[혼자 공부하는 컴퓨터구조+운영체제] Chapter 02 데이터

[혼자 공부하는 컴퓨터구조+운영체제] Chapter 01 컴퓨터 구조 시작하기

Chapter 02 데이터

1. 0과 1로 숫자를 표현하는 방법

Key Word: 비트 / 바이트 / 이진법 / 2의 보수 / 십육진법

 

컴퓨터는 0과 1로 모든 정보 표현, 0과 1로 표현된 정보만 이해

정보 단위

비트(bit)

• 0과 1을 나타내는 가장 작은 정보 단위
• 전구 -> 꺼짐 / 켜짐

2비트 -> (꺼짐, 꺼짐), (꺼짐, 켜짐), (켜짐, 꺼짐), (켜짐, 켜짐) => 4가지 정보 표현

 

=> n개의 전구로 표현할 수 있는 상태: $2^n$ 가지

= n비트는 $2^n$ 가지 정보 표현 가능

 

바이트(byte)

• 8개의 비트를 묶은 단위 / 8비트(8bit)
• 1바이트 = 8비트 => $2^8$(256)개의 정보 표현

1킬로바이트(kB: kilobyte): 1,000바이트(1,000byte)

1메가바이트(MB; megabyte): 1,000킬로바이트(1,000kB)

1기가바이트(GB; gigabyte): 1,000메가바이트(1,000MB)

1테라바이트(TB; terabyte): 1,000기가바이트(1,000GB)

 

워드(word): CPU가 한 번에 처리할 수 있는 데이터 크기

IF. CPU가 한 번에 16비트 처리 가능 -> 1워드 = 16비트 / 한 번에 32비트 처리 가능 -> 1워드 = 32 비트

• 하프 워드(half word): 워드의 절반 크기
• 풀 워드(full word): 1배 크기
• 더블 워드(double word): 2배 크기

대부분 컴퓨터의 워드 크기: 32비트 or 64비트

---

이진법

이진법(binary)

• 0과 1만으로 모든 숫자를 표현하는 방법
• 숫자가 1을 넘어가는 시점에 자리 올림
• 이진수: 이진법으로 표현한 수

8 표기: (수학적 표기) $1000_{(2)}$ / (코드 상 표기) 0b1000

 

십진법(decimal)

• 숫자가 9를 넘어가는 시점에 자리 올림
• (0 ~ 9) 10개의 숫자만으로 모든 수 표현
• 십진수: 십진법으로 표현한 수

2의 보수(two's complement) 

• 어떤 수를 그보다 큰 $2^n$ 에서 뺀 값
• 음수 표현

$11_{(2)}$ 의 2의 보수: $11_{(2)}$ 보다 큰 $2^n$, 즉 $100^n - 11_{(2)} = 01_{(2)} $

 

= 모든 0과 1을 뒤집고(= 1의 보수), 거기에 1을 더한 값(2의 보수)

$11_{(2)}$의 모든 0과 1 뒤집으면 $00_{(2)}$, 1을 더한 값 = $01_{(2)} $
$1011_{(2)}$의 모든 0과 1을 뒤집으면 $0100_{(2)}$, 1을 더한 값 = $0101_{(2)}$

 

어떤 수의 2의 보수를 2번 구함 = 자기 자신

 

플래그(flag)

• 컴퓨터 내부에서 어떤 수 다룰 때 양수인지 음수인지 구분하기 위해 사용
• 부가 정보

=> 컴퓨터 내부에서 어떤 값을 다룰 때 부가 정보 필요한 경우 플래그 사용

---

십육진법

이진법은 0과 1만으로 모든 숫자 표현 -> 숫자 길이 너무 길어짐

=> 십육진법도 자주 사용

 

십육진법(hexadecimal)

• 15를 넘어가는 시점에 자리 올림을 하는 숫자 표현 방식
• 십진수 10, 11, 12, 13, 14, 15 -> A, B, C, D, E, F로 표현
• 한 글자로 16종류 (0 ~ 9, A ~ F)의 정보를 표현할 수 있음
• 이진수 -> 십육진수, 십육진수 -> 이진수 변환 쉬움

십육진수 15표기 : (수학적 표기) $15_{(16)}$ / (코드 상 표기) 0x15

 

*16진수 <-> 2진수

---

2. 0과 1로 문자를 표현하는 방법

Key Word: 문자 집합 / 아스키 코드 / EUC-KR / 유니코드

 

컴퓨터가 문자를 이해하고 표현하는 다양한 방법

문자 집합과 인코딩

문자 집합(character set)

• 컴퓨터가 인식하고 표현할 수 있는 문자의 모음
• 문자 집합 {a, b, c, d, e} -> a, b,c, d, e 이해 O / f, g 같은 문자는 이해 X

문자 인코딩(character encoding)

• 코드화하는 과정
• 문자 -> 컴퓨터가 이해할 수 있는 0과 1로 변환 
• 인코딩 후 0과 1로 이뤄진 결과값 = 문자 코드

문자 디코딩(character decoding)

• 코드를 해석하는 과정
• 0과 1로 이뤄진 문자 코드 -> 사람이 이해할 수 있는 문자로 변환하는 과정

---

아스키 코드

아스키(ASCII; American Standard Code for Information Interchange)

