第 1 卷｜数据的本质

万物起源——计算机如何用有限的位表示无限的信息？这是所有上层设计的源头。

---

🎯 这一卷要回答什么

业务里你天天用 int、String、List、JSON、泛型——但能回答下面这些"小问题"吗？

• 为什么 (start + end) / 2 这种"看起来人畜无害"的写法会引发线上事故？补码到底解决了什么？
• 为什么 "abc" == "abc" 在 Java 里是 true，在 JS 里也是 true，但机制完全不同？
• 为什么 0.1 + 0.2 ≠ 0.3 是全世界 CPU 共同的"病"，而不是某门语言的 bug？
• 为什么 ArrayList 用 contains 在百万级数据下会把服务打挂？容器选择背后是哪一组权衡？
• 为什么 Java 的泛型是"假泛型"，C++ 是"真泛型"，Go 又是另一种实现？
• 同样的对象，序列化成 JSON 是 200 字节，序列化成 Protobuf 是 30 字节——差的 170 字节去哪了？
• 同一个 JSON 解析器，为什么 simdjson 比 Jackson 快 100 倍？

这一卷不是讲 API，是讲这些数据结构当年是为了什么矛盾被发明的。

---

📖 篇章总览（9 篇）

序号	文档	核心矛盾
1.1	数据编码设计原理 (opens new window)	全人类文字如何在 0/1 上达成共识？ASCII → Unicode → UTF-8
1.2	整型与位运算原理 (opens new window)	为什么是补码？整数溢出与位运算背后的硬件约束
1.3	浮点型数据设计灵魂 (opens new window)	IEEE 754 是工程妥协而非数学真理
1.4	字符串设计的灵魂 (opens new window)	为何字符串要不可变？常量池、StringBuilder 的真正动机
1.5	值类型与引用设计 (opens new window)	值传递、引用传递、共享可变状态的本源
1.6	泛型设计灵魂思想 (opens new window)	类型擦除 vs 单态化——同一个目标的两条工程路线
1.7	集合容器设计原理 (opens new window)	数组 / 链表 / 哈希 / 树——一组关于时间空间的根本权衡
1.8	序列化数据的思想 (opens new window)	JSON / XML / Protobuf / Thrift 的体积与可读性 trade-off
1.9	数据解析设计思想 (opens new window)	词法 / 语法 / SIMD —— 解析器为何能差出 100 倍

---

🔗 知识脉络

数据从最底层的 0/1 编码出发，一路抽象到泛型与容器，再以序列化"压扁"回字节流，最后由解析器"还原"——这是一条完整的数据生命周期回路。

---

🌉 与其他卷的承接

• 承接序卷：序卷讲"为什么学"，本卷给出第一个具体的"什么"——数据。
• 通往第 2 卷：第 2 卷讲"对象怎么活在内存里"，必须先理解本卷的"数据怎么被表示"。
• 回响第 4 卷：序列化 / 拷贝 / 容器内存布局在第 4 卷会被再次提及，但视角从"数据格式"转到"内存与缓存"。

---

💡 学完你能回答

• 一个 emoji 占几个字节？为什么 MySQL utf8 不能存 emoji？
• 为什么 int 加法会"绕回"，编译器为何敢于据此做激进优化？
• String s = "a" + "b" 在编译期会发生什么？
• HashMap 的负载因子为何是 0.75？rehash 的代价从何而来？
• Java 泛型的擦除带来了哪些"看似不合理"的限制？
• 为什么大公司内部 RPC 大多用 Protobuf 而不是 JSON？
• 100MB 的 JSON 在浏览器里为什么会卡住主线程？怎么破？