GEUL 数据是记录的序列。每个记录都以一个 TAG WORD 开头。

记录布局

TAG WORD (16位)
┌──────────┬──────────┬──────────┬──────────┐
│  Prefix  │   Kind   │  Class   │  Length  │
│   3bit   │   4bit   │   5bit   │   4bit   │
│   000    │   KKKK   │  CCCCC   │   LLLL   │
└──────────┴──────────┴──────────┴──────────┘
[Length 扩展 TAG]
[Codec 扩展 TAG]
[Codec 专属 TAG]
Payload
  • TAG WORD 为 000K KKKC CCCC LLLL。高 4 位 KKKK 是章节 S = w >> 9,一个章节有 32 格。C 是章节内的 5 位偏移 (w >> 4) & 0x1F。
  • TAG ID 写作 0x000L。前三位是章节与 C 合在一起的 9 位 Codec 位置(w >> 4),L 是 Length 位置。实际的 WORD 值在 L 位置写数字(例:TRIPLE 为 0x0AAL,10 WORD TRIPLE 的 TAG WORD 为 0x0AA9)。
  • 扩展 TAG 只按上述顺序放置。Length 扩展 TAG 总是紧跟在 TAG WORD 之后。
  • Codec 专属 TAG 和 Payload 的构成由各 Codec 规格规定。Codec 专属 TAG 的长度不写在 TAG WORD 中。因为解释 Payload 无论如何都需要 codebook。
  • 有子格式的 Codec 用 1 WORD 的 Codec 专属 TAG 指定子格式(Edge WORLD 等)。

字节顺序

  • 规范序列化为大端序。
  • 位字段从最高位开始排布。
  • 在 WORD 内先写高位字节,由多个 WORD 构成的值先写高位 WORD。
  • 内存中的表示由实现自由决定。

Kind(章节区间)

章节KindTAG ID定义
0~2Reference0x000L~0x05FL指向对象。用 Codec 和对象 ID 标识对象
3·4Value0x060L~0x09FL直接承载值本身。Codec 决定 Payload 的解释
5~13Edge0x0A0L~0x1BFL将其他记录作为构成要素绑定在一起。Codec 决定构成要素的角色和顺序
14·15Meta0x1C0L~0x1FFL谈论文档和记录
  • Kind 由章节区间唯一判定:w < 0x0600 Reference,w < 0x0A00 Value,w < 0x1C00 Edge,其余为 Meta。没有例外。

  • Kind 是 Codec 的不可变属性。Codec 一经分配,其 Kind 不再变动。

  • Value 和 Edge 是相同的“Codec + Payload”格式。只有 Edge 把其他记录作为构成要素。

  • Reference 将占位标记、指针、5Q 体系、REFERENCE-ISSUER 分在码表中。量化在体系码中。REFERENCE-ISSUER 的量化由 Issuer 文档规定(Reference)。

Length(4 位)

Length 是记录占用的整体 WORD 数。包含 TAG WORD、扩展 TAG、Payload 和最后一个 WORD 的填充。

值含义
0000~11011~14 WORD(值 + 1)
1110扩展长度 1:后面 1 WORD 为整体 WORD 数(15~65,535)
1111扩展长度 2:后面 2 WORD 为整体 WORD 数(65,536~2³²−1)
  • 1~14 WORD 必须使用直接长度书写。更宽的写法不是规范形式。
  • 扩展长度的整体 WORD 数也包含 Length 扩展 TAG 自身。
  • 没有超过 2³²−1 WORD 的记录。
  • 1 WORD 记录是没有 Payload 的单个 TAG WORD。只在 Codec 规格允许时使用(例:Meta BODY、END、空字节序列、占位标记)。
  • 即使没有 codebook,也可以用 下一个记录位置 = 当前记录起始 + Length 跳过记录。

Codec(章节与 C,9 位)

TAG ID名称含义
各 Kind 区域的前部直接码仅凭 TAG WORD 即可确定 Codec
0x05DL、0x09DL、0x1BDLREFERENCE-ISSUER-2WORD、VALUE-ISSUER-2WORD、EDGE-ISSUER-2WORDCodec 扩展 TAG 中含 Issuer 2 WORD 和 Codec 编号 2 WORD
0x05EL、0x09EL、0x1BELREFERENCE-ISSUER-4WORD、VALUE-ISSUER-4WORD、EDGE-ISSUER-4WORDCodec 扩展 TAG 中含 Issuer 4 WORD 和 Codec 编号 2 WORD
0x05FL、0x09FL、0x1BFLREFERENCE-ISSUER-16WORD、VALUE-ISSUER-16WORD、EDGE-ISSUER-16WORDCodec 扩展 TAG 中含 Issuer 16 WORD 和 Codec 编号 2 WORD
  • 各 Kind 区域的末三格是 ISSUER。 Issuer 宽度由 C 的低 2 位决定(01 2 WORD,10 4 WORD,11 16 WORD)。Meta 没有 Issuer 格式。
  • 直接码的 C 在每个章节中各自独立。即使 C 值相同,章节不同就是不同的 Codec。直接码的 Codec ID 是完整的 TAG WORD(L=0),因此包含 Kind。
  • Issuer Codec 编号与 Kind 无关,每个 Issuer 是一个空间。由 Issuer 在自己的 codecs/ 内分配不重复的编号(公布地址与版本列表)。
  • 不是直接码的 Codec 是 (Issuer, Codec 编号) 对。Codec 编号由该 Issuer 定义(Issuer 与公布)。扩展格式放在制定该格式的机构的 Issuer 之下。
  • 已有直接码的 Codec 不再单独以 Issuer 格式登记。
  • Issuer 格式存在于 Reference、Value、Edge。Meta 是仅由 GEUL 定义的通用规格。
  • Edge 直接码的章节(w >> 9)就是系列。Value 直接码和 Meta 不用位来表示系列·类。Codec 编号的含义由 Issuer 决定。
  • 直接码无法回收。只有确认了使用频率的格式才放入直接码。

