Data Encoding và Transmission
Mở đầu
Khi gửi 1 tấm ảnh, 1 tin nhắn, hay download game vài GB, thông tin xuyên nửa trái đất, nguyên vẹn đến màn hình bạn thế nào? Chương này xoay quanh câu hỏi newbie hay gặp: sao file tôi nhận bị mã loạn? Theo dấu vấn đề, vén bức màn 3 nền tảng underlying: encoding, storage, transmission.
Bạn sẽ học:
- Debug mã loạn: gặp "file mở thành ký tự lạ" → biết phân tích từ góc encoding, không vội kết luận "file hỏng"
- Cross-platform mindset: trao đổi data biết quan tâm encoding + byte order
- Encoding worldview: máy biểu diễn vạn vật bằng 0/1 thế nào
- Foundation: cho network protocol, file format, serialization
| Chương | Nội dung |
|---|---|
| 1 | Character encoding (ASCII, UTF-8, GBK) |
| 2 | Storage (binary, byte order) |
| 3 | Transmission (serialization, compression) |
Trước khi bắt đầu, làm rõ 1 sự thật vật lý newbie hay bỏ qua:
Máy tính cực "cứng nhắc". Không biết chữ Hán, không biết màu sắc, không nghe được nhạc Sơn Tùng.
Underlying nó toàn switch bán dẫn vi mô, chỉ judge "có điện (1)" hoặc "không (0)".
Máy chỉ biết 0/1, sao cho nó hiện ảnh + text phức tạp?
Đáp án: quy định 1 "code book".
Ta + máy thoả thuận: signal 01000001 → vẽ chữ A; signal khác → màu đỏ.
Quá trình dùng codebook dịch qua lại = "Encoding".
Hiểu "mọi thứ trong máy bản chất là mật mã", bạn hiểu hiện tượng quái nhất: mã loạn từ đâu ra.
0. Mở đầu: sao file biến thành "thiên thư"?
Tưởng đồng nghiệp gửi file quan trọng, double-click thấy toàn 浣犲ソ hoặc ä½ å¥½.
Trực giác: chắc file hỏng trên đường? Mất packet?
Thực ra 99% "file hỏng" — sự thật là máy bạn "chọn nhầm reading rule".
👇 Click thử: switch các "codebook" khác nhau, đọc cùng 1 chuỗi byte:
Insight: codebook không khớp
Byte (chuỗi 0/1) tự nó không có nghĩa tuyệt đối, "encoding rule" do người định mới gán nghĩa.
Như morse "tick tick tack" — dùng codebook Trung Quốc ra 1 chữ; codebook Mỹ ra chữ khác.
Người gửi dùng UTF-8 dịch chữ Hán thành số, bạn dùng GBK đọc lại → mã loạn.
Để hiểu sao data không hỏng vẫn loạn, cần biết chuỗi đầy đủ: encoding → storage → transmission.
1. Data encoding là gì? (vạn vật thành số)
Encoding = xây "từ điển dịch 2 chiều", map thông tin phức tạp (text, màu, âm) thành 0/1 máy hiểu.
1.1 Text → số: từ ASCII đến Unicode
Mỗi lần gõ phím, máy lén làm 1 việc: lookup table.
Giai đoạn 1: ASCII
PC sơ khai, người Mỹ nghĩ thế giới chỉ 26 chữ + số + dấu câu → định ASCII.
128 ký hiệu, vd số 65 = chữ A. Vì ít, 1 Byte (= 8 Bit) = 256 biến → thừa.
Giai đoạn 2: chiến quốc
PC ra thế giới. Vấn đề: chữ Hán mấy chục nghìn, Nhật có kana, 1 byte không đủ!
Trung Quốc làm GBK (2 byte/Hán), Nhật làm Shift_JIS... thế giới hỗn loạn. Webpage làm ở TQ gửi Mỹ → mã loạn (Mỹ không có GBK dictionary).
Giai đoạn 3: thống nhất với Unicode
Cuối, các kỹ sư ngồi với nhau: "làm 1 super dictionary chứa mọi ký hiệu trái đất!" → Unicode. Mỗi ký tự, kể cả emoji, có 1 số định danh duy nhất.
UTF-8 là set "storage rule" phổ biến nhất hiện cho Unicode. Thông minh: variable length — Anh 1 byte, Hán 3 byte, tiết kiệm.
