建立一个意识:位、字节、字符是三个层次,不要混着用。
还有观测口径的代价。同一个文件,资源管理器显示的大小可能包含磁盘簇的取整,stat 报的是逻辑字节数,压缩包报的是压缩后大小,传输工具报的是含协议头的字节数。四个数字都有用,但如果混着说“这个文件 10 MB”,对方可能理解成完全不同的东西。严谨的日志会把单位写全,比如 size=10485760 bytes,而不是一个裸的 10 MB。
当天能自己验证的练习
- 用 Python 打印
0x20的十进制、二进制和定宽 8 位形式,再数一数二进制里有几个 1;把结果和 ASCII 空格对照。 - 打开任务管理器或下载器,把显示的 MB/s 乘 8,和套餐标称的 Mbps 比较,算一算差多少,再把 TCP 和 WiFi 开销大致扣掉。
- 写一个 C 程序,打印
sizeof(char)、sizeof(short)、sizeof(int)、sizeof(long)、sizeof(void*),再定义一个含 char、int、double 的结构体,看它比字段之和大多少。 - 找一个网页颜色值,比如
#3A7BD5,把它拆成三个字节,分别转成十进制,再用 Python 拼回去。 - 读一个含中文的 UTF-8 文件,分别打印字符数和字节数;再加入一个 emoji,观察字节数增加了几位。
小结与下一篇
位是最小信息单位,字节是最小可寻址单位,常见一个字节 8 位,这是历史形成的工程约定,不是数学必然。十六进制之所以适合看字节,是因为 4 位一组刚好对应一位十六进制。单位换算的坑多半来自 b 与 B、1000 与 1024、十进制与八进制前缀,看到数字先确认口径。
字节本身只是一串 0 和 1,它的含义由解释方式决定。同样是 0xFF,可以读成 255,也可以读成 -1。下一篇就从这个分裂开始,讲-1 为什么在内存里全是 1:整数与补码,把有符号数、溢出和符号扩展一次讲清楚。