Co to jest bajt?

Litera A zapisana w twoim komputerze to liczba 65, a liczba 65 jest zapisana jako osiem bitów: 01000001. Taka grupa ośmiu bitów to bajt. Adresy pamięci liczą bajty, rozmiary plików liczą bajty, a prawie każdy typ danych w języku programowania ma długość wyrażoną całkowitą liczbą bajtów.

Dlaczego bajt ma 8 bitów

Słowo "byte" wymyślił Werner Buchholz w 1956 roku, gdy pracował nad komputerem Stretch w IBM. Napisał je przez y, żeby nie mylono go z "bit". Wczesne komputery używały grup różnej wielkości, często 6-bitowych, co wystarczało na wielkie litery i cyfry, ale nie na małe litery.

System/360 firmy IBM, wydany w 1964 roku, używał bajtów 8-bitowych, a reszta branży poszła jego śladem. Osiem bitów daje 256 wartości, czyli miejsce na wielkie i małe litery, cyfry, znaki interpunkcyjne i kody sterujące. Osiem to też potęga dwójki, więc bajt dzieli się równo na dwie połowy po 4 bity, a każdą zapisuje się jedną cyfrą szesnastkową. Standardy sieciowe wciąż mówią "oktet", gdy muszą jasno zaznaczyć, że chodzi dokładnie o 8 bitów.

Co mieści jeden bajt

Bajt ma 256 możliwych wzorów, od 00000000 do 11111111. Programy odczytują je na kilka standardowych sposobów:

• jako liczbę bez znaku od 0 do 255;
• jako liczbę ze znakiem od -128 do 127;
• jako jeden znak, na przykład A (65) albo ! (33);
• jako dwie cyfry szesnastkowe, od 00 do FF.

Typ bytes w Pythonie to ciąg takich wartości i odrzuca wszystko spoza zakresu od 0 do 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)

Nie każdy znak mieści się w jednym bajcie. UTF-8, kodowanie używane przez większość internetu, zapisuje 128 znaków ASCII po 1 bajcie, a wszystkie pozostałe na 2 do 4 bajtach:

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

Dlatego długość napisu liczona w znakach i jego rozmiar w bajtach mogą się różnić.

Bit a bajt

Bit to pojedyncze 0 albo 1. Bajt to 8 bitów. Obie jednostki łatwo pomylić, bo ich symbole różnią się tylko wielkością litery:

Żeby zamienić bity na bajty, podziel przez 8. Łącze 100 Mb/s przesyła najwyżej 12,5 MB na sekundę, więc pobranie zdjęcia 5 MB zajmie na nim co najmniej 0,4 sekundy.

Kilobajty, megabajty i gigabajty

Większe jednostki występują w dwóch systemach, a różnica między nimi sprawia, że nowy dysk wygląda w Windowsie na mniejszy niż na etykiecie.

Producenci dysków, prędkości sieci i macOS (od wersji 10.6 z 2009 roku) używają jednostek dziesiętnych. Rozmiary RAM i Windows używają jednostek dwójkowych, ale Windows oznacza je jako KB, MB i GB. IEC wprowadziła nazwy kibibajt, mebibajt i gibibajt w 1998 roku, żeby skończyć z tym zamieszaniem, choć wiele programów nadal ich nie używa.

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

Nic nie zginęło. Dysk mieści bilion bajtów obiecany na pudełku; Windows po prostu dzieli trzy razy przez 1024 zamiast przez 1000.

Bajty w kodzie

Każda wartość w pamięci zajmuje całkowitą liczbę bajtów. W C tę liczbę podaje sizeof. char ma z definicji dokładnie 1 bajt, a w obecnych 64-bitowych systemach Linux, macOS i Windows short ma 2 bajty, int 4, a double 8. Tablica 1000 wartości int zajmuje więc 4000 bajtów.

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

Typ byte w Javie jest zawsze ze znakiem, od -128 do 127, więc wartość taka jak 200 się w nim nie mieści:

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

Surowe dane, takie jak obrazy, pliki skompresowane i pakiety sieciowe, obsługuje się jako tablicę bajtów: bytes i bytearray w Pythonie, byte[] w Javie, Uint8Array w JavaScripcie. Otwarcie pliku w Pythonie w trybie "rb" daje jego bajty zamiast tekstu.

Skróty (hashe) i sumy kontrolne też mierzy się w bajtach. Skrót SHA-256 ma 32 bajty, dlatego wyświetla się jako 64 znaki szesnastkowe, a suma kontrolna CRC32 ma 4 bajty. Generator hashy pokazuje obie dla dowolnego tekstu.

Co dalej

O jednostce mniejszej od bajtu przeczytasz na stronie co to jest bit, a o tym, jak bajty pomagają wykrywać uszkodzone pliki, na stronie co to jest suma kontrolna. Konwerter systemów liczbowych zamienia dowolny bajt między systemem dziesiętnym, dwójkowym i szesnastkowym, a przewodnik po typach danych w C podaje rozmiar każdego typu w C w bajtach.