Konverze formátů při přenosu
Z MiS
(Rozdíly mezi verzemi)
(Oprava - tabulky Little a Big endian) |
m (Oprava formátu.) |
||
| Řádka 58: | Řádka 58: | ||
<div class="Poznamka"> | <div class="Poznamka"> | ||
| − | Pokud komunikují počítače, které používají odlišné způsoby kódování znaků, je třeba je převádět (konvertovat). Dnes se to řeší tak, že prohlížeče běžně znají všechny běžně používané způsoby kódování a tvůrce stránky do kódu HTML zapíše, jaký způsob kódování používá (viz HTML element < | + | Pokud komunikují počítače, které používají odlišné způsoby kódování znaků, je třeba je převádět (konvertovat). Dnes se to řeší tak, že prohlížeče běžně znají všechny běžně používané způsoby kódování a tvůrce stránky do kódu HTML zapíše, jaký způsob kódování používá (viz HTML element <code><meta charset="windows-1250" /></code>). |
</div> | </div> | ||
Verze z 7. 4. 2020, 10:30
Obsah |
Co je „konverze formátů“?
Jedním z úkolů prezentační vrstvy je převádět formát zápisu (způsob kódování) složitějších datových struktur při přenosu mezi dvěma počítači. Může se jednat o čísla delší než 1 byte, ale také o obrázky a další datové struktury.
Pokud komunikující počítače používají odlišnou reprezentaci těchto dat, je třeba data při přenosu zkonvertovat.
- V modelu ISO/OSI to má na starosti prezentační vrstva.
- Reálně používaný model TCP/IP prezentační vrstvu nemá, konverzi si musí provést aplikace sama.
- Příklad – desetinná čísla
Jako příklad uveďme desetinná čísla. Pokud chceme desetinné číslo uložit v počítači, musíme ho převést na posloupnost nul a jedniček. Existují různé způsoby, jak toto provést. Pokud v síti komunikují dva počítače a každý z nich používá jiný způsob, nemohou prostě poslat odpovídající posloupnost bitů přes síť, protože na druhém počítači by stejná posloupnost znamenala jiné číslo. Je třeba provést konverzi.
- Představme si následující situaci
Odesílatel a příjemce ukládají desetinná čísla tak, že číslo 0,083 převedou na 83*10-3. Číslu 83 se říká mantisa a -3 je exponent.
Odesilatel i příjemce použijí 16 bitů. Dále ale postupují různě:
- Odesilatel:
- mantisu (číslo
83) ukládá na 8 bitů:0101 0011 - posléze využije další byte tak, že 1. bit bude reprezentovat znaménko (0..plus, 1..mínus) a dalších 7 bitů exponent
3:1000 0011
-
0,083=> číslo83:0101 0011+ znaménko:1(mínus) + exponent3:000 0011=>0101 0011 1000 0011
- mantisu (číslo
- Příjemce reprezentuje desetinná čísla jinak. Číslo
0,083uloží tak, že:- nejprve uvede znaménko exponentu (1 bit):
1(mínus) - poté exponent na 3 bity (to obvykle stačí):
011 - a posléze využije 12 bitů na zápis mantisy (číselné části).
-
0,083=> znaménko:1(mínus) + exponent3:011+ číslo83:0000 0101 0011=>1011 0000 0101 0011)
- nejprve uvede znaménko exponentu (1 bit):
Pokud by odesilatel prostě vzal 16 bitů, které reprezentují číslo a poslal je příjemci, ten by místo čísla 0,083 přečetl:
-
0101 0011 1000 0011=> znaménko:0(plus) + exponent5:101+ číslo899:0011 1000 0011=>899*105=>89 900 000
-
Aby se nedorozumění předešlo, musí buď odesilatel nebo příjemce data převést do formátu, který používá příjemce. To označujeme jako provedení konverze.
Další běžné konverze dat
V dnešních sítích se naprosto běžně setkáme s následujícími variantami konverze dat:
- Převod různých způsobů kódování textů (národní abecedy)
- Převod různých formátů pro ukládání obrázků
- Převod různého způsobu zápisu delších čísel (Little a Big Endian)
Kódování textů
- Veškerá data jsou v počítači ukládána a přenášena jako posloupnosti 0 a 1.
