Endianita (Big endian a little endian) (Endianness)

Příklady z praxe

1. 01

   Stejný soubor, dvě čísla

   Program zapíše 32bitové číslo 1 přímo z paměti do souboru. Na x86 vznikne posloupnost 01 00 00 00, na big endian stroji 00 00 00 01. Když soubor přečte druhá strana bez konverze, dostane místo jedničky hodnotu 16777216. Chyba se neprojeví pádem, jen nesmyslným výsledkem.

   import struct
   struct.pack('<I', 1)   # b'\x01\x00\x00\x00'  little endian
   struct.pack('>I', 1)   # b'\x00\x00\x00\x01'  big endian
   struct.pack('=I', 1)   # nativní pořadí, závisí na stroji

2. 02

   Detekce endianity a čtení binární hlavičky v prohlížeči

   Při zpracování nahraného binárního souboru v JavaScriptu se používá DataView, kde se endianita zadává parametrem u každého čtení. Typed arrays naopak berou nativní pořadí platformy, takže se pro parsování formátů nehodí. Test níže odhalí, jakou endianitu má stroj, na kterém kód běží.

   const buf = new ArrayBuffer(4);
   new Uint32Array(buf)[0] = 0x12345678;
   const little = new Uint8Array(buf)[0] === 0x78;
   
   const view = new DataView(buf);
   view.getUint32(0, false); // false = big endian (network order)

Časté omyly

MýtusLittle endian je pozpátku, takže je to špatně navržené.

Ve skutečnostiLittle endian má praktickou výhodu: nižší bajt leží na nejnižší adrese, takže zkrácení 32bitové hodnoty na 16bitovou nevyžaduje posun ukazatele a přičítání s přenosem jde přirozeně od začátku. Big endian zase odpovídá lidskému zápisu čísel a usnadňuje ladění hexdumpu.

MýtusDnes je všechno little endian, endianitu tedy řešit nemusím.

Ve skutečnostiEndianita zůstává živá všude, kde se míchají světy: síťové protokoly TCP/IP předepisují big endian, řada binárních formátů souborů a firmwarů mikrokontrolérů také. Kód, který pošle nativní strukturu po síti, funguje jen do chvíle, než ho někdo spustí jinde.

MýtusEndianita ovlivňuje i pořadí bitů v bajtu.

Ve skutečnostiEndianita popisuje pořadí bajtů ve víceбajtové hodnotě. Bity uvnitř bajtu si adresuje hardware a v běžném kódu je nelze prohodit; jediné místo, kde se rozložení projeví, jsou implementačně závislá bitová pole v C.

Časté dotazy

Jak zjistím, jakou endianitu má můj systém?

Endianitu systému lze zjistit zápisem známé hodnoty do víceбajtové proměnné a přečtením jejího prvního bajtu. V C se použije union int a pole char, v Pythonu stačí sys.byteorder, které vrátí řetězec 'little' nebo 'big'. V JavaScriptu se hodnota zapíše do Uint32Array a přečte přes Uint8Array. Na Linuxu poradí i příkaz lscpu, který vypisuje řádek Byte Order. Ve většině případů ale test není potřeba: lepší je psát kód, který nativní pořadí vůbec nepoužívá a všude uvádí endianitu explicitně.

Proč se síťovým protokolům předepisuje big endian?

Big endian se v síťových protokolech ustálil jako network byte order v době, kdy vznikalo TCP/IP a řada tehdejších strojů byla big endian. Zásadní je, že jde o dohodu: aby dvě libovolné implementace rozuměly hlavičkám IP, TCP nebo UDP, musí pořadí bajtů určovat specifikace, ne architektura odesílatele. Volba padla na big endian a už se nemění, protože kompatibilita by stála víc než jakákoli mikrooptimalizace. Aplikace ji řeší funkcemi htons a htonl.

Musím endianitu řešit při posílání JSON nebo XML?

Endianita se u JSON a XML neřeší, protože obě data kódují jako text. Číslo 1234 je v JSONu posloupnost čtyř znaků, ne čtyřbajtová binární hodnota, takže pořadí bajtů nehraje roli. Pozor je potřeba dát jen u kódování: UTF-16 a UTF-32 endianitu mají a řeší ji značkou BOM na začátku dokumentu. Používá-li se UTF-8, což je dnes výchozí volba, problém odpadá úplně, protože UTF-8 je posloupnost jednotlivých bajtů.

Odkud pochází název big endian a little endian?

Název big endian a little endian pochází ze satiry Gulliverovy cesty od Jonathana Swifta, kde se dva národy vedou válku o to, zda se vejce má rozbíjet ze širšího, nebo z užšího konce. Do informatiky termín zavedl Danny Cohen v poznámce o pořadí bajtů v síťových protokolech z roku 1980. Analogie je záměrně ironická: spor je z technického hlediska z velké části arbitrární, ale nedohodnout se na jedné konvenci znamená, že si systémy vzájemně nerozumí.

Jaký má endianita dopad na výkon?

Endianita sama o sobě výkon prakticky neovlivňuje, protože procesor pracuje se svým nativním pořadím bez jakékoli režie. Náklady vznikají až při konverzi, kdy se bajty prohazují: moderní procesory na to mají jedinou instrukci (BSWAP na x86, REV na ARM), takže cena je zanedbatelná i v horkých smyčkách. Znatelný dopad se objeví jen při parsování velkých objemů binárních dat po jednotlivých položkách, kde ale bývá úzkým hrdlem spíš přístup do paměti než samotné přehazování bajtů.

Zdroje

1. Endianness(otevře se v novém okně)Wikipedia
2. struct: Interpret bytes as packed binary data(otevře se v novém okně)Python Software Foundation
3. DataView(otevře se v novém okně)MDN Web Docs
4. Internet Protocol(otevře se v novém okně)RFC Editor, 1981
5. The Unicode Standard(otevře se v novém okně)Unicode Consortium

Související pojmy

• Bit a byteBit a byte znamená dvojici základních jednotek digitálních dat: bit vyjadřuje jednu binární hodnotu 0 nebo 1, zatímco byte je skupina osmi bitů používaná jako praktická jednotka paměti a souborů. Rozdíl je důležitý při počítání kapacity, síťové rychlosti, kódování textu i práci s nízkoúrovňovými daty.
• 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.
• 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.