Issuer 格式记录

TAG WORD          ISSUER 码 (各 Kind 区域的末三格)
[Length 扩展 TAG]
Issuer            2/4/16 WORD (宽度由 Codec 决定)
Codec 编号        2 WORD. 由 Issuer 定义
Payload           由 Issuer 发行的 Codec 文档决定
  • 三个 Kind 的布局相同。编号不够时,再申请一个 Issuer。
  • Edge(EDGE-ISSUER)的 Payload 与其他 Edge 一样以 Edge Id 开头。因此顺序是 TAG、Issuer、Codec 编号、Edge Id、其余 Payload。
  • 不了解该格式的解码器,读到 Issuer 和 Codec 编号为止,用 Length 跳过。

可变长度字节序列

文本、URI、语言标签、未知字节序列等长度以字节为单位的值,将 Codec(或 Codec 编号)分配为偶数·奇数对。

  • Codec 的最低位(直接码为 C 的最低位)为 0 则字节数为偶数,为 1 则为奇数。
  • 字节数 = 2 × Payload WORD 数 − 最低位。没有 Byte Count 字段。
  • 为奇数时,最后一个 WORD 的低字节是 0x00 填充。不是 0x00 则拒绝。
  • 空字节序列是偶数 Codec 的 1 WORD 记录(仅 TAG WORD)。
  • UUID·摘要·地址等大小固定的值不设对。

例:读取 TAG WORD

我们来读 0AA9。

0x0AA9 = 0000 1010 1010 1001
         000 | 0101 | 01010 | 1001
Prefix 000, 章节 0101(5, Edge), C 01010, Codec 0x0AAL(TRIPLE), Length 1001(10 WORD)

该记录是 10 WORD 的 Edge,Codec 是 TRIPLE。即使没有 codebook,也知道下一个记录在 10 WORD 之后。

占位标记

TAG WORD 0x0000、0x0010、0x0020 是 Reference 占位标记的 1 WORD 记录。它们不指向对象,只填充记录字段的位置(占位标记)。

0x0000, 0x0010, 0x0020 = 0000 0000 00CC 0000
                         Prefix 000, 章节 0(Reference), C 0~2, LLLL 0000(1 WORD)
WORD名称含义谈论的是什么逻辑世界假设维基数据
0x0000ABSENT未填写文档:未填充这个位置无断言开放世界无 snak
0x0010UNKNOWN-VALUE未知世界:有值,但不知道是什么∃x. P(s, x)存在是封闭的,身份是开放的somevalue
0x0020NO-VALUE无世界:没有值¬∃x. P(s, x)对 (s, P, 限定条件) 封闭novalue
  • 例:子女(P40)为 ABSENT 则不知道有几个,为 UNKNOWN-VALUE 则至少 1 个,为 NO-VALUE 则是 0 个。终止时间(P582)为 ABSENT 则不知道现在是否仍有效,为 UNKNOWN-VALUE 则已结束但不知何时,为 NO-VALUE 则尚未结束。
  • 只有字段的 CODEC 列表精确包含该 WORD 时,标记才有效。在通配符、没有 CODEC 的字段、HEAD·BODY 记录位置、Edge Id 位置,标记无效(CODEC)。
  • 读取方的义务:
    1. UNKNOWN-VALUE 不是值,而是存在断言。它与任何值既不相同也不相异,两个 UNKNOWN-VALUE 之间也不视为相同的值。含 UNKNOWN-VALUE 的 TRIPLE 不做重复合并。
    2. NO-VALUE 在该命题的限定条件内封闭。如果与同一 Subject·Predicate·rank 下限定条件无法区分的值 TRIPLE 并存,则是矛盾,检查器会发出警告(不拒绝)。
    3. rank 同样适用。选取代表值(truthy)时,带这两种标记的 TRIPLE 也是候选。
    4. 作为 QUALIFIER 值使用时,会改变该限定的含义(P582 = UNKNOWN:已结束,时间不明。P582 = NONE:尚未结束)。
    5. ABSENT 对世界不作任何陈述。无法转换的值不用 UNKNOWN-VALUE 表示。

规范形式

相同的内容必须是相同的字节。这样内容哈希和签名才能唯一确定。

  • 长度使用最短写法(1~14 WORD 为直接长度)。
  • 整数用最窄宽度书写。遵循各 Codec 规格规定的规范形式。
  • 拒绝不是规范形式的记录。
  • 例外:CODEC 目标 WORD 的 L=1111 与 C 值无关,只看章节 KKKK。建议使用章节第一格(C = 0),即使是同一章节的其他 C 也不拒绝。