• 초창기 문자 집합 중 하나
• 영어 알파벳, 아라비아 숫자, 일부 특수 문자 포함

아스키 문자

• 아스키 문자 집합에 속한 문자
• 7비트로 표현 -> 표현할 수 있는 정보 가짓수 $ 2^7 $ = 128개의 문자를 표현(0 ~ 127)
  • 8비트 중 1비트는 오류 검출 위해 사용(패리티 비트; Parity bit)

아스키 코드

• 아스키 문자에 대응된 고유한 수 = 아스키 코드

=> 아스키 문자 -> 아스키 코드로 인코딩

'A' -> 십진수 65(이진수 $1000001_{(2)}$)
'a' -> 십진수 97(이진수 $1100001_{(2)}$)
특수 문자 ! -> 십진수 33(이진수 $100001_{(2)}$)

코드 포인트(code point): 글자에 부여된 고유한 값

 

<아스키 코드 장단점>

• (+) 매우 간단하게 인코딩 
• (-) 한글, 아스키 문자 집합 외의 문자, 특수문자 표현 X

-> 다양한 문자 표현 위해 아스키 코드 + 1 = 8비트 의 확장 아스키(extended ASCII)

But, 표현 가능한 문자의 수 256개 -> 여전히 부족 

 

=> 한국 인코딩 방식: EUC-KR

---

 

<한글 인코딩 2가지 방식>

1. 완성형 인코딩
   • 초성, 중성, 종성의 조합으로 이뤄진 완성된 하나의 글자에 고유한 코드를 부여하는 이코딩 방식
   • '가' -> 1, '나' -> 2, '다' -> 3
2. 조합형 인코딩
   • 초성을 위한 비트열, 중성을 위한 비트열, 종성을 위한 비트열 할당
     -> 조합으로 하나의 글자 코드를 완성하는 인코딩 방식
   • 초성, 중성, 종성에 해당하는 코드 합하여 하나의 글자를 만드는 인코딩 방식

EUC-KR

• KS X 1001, KS X 1003이라는 문자 집합을 기반으로 하는 대표적인 완성형 인코딩 방식
• 초성, 중성, 종성이 모두 결합된 한글 단어에 2바이트 크기의 코드 부여
  • EUC-KR로 인코딩된 한글 한 글자 표현 -> 16비트 필요 => 4자리 16진수로 나타낼 수 있음
  • 총 2,350개 정도의 한글 단어 표현 가능
  • But, 모든 한글 표현 불가능_'쀍', '쀓', '믜' 같은 글자 표현 X 

=> 마이크로소프트의 CP949(Code Page 949)

: EUC-KR의 확장된 버전 -> But, 한글 전체 표현 X

---

유니코드와 UTF-8

모든 나라 언어의 문자 집합과 인코딩 방식 통일되어 있음

= 모든 언어를 아우르는 문자 집합과 통일된 표준 인코딩 방식 O

-> 언어별로 인코딩하는 수고로움 덜 수 있음

 

유니코드(unicode)

• EUC-KR보다 훨씬 다양한 한글을 포함
• 대부분 나라의 문자, 특수문자, 화살표, 이모티콘까지 코드로 표현할 수 있는 통일된 문자 집합
• 여러 나라의 문자들 광범위하게 표현할 수 있는 통일된 문자 집합
• 현대 문자를 표현할 때 가장 많이 사용되는 표준 문자 집합
• UTF-8, UTF-16, UTF-32: 유니코드 문자에 부여된 값을 인코딩하는 방식
  • UTF(Unicode Transformation Format): 유니코드를 인코딩 하는 방법

UTF-8

1바이트부터 4바이트까지의 인코딩 결과 만들어 냄

UTF-8로 인코딩한 값의 결과는 1, 2, 3, 4바이트가 될 수 있음

-> 몇 바이트가 될지는 유니코드 문자에 부여된 값에 범위에 따라 달라짐

첫 코드 포인트	마지막 코드 포인트	1바이트	2바이트	3바이트	4바이트
0000	007F	0XXXXXXX
0080	07FF	110XXXXX	10XXXXXX
0800	FFFF	1110XXXX	10XXXXXX	10XXXXXX
10000	10FFFF	11110XXX	10XXXXXX	10XXXXXX	10XXXXXX

유니코드 문자에 부여된 값의 범위가 0부터 $007F_{(16)}$까지는 1바이트로 표현
유니코드 문자에 부여된 값의 범위가 $0080_{(16)}$부터 $07FF_{(16)}$까지는 2바이트로 표현
유니코드 문자에 부여된 값의 범위가 $0800_{(16)}$부터 $FFFF_{(16)}$까지는 3바이트로 표현
유니코드 문자에 부여된 값의 범위가 $10000_{(16)}$부터 $10FFFF_{(16)}$까지는 4바이트로 표현

'한'에 부여된 값 $D55C_{(16)}$, '글'에 부여된 값 $AE00_{(16)}$
-> 두 글자 모두 $0800_{(16)}$부터 $FFFF_{(16)}$ 사이
=> UTF-8로 인코딩하면 3바이트로 표현될 것을 예상

-> 이진수로 표현
11101101 10010101 10011100$_{(2)}$
11101010 10111000 10000000$_{(2)}$

---

출처

[한빛미디어] 혼자 공부하는 컴퓨터 구조+운영체제