一句话定义:字节序(Endianness)是指多字节数据(比如 4 字节的整数、8 字节的浮点数)在内存或文件里“谁排在前面”的约定:大端(big-endian)把最高有效字节放在最前面,小端(little-endian)则把最低有效字节放在最前面。
一个生活化的比方:写日期 2025 年 8 月 14 日,中文习惯按“年-月-日”写,美式习惯按“月/日/年”写。同一串数字,读法约定不同,理解出的意思就不同。字节序就是计算机世界里的一种“日期写法约定”,只不过它没有常识可依靠,全靠事先说好。
具体到数字:整数 0x12345678 占 4 个字节,在内存地址从低到高的排列如下:
| 约定 | 低地址 → 高地址 | 谁在前 |
|---|---|---|
| 大端 big-endian | 12 34 56 78 | 最高有效字节 |
| 小端 little-endian | 78 56 34 12 | 最低有效字节 |
关键在于:如果一台小端机器把数据写进文件,另一台大端机器按自己的约定去读,就会读出 0x78563412。这是一个完全不同的数,但程序不会报错、不会崩溃,只会安静地算错。这类错误最难排查,因为没有异常,只有结果不对。
和相邻概念的区别:
- 位序(bit order):字节序管的是“字节之间”的顺序;单个字节内部 8 个 bit 谁先谁后,一般只在串行传输(如 SPI)时才有意义,多数 CPU 内部不暴露这个概念。
- 字符编码(character encoding):UTF-8 本身就是字节流,没有字节序问题;UTF-16、UTF-32 才有,所以文本文件开头会藏一个看不见的 BOM(Byte Order Mark,字节顺序标记),它的作用就是声明“我按哪种顺序写的”。
- 数据对齐(alignment)与结构体填充:两者都是跨平台二进制不兼容的常见来源,但一个管“排放顺序”,一个管“占多少格、从哪格开始”,不要混为一谈。
对实际工作的意义:
读二进制文件时(模型权重、图像、音频、传感器原始数据),如果数值看起来“离谱”——本该是 0.5 却变成 1e-38 这种量级——第一反应就该怀疑字节序。网络传输上还有个历史约定:网络字节序(network byte order)统一用大端,所以在写 socket 代码时要用 htons、htonl、ntohl 这类函数做转换,具体用法以各平台官方文档为准。
对普通职场人来说,日常几乎碰不到字节序;但只要有人说“把这段二进制按整数读出来”,字节序就在下面等着。也正因如此,成熟的模型权重格式(如 safetensors、ONNX)会在文件头明确声明字节序和布局,让人用标准库读,而不是自己写解析器——这类细节以官方规范页面为准。
