计算机系统学习
浮点数
为了让数值的表示更加精确，或者表示一些整数无法达到的数字，比如一些接近于0的数字，或者一些非常大的数值就需要用到浮点数了。浮点数对于计算机的意义，可以说是相当之大。
IEEE标准采用类似于科学计数法的方式表示浮点小数，即我们将每一个浮点数表示为 V = (-1)^s*M*2^E 。
这其中s为符号位，为0时为正，为1时为负。M为尾数，是一个二进制小数，它的范围是0至1-ε，或者1至2-ε（。E为阶码，是一个二进制整数，可正可负，为了给尾数加权。
浮点格式分为两种，一种是单精度，一种是双精度。单双精度分别对应于编程语言当中的float和double类型。其中float是单精度的，采用32位二进制表示，其中1位符号位，8位阶码以及23位尾数。double是双精度的，采用64位二进制表示，其中1位符号位，11位阶码以及52位尾数。
针对阶码E的值，浮点数的值可以分为三种不同的情况，分别是规格化的，非规格化的以及特殊值。我记得之前在上计算机组成原理课的时候，老师比较年轻生怕我们听不懂，就总让我提问，我曾经就提了一个关于规格化的问题，但具体是什么忘了，人上了岁数总容易忘事。所谓规格化就是E不为0也不为全1，当E为0时就是非规格化，特殊值就是无穷大或者不能表示的数。
计算浮点格式的数的值，过程比较简单，按照书上的过程直接算就行，这里就不再写了。
浮点数的舍入
针对浮点数来说，我们的舍入方式有四种方式，分别是向偶数舍入、向零舍入、向上舍入以及向下舍入。通常情况下我们采取的舍入规则是在原来的值是舍入值的中间值时，采取向偶数舍入，在二进制中，偶数我们认为是末尾为0的数。而倘若不是这种情况的话，则一般会有选择性的使用向上和向下舍入，但总是会向最接近的值舍入。其实这正是IEEE采取的默认的舍入方式，这种方式在进行数据统计的时候，更加科学一些，50%的概率嘛。
浮点数的运算
浮点数的运算比较特殊，不支持加法的结合律，(3.14+1e10)-1e10!=3.14+(1e10-1e10)；也不支持乘法的结合律和分配律,(1e20*1e20)*1e-20!=1e20*(1e20*1e-20),1e20*(1e20-1e20)!=1e20*1e20 +1e20*1e20
本章小结
通过本章的学习，了解计算机中对数的表示，不同类型的数有不同的性质。在今后写程序中，也会注意不同类型的数在转换时，运算时的表达形式，尽量避免由于数的某些错误而导致整个程序意想不到的结果。
今日总结
今天在另一台电脑上重新搭静态博客，真是一把辛酸泪，碰到的问题很多，比如图床的问题，还有gitalk的一些问题。等我解决好这些问题，再进行个整理。