一、基本概念
編碼
? 計算機要處理的資料除了數值資料以外，還有各類符號、圖形、影像和聲音等非數值資料，而計算機只能識別兩個數字0,1，要使計算機能處理這些資訊，首先必須要將各類資訊轉換成0與1表示的代碼，這一程序稱為編碼，
資料
? 能被計算機接受和處理的符號的集合都稱為資料，
位元
? 位元/位 (Bit ——二進制位數)是指1位二進制的數碼（即0或1）.位元/位 是計算機中表示資訊的資料編碼中的最小單位，
位元組
? 位元組(Byte)是計算機資料處理的基本單位，位元組表示被處理的一組連續的二進制數字，通常用8位二進制數字表示一個位元組，即一個位元組有8個位元組成，
?
字
? 字（word）通常由一個或若干個位元組組成，字是計算機進行資料處理時一次存取、加工和傳送的資料長度，由于字長是計算機一次所能處理資訊的實際位數，所以它決定了計算機資料處理的速度，是衡量計算機性能的一個重要指標，字長越長，計算機的性能越好，
計算機中的資料換算
? 計算機中資料的換算都是以位元組為基本單位以2^10 = 1024為進率，常見的資料單位及其換算關系如下：
| 單位 | KB | MB | GB | TB | PB |
|---|---|---|---|---|---|
| 換算關系 | 1KB=1024B | 1MB=1024KB | 1GB=1024MB | 1TB=1024GB | 1PB=1024TB |
字符的表示
? 字符是人與計算機互動程序中不可缺少的重要資訊，要是計算機能處理、存盤字符資訊，首先必須用二進制0和1代碼對字符進行編碼，
ASCII編碼
? ASCII編碼是由美國國家標準委員會制定的一種包括數字、字母、通用符號和控制符號在內的字符編碼集，全稱位美國國家資訊交換標準代碼（American Standard Code for Information Interchange），ASCII 碼是一種7位二進制編碼，能表示2^7=128種國際上最通用的西文字符，是目前計算機中，特別是微型計算機中使用最普遍的字符編碼集，
? ASCII編碼包括4類最常用的字符，
-
數字“0” ~ “9”.ASCII編碼的值分別為0110000B ~ 0111001B,對應十六進制數為30H ~ 39H，
-
26個英文字母，大寫字母"A" ~ “Z"的ASCII編碼值為41H ~ 5AH,小寫字母"a” ~ “z”的ASCII編碼值為61H ~ 7AH，
-
通用符號，如“+” 、“-”、“=”、“ * ”和“/”等共32個，
-
控制符號，如空格符和回車符等共34個，
? ASCII碼是一種7位編碼，它存盤時必須占全一個位元組，也即占用8位：b7、b6、b5、b4、b3、b2、b1、b0，其中b7恒為0，其余幾位為ASCII碼值，
? 人們可以通過鍵盤輸入和顯示幕顯示不同的字符，但在計算機中，所有資訊都是用二進制代碼表示的，n位二進制代碼能表示2^n個不同的字符，這些字符的不同的組合就可以表示不同的資訊，為使計算機使用的資料能共享和傳遞，必須對字符進行統一的編碼，ASCII碼和擴充的ASCII碼中，把二進制位最高位為0的數字都稱為基本的ASCII碼，其范圍是0 ~ 127；把二進制最高位為1的數字都成為拓展的ASCII碼，其范圍是128 ~ 255，
內碼和外碼
內碼
? 對于輸入計算機的文本檔案，機器是存盤其相應的字符的ASCII碼（用一個ASCII碼存盤一個字符需8個二進制位，即一個位元組），這些可被計算機內部進行存盤和運算使用的數字代碼稱內碼，如輸入字符“A",計算機將其轉成內碼65后存于記憶體，
外碼
計算機與人進行交換的自行符號稱為外碼，如字符”A“的外碼是”A“，通常一個西文字符占一個位元組(半角)，一個中文字符占兩個位元組，
漢字資訊編碼
漢字交換碼
? 漢字交換碼是指不同的具有漢字處理功能的計算機系統之間在交換漢字資訊時使用的代碼標準，自國家標準GB2312-80公布以來，我國一直沿用該標準所規定的國際標準碼作為統一的漢字資訊交換碼（GB5007-85圖形字符代碼），
? GB2312-80標準包括了6763個漢字，按其使用頻率分為一級漢字3755個和二級漢字3008個，一級漢字按拼音順序，二級漢字按部首排序，該標準還包括標點符號、數種西文字母、圖形、數碼等符號682個，
? 區位碼的區碼和位碼均采用從01到94的十進制，國標碼采用十六進制的21H到73H(數字后面加H表示其為十六進制數)，區位碼和國標碼的換算關系是：區碼和位碼分別加上十進制數32，如”國“字在表中的25行90列，其區位碼為2590，國標碼是397AH，
字形存盤碼
? 字形存盤碼是指計算機輸出漢字（顯示或列印）用的二進制資訊，也稱字模，通常，采用的數字化點陣字模，
? 一般的點陣規模有16 * 16、24 * 24等，每一個點在存盤器中用一個二進制位（bit）存盤，在16 * 16的點陣中，需8*32bit的存盤空間，每8bit為1位元組，所以，需32位元組的存盤空間，在相同點陣中，不管其壁畫繁簡，每個漢字所占的位元組數相等，
? 為了節省存盤空間，普遍采用字形資料壓縮技術，所謂矢量漢字，是指用矢量方法將漢字點陣字模進行壓縮后得到的漢字字形數字化資訊，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/160603.html
標籤：java
上一篇：大資料集群、計算機網路、交換機、局域網、網路拓撲簡要介紹
下一篇：大資料_02【大資料基礎知識】