计算机系统是一个复杂而精密的工程奇迹，其核心任务之一是处理数据。无论我们使用计算机进行文字处理、图像渲染、科学计算还是游戏娱乐，本质上都是在操作和处理以特定形式表示的数据。要深入理解计算机系统，首要的一步就是探究数据在计算机内部是如何被表示、存储和运算的。
1. 信息的基石：比特与字节
计算机处理的所有信息——无论是数字、文本、图像还是声音指令——最终都被编码为一串比特（bit）。一个比特是信息的最小单位，其值只能是0或1，对应着物理世界中的两种稳定状态（如电路的高低电平、磁盘的磁化方向）。
为了方便组织和寻址，比特通常被分组为字节（Byte），现代计算机通常以8个比特为一个字节。字节是内存寻址的基本单位。一串比特本身没有固定的含义，其意义完全取决于我们赋予它的上下文（Context） 和解释方式。例如，同样的8位二进制串 01000001，在不同的上下文中可以解释为：
- 一个整数：65（十进制）
- 一个ASCII字符：'A'
- 一条机器指令的一部分
- 一个像素的灰度值
2. 数值的表示：整数
计算机使用二进制来表示数字。对于无符号整数，直接将十进制数转换为二进制即可。例如，十进制数5表示为 0101。
现实世界中的数字有正负。为了表示有符号整数，计算机科学家们设计了多种编码方案，其中最普遍的是补码（Two's Complement）。补码表示法的精妙之处在于：
- 最高位为符号位：0表示正数或零，1表示负数。
- 运算的统一性：使用补码，加法和减法的硬件电路可以统一，无需为负数设计特殊的减法逻辑。一个数的补码是其二进制表示按位取反后加1（对于负数）。
- 表示范围：对于一个w位的补码整数，其表示范围为 [-2^(w-1), 2^(w-1)-1]。例如，8位补码的范围是-128到127。
理解整数的表示是避免程序中出现溢出（Overflow）和精度错误的关键。
3. 数值的表示：浮点数
对于小数或极大极小的数，我们使用浮点数（Floating Point） 表示，它类似于科学计数法（如 3.14 × 10^2）。现代计算机普遍采用 IEEE 754 标准。
一个浮点数（以单精度32位为例）被分为三个部分：
- 符号位（S）：1位，表示正负。
- 指数位（Exp）：8位，表示2的幂次（经过偏置编码）。
- 尾数位（Frac）：23位，表示小数部分（隐含了前导的1）。
浮点数的表示带来了巨大的动态范围，但也引入了精度问题。因为用有限的二进制位无法精确表示所有十进制小数（如0.1），这会导致舍入误差，在金融计算或高精度科学计算中需要特别小心。
4. 非数值数据的表示
- 文本：最常见的是ASCII码（7位，128个字符）和Unicode（如UTF-8），后者为全球几乎所有字符提供了唯一的数字编号。
- 图像：通常由像素点阵表示。每个像素的颜色信息由数值编码，例如RGB模型用三个数值分别表示红、绿、蓝的强度。
- 声音：通过采样和量化，将连续的声波转换为离散的数值序列。
- 程序指令：最终也被编码为二进制机器码，由CPU解码执行。
5. 数据的运算与“位”的魔法
计算机在比特级别上提供了丰富的操作，这些操作是构建更复杂功能的基础：
- 算术运算：加、减、乘、除，基于ALU（算术逻辑单元）实现。
- 位级运算：与（&）、或（|）、非（~）、异或（^）。这些运算可用于掩码操作、设置/清除特定位、快速乘除2的幂等。
- 逻辑运算：&&、||、!，常用于条件判断。
- 移位运算：左移（<<）和右移（>>）。左移相当于乘以2，右移相当于除以2（对于整数）。
理解这些底层运算，能帮助程序员编写出更高效、更巧妙的代码，例如利用位运算进行状态压缩、快速计算等。
###
数据表示是计算机科学的基石。从一串简单的0和1出发，通过精心的编码和上下文定义，我们构建了整个丰富多彩的数字世界。理解数据如何被表示，不仅有助于我们编写正确、健壮的程序（避免溢出、精度陷阱），更能让我们洞悉计算机工作的本质，从而在系统设计、性能优化和问题调试中游刃有余。这是迈向“深入理解计算机系统”坚实的第一步。在后续的探讨中，我们将以此为基础，进一步剖析程序是如何在机器级表示和执行的。