- Pro ukládání a přenášení textů je tedy nutno texty převést (zakódovat) na čísla.
- ASCII, UTF-8 a kódové stránky
- Pro kódování textů (ukládání textů v paměti počítače ve tvaru posloupností byte) se dnes běžně používá kódování ASCII či z něj odvozená kódování UTF-8 či (výjimečně) UTF-16.
- Problém s ASCII je v tom, že znaky ukládá na 8 bitů.
- 8 bitů ale umožňuje pouze 256 různých kombinací, což sice dostačuje pro základní latinskou abecedu, ale neumožňuje ukládat rozšířené národní abecedy (azbuka, české znaky s diakritikou, čínská abeceda,...)
- Rozšířené národní abecedy (například znaky s diakritikou v češtině a dalších jazycích) používají různé tzv. „kódové stránky“, které přiřazují znakům ze 2. poloviny ASCII tabulky speciální významy.
- Například pro češtinu se běžně používají kódové stránky:
- Windows-1250 (kódová stránka 1250)... navržena a používána Microsoftem v grafickém prostředí Windows
- Latin II (kódová stránka 852)... starší standard, používá Microsoft při zápisu názvů souborů (je třeba používat při psaní skriptů pro Windows).
- ISO-8859-2... standard organizace ISO. Používán běžně většinou ostatních operačních systémů.
- Pokud tvůrce webové stránky vytvoří web s kódováním Windows-1250 a čtenář používá Linux, některé české znaky se čtenáři nezobrazí správně. A samozřejmě podobně naopak.
Pokud komunikují počítače, které používají odlišné způsoby kódování znaků, je třeba je převádět (konvertovat). Dnes se to řeší tak, že prohlížeče běžně znají všechny běžně používané způsoby kódování a tvůrce stránky do kódu HTML zapíše, jaký způsob kódování používá (viz HTML element <meta charset="windows-1250" />).
- Vzhledem k problémům s detekcí a konverzemi kódových stránek se dnes kódování ASCII postupně nahrazuje univerzálním kódováním UTF-8, které je s ASCII částečně kompatibilní (reprezentace prvních 128 znaků ASCII je stejná).
- Například ve většině linuxových distribucí je již UTF-8 standardem. Stejně tak je doporučenou volbou pro psaní webových stránek.
- ASCII × EBCDIC apod.
- V době vzniku architektury ISO/OSI byla situace složitější v tom, že se běžně používaly pro ukládání znaků i zcela odlišné způsoby kódování znaků. Kromě ASCII třeba kód EBCDIC na sálových počítačích IBM v&nbps;70. letech.
Obrázky
- Z grafiky samozřejmě víte, že existují různé formáty obrázků.
- Dnešní sítě se s problémem převodu obrázků vyrovnaly tak, že existuje skupina „běžně podporovaných“ formátů (PNG, JPG, GIF,...) a jiné formáty se v sítích běžně nepoužívají.
- Pokud by byl ale model ISO/OSI implementován běžně v počítačích, byl by převod formátů obrázků starostí síťového rozhraní. Například prohlížeč by si řekl, v jakém formátu obrázky umí zobrazit, a prezentační vrstva by měla za úkol obrázky převést. (Asi by s tím bylo dost těžkostí, ale to ponechme stranou.)
Little × Big Endian
- K problémům s konverzí dat ale dochází i v mnohem jednodušších situacích.
- Představme si, že chceme přes síť přenést 32bitové číslo. Například číslo
5130→00000000 00000000 00000100 10000110binárně resp.00 00 04 86hexadecimálně.
- Big Endian
- Jsme zvyklí v číslech zapisovat nejprve nejvýznamnější číslice: číslo
5130píšeme jako5→1→3→0, nikoli jako:0→3→1→5 - Proto nám připadá logické, že uložíme číslo
5130do paměti počítače takto:
| Adresa v paměti | Hodnota |
|---|---|
| 1 | 0000 0000 (00 hex) |
| 2 | 0000 0000 (00 hex) |
| 3 | 0000 0100 (04 hex) |
| 4 | 1000 0110 (86 hex) |
- Tento způsob zápisu se označuje jako Big Endian.
