Bit a byte (bit a bajt)

Příklady z praxe

1. 01

   Limit zprávy v UTF-8

   Vývojář ukládá český text do rozhraní, které má limit v bytech, ne ve znacích. Slovo s diakritikou může po zakódování do UTF-8 zabrat více bytů než podobně dlouhé ASCII slovo. Kontrola podle počtu znaků by proto mohla projít, ale server by zprávu odmítl kvůli velikosti.

   s = "žluťoučký"
   print(len(s))                 # počet znaků v Python řetězci
   print(len(s.encode("utf-8"))) # počet bytů po uložení do UTF-8

2. 02

   Rychlost internetu versus velikost souboru

   Uživatel stahuje soubor o velikosti 100 MB přes linku s rychlostí 50 Mb/s. Ideální výpočet vyjde na 16 sekund, protože megabyte je osmkrát větší než megabit. Skutečné stahování bývá pomalejší kvůli režii protokolů, latenci a kolísání linky.

   soubor_MB = 100
   link_Mb_s = 50
   idealni_cas_s = soubor_MB * 8 / link_Mb_s
   print(idealni_cas_s)  # 16.0

Časté omyly

MýtusMegabit a megabyte jsou skoro totéž, jen jiný zápis.

Ve skutečnostiMegabit a megabyte se liší osmkrát. Zkratka Mb označuje megabity, zatímco MB označuje megabyty, pokud autor dodržuje běžnou technickou notaci.

MýtusJeden znak v textu vždycky zabere jeden byte.

Ve skutečnostiJeden znak zabere jeden byte jen v některých jednoduchých kódováních a jen pro omezenou sadu znaků. V UTF-8 může jeden znak zabrat více bytů, zvlášť u diakritiky, symbolů a emoji.

MýtusKdyž má internet 100 Mb/s, stahuji rychlostí 100 MB/s.

Ve skutečnostiLinka 100 Mb/s má teoretické maximum asi 12,5 MB/s před započtením režie. Reálná rychlost stahování závisí také na protokolu, serveru, Wi-Fi, latenci a vytížení sítě.

Časté dotazy

Je byte vždycky osm bitů?

Byte v dnešních běžných počítačích, programovacích jazycích a souborových formátech znamená osm bitů. Historicky existovaly architektury, kde velikost bytu nebyla jednotná, takže některé standardy používají slovo octet, když chtějí výslovně říct osm bitů. Pro web, databáze, operační systémy a většinu aplikačního vývoje je bezpečné počítat s tím, že jeden byte má osm bitů.

Proč se rychlost internetu uvádí v bitech, ale soubory v bytech?

Rychlost internetu se tradičně uvádí v bitech za sekundu, protože telekomunikace měří tok jednotlivých bitů linkou. Velikost souborů se naopak obvykle uvádí v bytech, protože soubory, paměť a disková úložiště pracují s byty jako základní adresovatelnou jednotkou. Převod je jednoduchý: hodnotu v bytech vynásobíte osmi, hodnotu v bitech vydělíte osmi.

Co znamená rozdíl mezi MB a Mb?

Zápis MB obvykle znamená megabyte, zatímco Mb znamená megabit. Rozdíl velkého a malého písmena mění hodnotu osmkrát. Připojení 80 Mb/s má teoretické maximum 10 MB/s, pokud nepočítáme režii a ztráty. Nejasné zápisy v marketingu, fakturách nebo uživatelském rozhraní mohou vést k mylnému očekávání rychlosti.

Proč jeden znak někdy zabere víc než jeden byte?

Textový znak není totéž co byte, protože počet bytů závisí na zvoleném kódování. V ASCII má jeden znak jeden byte, ale v UTF-8 mohou česká písmena, emoji nebo některé symboly zabrat více bytů. Databázové limity, HTTP hlavičky a binární protokoly proto často řeší velikost v bytech, i když uživatel vnímá text jako znaky.

Zdroje

1. Built-in Types(otevře se v novém okně)Python Software Foundation
2. The Unicode Standard(otevře se v novém okně)The Unicode Consortium
3. Bit(otevře se v novém okně)Wikipedia
4. Byte(otevře se v novém okně)Wikipedia

Související pojmy

• BufferováníBufferování je dočasné shromažďování dat ve vyhrazené oblasti paměti (bufferu) mezi dvěma částmi systému, které pracují různou rychlostí nebo po různě velkých dávkách. Zápis se hromadí, dokud se buffer nezaplní nebo dokud ho program nevyprázdní, a teprve pak odchází dál. Cílem je méně drahých operací a plynulejší tok dat.
• Endianita (Big endian a little endian)Endianita je pravidlo, v jakém pořadí se bajty vícebajtového čísla ukládají do paměti nebo posílají po síti. Big endian zapisuje nejvýznamnější bajt jako první, little endian naopak nejméně významný. Rozdíl se projeví vždy, když jeden systém čte binární data zapsaná jiným systémem s opačnou konvencí.
• PipeliningPipelining je technika, při které se zpracování rozdělí na několik po sobě jdoucích fází a ty běží současně nad různými položkami, takže se překrývá čekání s prací. Procesor tak začne načítat další instrukci dřív, než dokončí předchozí, a klient pošle další požadavek bez čekání na odpověď. Zvyšuje průchodnost, nikoli latenci jedné položky.
• ACIDACID je sada čtyř vlastností databázové transakce: atomicity, consistency, isolation a durability. Zaručuje, že skupina zápisů proběhne jako jeden celek, neporuší definovaná pravidla databáze, nebude se nebezpečně míchat s jinými transakcemi a po potvrzení přežije pád systému, například při převodu peněz.
• Adaptive IconAdaptivní ikona je formát ikony aplikace na Androidu, který se místo jedné hotové bitmapy skládá z oddělených vrstev: pozadí a popředí. Systém výsledný tvar sám ořízne podle masky výrobce zařízení a může vrstvy animovat nebo přebarvit. Vývojář tak dodá jeden zdroj a launcher z něj vytvoří kruh, čtverec i squircle.
• Adresa v pamětiAdresa v paměti je číslo, kterým procesor jednoznačně označuje konkrétní buňku operační paměti, obvykle jeden bajt. Program pomocí adresy říká, odkud má data načíst nebo kam je zapsat. Adresy tvoří souvislý číselný rozsah, jehož velikost určuje šířka adresní sběrnice a architektura, typicky 32 nebo 64 bitů.
• AI agentAI agent je softwarový systém, který pomocí modelu umělé inteligence vnímá zadaný kontext, plánuje další kroky a samostatně volá nástroje nebo služby k dosažení cíle. Na rozdíl od jednorázového promptu udržuje stav úlohy, vyhodnocuje výsledky akcí a může opakovat postup, dokud nesplní zadání nebo nenarazí na limit.
• AndroidAndroid je operační systém postavený nad linuxovým jádrem, který vyvíjí Google a otevřeně uvolňuje jako projekt AOSP. Android pohání převážnou většinu chytrých telefonů, dále tablety, televize, hodinky i palubní systémy aut. Aplikace se pro něj píší hlavně v Kotlinu nebo Javě a distribuují přes Google Play i alternativní obchody.