◄ 上一步目录下一步 ►

0201: 数据类型

Union

这一步开始考虑用 KV 来实现关系型数据库。跟 Excel 类似，一个数据库里可以容纳多个表，表是由行（row）跟列（column）组成的。每个列可以选择数据类型，而不是像 KV 一样只有 string/bytes。我们会实现两种数据类型：int64 和 []byte。

type CellType uint8

const (
    TypeI64 CellType = 1
    TypeStr CellType = 2
)

type Cell struct {
    Type CellType
    I64  int64
    Str  []byte
}

Cell 用来表示不同的数据类型，根据 Type 来决定数据是 I64 还是 Str。 Go 没有 union 类型，所以有些浪费空间。

序列化

这一步实现 Cell 的序列化和反序列化：

func (cell *Cell) Encode(toAppend []byte) []byte {
    switch cell.Type {
    case TypeI64:
        // TODO
    case TypeStr:
        // TODO
    }
}

func (cell *Cell) Decode(data []byte) (rest []byte, err error)

要求：

Cell.Encode() 把序列化的结果 append 到输入的 slice。下一步序列化一个 row 时要拼接多个 Cell，可以利用同一个 slice，避免多次内存分配。
Cell.Decode() 从输入的 slice 反序列化，返回 slice 里多余的数据。
int64 用 binary.LittleEndian 序列化。[]byte 用以下格式：

|  长度  | 数据 |
| 4 字节 | ...  |

大小端

CPU 使用固定长度二进制数字，一般支持 8、16、32、64 个二进制位（bit）。第0位是最低的位，比如 0b0101 = 4+1 = 5，从第0位到第3位依次是1、0、1、0。这里你会发现：书写一个数字时，低位（第0位）在右边，高位在左边。而书写一个数组时，第0个元素在左边，高内存地址的元素在右边。这就是大端（big endian）和小端（little endian）的分歧。

一个32位整数在 CPU 寄存器里，只是32个 bit，而储存到内存里，就要分成4个字节。这4个字节如果按照自然顺序（低位在第0个字节，高位在第3个字节），就叫做小端。而按照书写顺序（低位在第3个字节，高位在第0个字节），就叫做大端。比如 0x11223344，用16进制表示：小端是 44 33 22 11，大端是 11 22 33 44。

历史上曾经流行过使用大端的计算机，这就是为什么各种网络协议（TCP/IP）里用大端。然而现在主流是小端。小端的 CPU 读取大端数据，多了个转换的过程。新设计的数据格式、网络协议大都用的小端。然而大端的表示有一些特殊用途之后会遇到。

有符号和无符号整数

如果你动手编码，你可能会发现 binary.LittleEndian 里只有使用 uint64 的方法，而没有 int64 对应的方法。这是因为有符号的整数（signed）和无符号的整数（unsigned）可以直接转换：

        cell.I64 = int64(binary.LittleEndian.Uint64(data[0:8]))

这里需要了解负数是怎么编码的。以 int64 例：

正数 [0, 2⁶³) 的编码，与 uint64 一样。
负数 [−2⁶³, 0) 的编码，与 uint64 里的 [2⁶³, 2⁶⁴) 一一对应。

uint64 和 int64 之间的转换，就是什么都不做。这样的效果是：

把 uint64 的范围分成两半，int64 里的正数和零对应前一半，负数则对应后一半。
对于比较小的正数，uint64 和 int64 表示上没有区别。

有符号整数和无符号整数的区别，只是 CPU 怎么解读这些二进制 bit。再加上它们之间并不存在转换，所以序列化时随便使用编程语言里的类型转换。

符号 bit

有符号整数的最高位表示是否是负数。许多人会想当然的以为，计算机表示正负整数就是正负号+绝对值。然而这种方式只是被一些古代计算机采用，现代计算机都是采用上面这种方式表示负整数，叫做 two’s complement。如果是正负号+绝对值，就应该同时有+0和-0，而±0的概念只在浮点数存在，因为浮点数才是正负号+绝对值这种表示。

◄ 上一步目录下一步 ►