- Big Endian:
- Je snáze čitelný pro lidi (například při sledování obsahu datagramů,...)
- Používá se v hlavičkách síťových protokolů.
- Little Endian
- Na druhou stranu například pro matematické operace s dvojkovými čísly je praktičtější, když jsou čísla uložena v opačném pořadí. Například pokud čísla sčítáme, bereme nejprve součet nejméně významných číslic.
Například když sčítáme 5130+482, budeme nejprve potřebovat zjistit součet 0+2, pak budeme sčítat 8+3 atd. (Potřebujeme tak postupovat kvůli přenosu z nižších řádů.)
- Proto například procesory Intel v paměti používají zápis, označovaný jako Little Endian:
| Adresa v paměti | Hodnota |
|---|---|
| 1 | 1000 0110 (86 hex) |
| 2 | 0000 0100 (04 hex) |
| 3 | 0000 0000 (00 hex) |
| 4 | 0000 0000 (00 hex) |
- Při zápisu Little Endian jsou v paměti nejprve méně významné byte a až poté ty významnější (nejprve „jednotky“, pak „desítky“, pak „stovky“,... tedy, pokud to takto můžeme označit při zápisu ve dvojkové soustavě po bytech).
- Little Endian
- Je o něco praktičtější při matematických operacích s čísly.
- Používají jej procesory architektury Intel x86 a kompatibilní (tedy samozřejmě i AMD a obecně dnes většina procesorů stolních počítačů.)
- Je lepší Little nebo Big Endian?
- To je asi zcela zbytečná otázka. V dnešním světě se používá obojí a ještě dlouho nejspíš bude.
- Každopádně je důležité vědět:
- co toto označení znamená,
- že při přenosu dat mezi zařízeními je třeba řešit, zda není potřeba data převést z jednoho způsobu ukládání na druhý,
- při programování nástrojů pro sítě a obecně komunikaci řešit, zda se používá Little nebo Big Endian.
- Odkud se vzalo označení „Little/Big Endian“?
- V knize Jonathana Swifta Gulliverovy cesty (Gulliver's Travels, 1726) se objevují dva národy trpaslíků, které mezi sebou vedou letitou a krvavou válku o to, zda je správné vařené vejce rozbíjet na širším či užším konci (little × big end).
- Autor knihy tím mimo jiné nejspíš poukazoval na nesmyslnost válek mezi katolíky a protestanty, které zmítaly Evropou většinu raného novověku a hlavním „tématem sporu“ bylo, zda věřící při přijímání mohou s knězem pít mešní víno, nebo smí pozřít pouze hostie (reprezentující krev a tělo Krista).
- Samozřejmě z dějepisu víte, že ve skutečnosti šlo spíše o to, zda má církev shromaždovat majetek a politický vliv, či zda se má starat pouze o duše věřících.
ASN.1
- Pokud bychom chtěli implementovat plně model ISO/OSI, museli bychom se vyrovnat s existencí velkého množství různých formátů dat.
- V 80. letech proto vznikla myšlenka, že by bylo jednodušší navrhnout univerzální, všemi podporovaný formát dat. Pak by stačilo, aby každý počítač uměl převádět data do tohoto univerzálního formátu a zpět.
- Takovým formátem měl být formát ASN.1.
- My ale víme, že svět sítí se nakonec vydal jinou cestou → využitím jednoduššího modelu TCP/IP a přenecháním starostí s převodem formátů na tvůrce jednotlivých aplikací.
Zdroje
- PETERKA, Jiří. Prezentační vrstva. eArchiv.cz [online]. 1996 [cit. 2017-06-26]. Dostupné z: http://www.earchiv.cz/a92/a226c110.php3
- ASCII. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation, 2016 [cit. 2017-06-26]. Dostupné z: https://cs.wikipedia.org/wiki/ASCII
- UTF-8. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation, 2016 [cit. 2017-06-26]. Dostupné z: https://cs.wikipedia.org/wiki/UTF-8
- Abstract Syntax Notation One. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation, 2016 [cit. 2020-03-16].https://en.wikipedia.org/wiki/Abstract_Syntax_Notation_One
