Miks järjestab EBCDIC tähed mitte järjest?

ASCII standard võeti kasutusele 1963. aastal ning praegu on raske leida keegi, kes kasutaks kodeeringut, mille esimesed 128 sümbolit erineksid ASCII-st. Hoolimata sellest, oli kuni eelmise sajandi lõpuni aktiivselt kasutusel EBCDIC — IBM peamiste arvutite ja nende Nõukogude liikumiskloni ES EVM standardkodeering. EBCDIC jääb peamiseks kodeeringuks z/OS-is — kaasaegsete IBM Z peamiste arvutite standardne opsüsteem.

EBCDIC-il on kohe silmatorkav see, et tähed ei tule järjestikku: nende vahel on I ja J ja nende vahel R ja S jäid kasutamata positsioonid (ES EVM-is jaotati nende vahekohtade vahel jagati kiriike tähti). Kellele võiks tulla pähe kodeerida tähed ebavõrdsete vahedega naaber tähtede vahel?

Ise nimi EBCDIC („Extended BCDIC“) vihjab, et see kodeering — erinevalt ASCII-st — ei olnud loodud tühjast kohast, vaid põhines kuue bitise kodeeringu BCDIC, mida kasutati alates IBM 704 (1954):

Otsest ühilduvust ei ole: mugav omadus BCDIC-is, mis kadus EBCDIC-ile üleminekul, oli see, et numbritele 0—9 vastasid koodid 0-9. Hoolimata sellest on seitse koodi vahet I ja J ja kaheksa koodi vahet R ja S BCDIC-s on juba olnud. Kust nad aga tulid?

Ajalugu (E)BCDIC algab samaaegselt IBM-i ajalooga — palju enne elektroonilisi arvuteid. IBM loodi nelja ettevõtte ühinemise tulemusena, millest tehnoloogiliselt kõige arenenum oli «Tabulating Machine Company», mis asutati 1896. aastal Herman Hollerithi — leiutaja tabeldusmasina. Esimesed tabeldusmasinad lugesid lihtsalt, mitu aukukaarti oli teatud kohas löödud; kuid 1905. aastal alustas Hollerith tootmist kümnendsüsteemi tabeldusmasinatest. Iga kaart kümnendsüsteemi tabeldusmasina jaoks koosnes muutuvpikkusest väljadest, ja numbrid, mis olid nende väliades tavapärases kümnendsüsteemis kirjas, summeeriti kogu pakis. Kaardi jaotust väliadesse määras ühendusjuhtmete paigutus tabeldusmasina lülituspaneelil. Näiteks, sellel Hollerithi aukukaardil, mis on säilinud Ameerika Kongressi Raamatukogus, on selgelt löödud number 23456789012345678, mis on jagatud väljadele teadmata viisil:

Kellelgi, kes tähelepanelikum on, võis märgata, et Hollerithi kaardil on 12 rida auke, kuigi numbrite jaoks piisab kümnest; ja BCDIC-s kasutatakse iga vanema kahe biidi väärtuse jaoks vaid 12 koodi 16-st võimaliku.

Loomulikult ei ole see juhuslik kokkusattumus. Alguses mõtles Hollerit lisaread "erimärkide" jaoks, mida ei liidetud, vaid lihtsalt loeti — nagu kõige esimestes tabulaatorites. (Tänapäeval nimetaksime neid "bitiväljadeks".) Lisaks sai "erimärkide" seas määrata grupi indikaatoreid: kui tabuleerimine vajas mitte ainult lõplike summade, vaid ka vahekokkuvõtteid, siis tabulaator peatuks, kui see tuvastas ühe grupi indikaatori muutumise, ja operaator pidi vahekokkuvõtted digitaalsetelt ekraanidelt paberile ümber kirjutama, ekraanid nullima ja tabuleerimist jätkama. Näiteks raamatupidamisbilansside arvestamisel võiks grupikaardid vastata ühele kuupäevale või ühele partnerile.

Aastal 1920, kui Hollerith oli juba pensionile läinud, hakati kasutama „trükkivat tabulaatorit“, mis ühendasid teletüki ja suutis ise vahekokkuvõtteid printida, ilma operaatori sekkumiseta. Nüüd oli keerukus selles, et oli vaja tuvastada, millele iga trükitud arv viitab. 1931. aastal otsustas IBM kasutada „erimärke“ tähtede tähistamiseks: 12. rea märk tähendas tähte ' A kuni I', 11. rea märk tähendas tähte ' J kuni R', nullis tähendas tähte ' S kuni Z'. Uus „alfabeetiline tabulaator“ suutis printida iga kaardigruppi koos vahekokkuvõtetega; seejuures mitteprinditud veerg muutus sümbolite vaheliseks tühikuks. Pange tähele, et S tähistatakse aukude kombinatsiooniga 0+2, samas kui kombinatsiooni 0+1 algselt ei kasutatud kartes, et kaks auku kõrvuti samas veerus võivad põhjustada mehaanilisi probleeme loeturis.

Nüüd saab BCDIC tabelisse vaadata pisut teise nurga alt:

Erandit, et 0 ja tühik on paigutatud vastupidises järjekorras, määravad kaks kõige kõrgemat bitti "erimärgi", mille 1931. aastal löödi perforeeritud kaardile vastava sümboli jaoks; ja neli madalamat bitti määravad numbri, mis on löödud kaardi põhiosas. Sümbolite tugi & - / ilmus IBM-i tabulaatoritesse 1930ndatel ning nende sümbolite kodeering BCDIC vastab nendele aukude kombinatsioonidele, mis on löödud. Kui vajasime veel suurema arvu sümbolite tuge, hakati kasutama lisana "erimärgi" jaoks rida 8 — seega võis ühes veerus olla kuni kolm auku. Selline perforeeritud kaardi formaat püsis praktiliselt muutumatuna sajandi lõpuni. NSV Liidus jäeti IBM-i ladina ja punktuatsiooni kodeeringud kehtima, samas kui tsirkillia tähed löödi korraga mitme "erimärgi" aukudega ridadel 12, 11, 0 — mitte piirdudes kolme auguga ühes veerus.

Kui IBM 704 arvutit loodi, ei mõeldud sümbolite kodeerimisele kaua: võeti kasutusele juba tollel ajal perforeeritud kaartides kasutatud kodeering ja vaid 0 "asetati oma kohale". 1964. aastal, liikudes BCDIC-lt EBCDIC-le, jäeti iga sümboli neli madalamat bitti muutmata, kuigi vanemaid bitte veidi segati. Seega mõjutas Hollerithi valitud perforeeritud kaardi formaat eelmise sajandi alguses kõigi IBM-i arvutite arhitektuuri, sealhulgas IBM Z-d.

Allikas: habr.com