Cos'è un byte?

La lettera A, salvata sul tuo computer, è il numero 65, e il numero 65 è memorizzato come otto bit: 01000001. Quel gruppo di otto è un byte. Gli indirizzi di memoria contano byte, le dimensioni dei file contano byte, e quasi ogni tipo di dato di un linguaggio di programmazione è lungo un numero intero di byte.

Perché un byte vale 8 bit

La parola "byte" fu coniata da Werner Buchholz nel 1956, mentre lavorava al computer Stretch di IBM. La scrisse con la y perché non venisse letta per sbaglio come "bit". I primi computer usavano gruppi di dimensioni diverse, spesso 6 bit, sufficienti per lettere maiuscole e cifre ma non per le minuscole.

Il System/360 di IBM, uscito nel 1964, usava byte da 8 bit, e il resto del settore lo seguì. Otto bit danno 256 valori, che bastano per lettere maiuscole e minuscole, cifre, punteggiatura e codici di controllo. Otto è anche una potenza di due, quindi un byte si divide esattamente in due metà da 4 bit, ognuna scritta come una cifra esadecimale. Gli standard di rete dicono ancora "ottetto" quando devono precisare che intendono esattamente 8 bit.

Cosa può contenere un byte

Un byte ha 256 combinazioni possibili, da 00000000 a 11111111. I programmi le leggono in alcuni modi standard:

• come numero senza segno da 0 a 255;
• come numero con segno da -128 a 127;
• come un carattere, per esempio A (65) o ! (33);
• come due cifre esadecimali, da 00 a FF.

Il tipo bytes di Python è una sequenza di questi valori, e rifiuta qualsiasi cosa fuori dall'intervallo da 0 a 255:

data = bytes([72, 105, 33])
print(data)
print(list(data))
print(format(data[0], "08b"), format(data[0], "02X"))

try:
    bytes([256])
except ValueError as error:
    print("ValueError:", error)

b'Hi!'
[72, 105, 33]
01001000 48
ValueError: bytes must be in range(0, 256)

Non tutti i caratteri stanno in un byte. UTF-8, la codifica usata dalla maggior parte del web, memorizza i 128 caratteri ASCII in 1 byte ciascuno e tutto il resto in 2 a 4 byte:

for text in ["A", "é", "€", "😀"]:
    data = text.encode("utf-8")
    print(text, len(data), "bytes:", list(data), data.hex())

A 1 bytes: [65] 41
é 2 bytes: [195, 169] c3a9
€ 3 bytes: [226, 130, 172] e282ac
😀 4 bytes: [240, 159, 152, 128] f09f9880

Ecco perché la lunghezza di una stringa in caratteri e la sua dimensione in byte possono essere diverse.

Differenza tra bit e byte

Un bit è un singolo 0 o 1. Un byte è 8 bit. Le due unità si confondono facilmente perché i loro simboli differiscono solo per la maiuscola:

Per passare dai bit ai byte, dividi per 8. Una connessione da 100 Mbps trasferisce al massimo 12,5 MB al secondo, quindi una foto da 5 MB richiede almeno 0,4 secondi per essere scaricata.

Kilobyte, megabyte e gigabyte

Le unità più grandi esistono in due sistemi, e la differenza tra i due è il motivo per cui un disco nuovo sembra più piccolo in Windows che sull'etichetta.

I produttori di dischi, le velocità di rete e macOS (dalla versione 10.6 del 2009) usano le unità decimali. Le dimensioni della RAM e Windows usano le unità binarie, ma Windows le chiama KB, MB e GB. La IEC ha introdotto i nomi kibibyte, mebibyte e gibibyte nel 1998 per mettere fine alla confusione, anche se molti programmi ancora non li usano.

drive = 1_000_000_000_000        # a "1 TB" drive, in bytes

print(drive / 1000 ** 4, "TB (decimal, used on the box)")
print(round(drive / 1024 ** 3, 1), "GiB (binary, what Windows calls GB)")

speed_bits = 100_000_000         # 100 Mbps internet
print(speed_bits / 8 / 1_000_000, "MB per second")

1.0 TB (decimal, used on the box)
931.3 GiB (binary, what Windows calls GB)
12.5 MB per second

Non manca spazio. Il disco contiene i mille miliardi di byte promessi sulla confezione; Windows divide per 1.024 tre volte invece che per 1.000.

I byte nel codice

Ogni valore in memoria occupa un numero intero di byte. In C, sizeof riporta quel numero. Un char è esattamente 1 byte per definizione, e sugli attuali sistemi Linux, macOS e Windows a 64 bit uno short è 2 byte, un int 4 e un double 8. Un array di 1.000 valori int occupa quindi 4.000 byte.

printf("%zu\n", sizeof(int));   /* prints 4 */

Il tipo byte di Java ha sempre il segno, da -128 a 127, quindi un valore come 200 non ci sta:

byte b = (byte) 200;   // b is -56: the same 8 bits, read as signed

I dati grezzi come immagini, file compressi e pacchetti di rete si gestiscono come array di byte: bytes e bytearray in Python, byte[] in Java, Uint8Array in JavaScript. Aprire un file in Python con la modalità "rb" ti dà i suoi byte invece del testo.

Anche gli hash e i checksum si misurano in byte. Un digest SHA-256 è di 32 byte, ed è per questo che si stampa come 64 caratteri esadecimali, e un checksum CRC32 è di 4 byte. Il generatore di hash li mostra entrambi per qualsiasi testo.

Cosa leggere dopo

Per l'unità sotto il byte, leggi cos'è un bit, e per come si usano i byte per scoprire i file danneggiati, cos'è un checksum. Il convertitore di basi numeriche converte qualsiasi byte tra decimale, binario ed esadecimale, e la guida ai tipi di dato in C elenca la dimensione in byte di ogni tipo C.