WebAssembly整数编码与LEB128变长原理解析

1. 整数编码的世界观：为什么WebAssembly只认整数

第一次接触WebAssembly的人，十有八九会先愣一下：i32.add、i64.mul、i32.load，整个指令集里翻来覆去就那么几个整数类型，连个字符串都没有，布尔值也得用i32假装。这不是设计者的疏忽，恰恰相反，这是WebAssembly最核心的设计哲学之一——让一切变得可预测、可验证、可极致优化。

想想看，你写JavaScript的时候，1 + "1"是"11"，0.1 + 0.2是0.30000000000000004，类型转换规则能把人绕晕。而WebAssembly把类型系统砍到只剩整数和浮点，每个操作都明确标注了是i32还是i64，是带符号还是无符号，是回卷（wrap）还是陷阱（trap）。这种“笨办法”换来的是执行引擎可以放心大胆地做JIT优化，因为每一个整数运算的语义都被规范钉死了，没有任何“隐式转换”的暧昧空间。

从实际应用场景来看，这套整数体系承担了WebAssembly里几乎所有“重体力活”：

• 数组和对象的内存地址计算，全靠整数算术来定位偏移
• 状态机、协议解析、编解码器，本质就是整数位运算的大杂烩
• 甚至字符串操作，最终也要落到UTF-8字节的整数处理上
• 与JavaScript互操作时，BigInt和i64的边界转换全靠整数规则

我见过不少从C/C++转过来的开发者，在理解WASM整数语义时很容易踩坑。最典型的就是：C语言里int的溢出是“未定义行为”，编译器想怎么优化就怎么优化；而WebAssembly的i32.add溢出是完全被定义的——直接做二的补码回卷（two's complement wrap），结果等于数学上的模 2^32 运算。这不是WASM在偷懒或者图省事，而是一个深思熟虑的设计决策，后面我展开讲。

2. LEB128变长编码：WASM二进制格式的数字命脉

2.1 为什么要用变长编码

如果让你设计一套二进制指令格式，整数常量怎么存？最直接的想法是固定宽度，比如i32就固定占4字节。但这会带来一个很实际的问题：绝大多数整数常量其实都很小。get_local 0这种指令里，局部变量索引需要编码；i32.const 5这个常量也需要编码。如果所有整数都用4字节表示，一个只有几十条指令的小模块，光索引和常量就得白白浪费几百字节。

LEB128（Little Endian Base 128）变长编码就是来解决这个问题的。核心思想很简单：每个字节只用7位存数据，最高位作为“续组标志”，如果最高位是1，说明后面还有字节，需要继续读；如果是0，说明这是最后一个字节。数字越小，占用的字节越少，0到127只需要1个字节，128到16383需要2个字节，以此类推。

这个方案非常聪明，因为它完美匹配了整数取值分布的幂律特征：绝大多数索引和常量都集中在较小的区间内，用变长编码能获得接近“实时压缩”的效果，而且解压不需要任何查表或预处理，纯粹顺藤摸瓜一路读下来就行。V8、Wasmer、Wasmtime这些引擎加载二进制模块时，最热路径上的第一步就是成千上万次跑LEB128解码，其重要性就是这么撑起来的。

2.2 无符号LEB128：u32的编解码细节

无符号LEB128的算法非常直观。编码过程就是把数字按7位一组切分，每次取低7位，然后右移7位，直到数字变成0：

code复制假设要编码数字 624485
二进制：10011000011101100101 （这是一个20位的数）

按7位分组，从低位开始：100 1100001 1101100101

第一组：1101100101 的低7位是 0100101，加续组标志变成 10100101
右移7位后剩下：1001100001
第二组低7位：0100001，加续组标志变成 10100001
右移7位后剩下：100
第三组低7位：0000100，这是最后一组，变成 00000100

最终编码结果就是0xA5 0xA1 0x04，三个字节搞定。如果用固定4字节，就是四个字节，看起来差别不大，但考虑到一个模块里可能有成千上万个这样的整数，总量差距就很可观了。而且LEB128的解码逻辑极其简单——循环读字节、检查最高位、累加位移，几十行代码就能写完一个高效的解码器。

2.3 有符号LEB128：s32/s64的符号扩展艺术

有符号整数就没那么直白了。难点在于：负数在补码表示下，高位全是1，如果不做任何处理，一个-1按无符号规则编码会变成5个字节的0xFF 0xFF 0xFF 0xFF 0x0F（i32），白白浪费空间。

WebAssembly的解决方案是符号扩展（sign extension）：先对原值做符号位扩展，补到一个足够容纳所有有效位的宽度，然后再按无符号规则编码。具体规则是这样的：

• 输入是负数时，用符号位填满高位，直到高位变成全1为止
• 输入是正数时，高位置0，缩短到最高有效位为止

看两个实际例子。编码i32.const -1（32位全1），规则要求它编码成1字节的0x7F，因为对-1做符号扩展后，低7位正好是1111111，再往后都是1的延续，已经不需要再编码了，直接把首字节高位清0即可。编码i32.const -128呢？-128的二进制是10000000，低7位是0000000，但这里的最高有效位是符号位1，光看低7位无法区分“这到底是不是最后一个字节”，所以继续向高位看，发现第8位也是1，说明还有信息要编码，于是低7位加续组标志得到10000000，继续右移7位，剩下1，再加一次得到0x01，最终结果就是0x80 0x01。

这个逻辑乍一听很绕，但核心规律就一句话：负数编码，什么时候“符号扩展后的剩余值”变成全1，什么时候就停。

2.4 分节编码与陷阱：WASM的严格校验

真正把