👇 Click thử: gõ chữ Việt/Anh/Emoji (vd Xin chào 🎉), xem byte:
Phát hiện:
- Chữ Latin (a-z, không dấu) trong UTF-8 = 1 byte
- Chữ tiếng Việt có dấu (vd "ố") = 2-3 byte
- Chữ Hán = 3 byte
- Emoji () = 4 byte!
Cold fact: SMS tiếng Việt có dấu chỉ gửi 70 ký tự/tin (Unicode), không dấu được 160 (GSM-7). Vì physical size khác.
1.2 Màu sắc + âm thanh → số?
Text có lookup table, vậy ảnh + giọng hát?
Cùng nguyên lý: slice + map.
Image encoding: zoom ảnh max → vài triệu pixel nhỏ. Quy định mỗi màu 1 code (vd
#FF0000= đỏ), lưu code mọi pixel → ảnh thành số.👇 Click thử: hover ô bên trái xem màu → hex code.
🖼️ 图片是如何变成数字的？（悬停在像素方块上看看）💻 计算机实际看到的：#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#3B82F6#3B82F6#F3F4F6#F3F4F6#3B82F6#3B82F6#F3F4F6#F3F4F6#3B82F6#3B82F6#F3F4F6#F3F4F6#3B82F6#3B82F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#3B82F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#3B82F6#F3F4F6#3B82F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#3B82F6#F3F4F6#F3F4F6#F3F4F6#3B82F6#3B82F6#3B82F6#3B82F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6#F3F4F6将鼠标悬停在左侧画布的方块上💡 原理解析：一张 1080p 的高清壁纸，其实就是 207 万 个像左边这样密密麻麻的小色块组成的。计算机把这两百多万个颜色的编号（如 #FF0000）按顺序记录下来，图片就变成了几百万个数字的集合。Audio encoding: âm thanh = sóng dao động không khí. Đo độ cao sóng 44100 lần/giây (sample), record giá trị → sóng liên tục thành mảng số rời rạc.
👇 Click thử: kéo slider xem sóng analog liên tục "slice" thành digital.
声音是如何变成数字的？（拖拽滑块调整采样率）转译后的数字(高度)：0530-520530-520说明：灰色的虚线是真实的连贯声波（大自然的模拟信号）。蓝色柱子是我们每隔一段时间去测量它的高度（数字信号）。采样频率越密集，记录下来的数字就越多，恢复出来的声音就越清晰逼真，但产生的文件也随之飙升。
2. Storage: trước khi gửi, phải chứa đâu đó
Encode xong, sắp gửi. Trước hết phải để vào media vật lý. Đụng quy tắc sắt.
Bạn có thể nghĩ: "đã phải lưu, lưu chỗ đọc-ghi nhanh nhất là OK?"
Nhưng trong hardware, có ma chú không vẹn cả: storage càng nhanh, giá càng đắt, dung lượng càng nhỏ.
Để dùng tiền ít nhất đổi tốc độ cao nhất, kỹ sư thiết kế "storage hierarchy" (kim tự tháp storage).
👇 Click thử: click từng layer kim tự tháp, xem máy hiện đại tính toán thế nào.
Insight: triết lý "porter" của OS
Không có storage hoàn hảo. OS (Windows, macOS) như quản kho thông minh:
- Phim + game khối lượng lớn → kho chậm-rẻ (SSD/HDD)
- Khi chơi game, vác texture HD từ disk → "bàn làm việc" cực nhanh nhưng nhỏ (RAM)
- Đóng game, clear RAM cho file khác
Insight: chơi open-world AAA, đổi map đen màn hình lâu (loading bar) — vì disk chậm, OS đang vác data map kế lên RAM.
3. Data transmission (cho 0/1 du lịch)
Encode xong, ở RAM, giờ gửi bạn.
Transmission = đẩy 0/1 (điện hoặc quang signal) theo cáp, dây, sóng — chính xác từ máy A sang máy B.
3.1 Hardware + LAN: giới hạn vật lý 1 dây
Trong case hoặc 2 PC gần nhau, thử thách vật lý thuần.
Idea đầu tiên hay nghĩ: "1 dây 1 lúc gửi 1 signal, dùng 8 dây song song → x8 speed?"
Đây là parallel dùng cho HDD đời cũ.
Nhưng hôm nay Type-C, USB, PCIe mainboard đều dùng serial (1 channel chính).
👇 Click thử: so sánh animation serial vs parallel.
表面上是的——但现代串行接口（USB 4、PCIe）传输频率高达每秒 数百亿次，而并行线路之间会产生 信号串扰（Crosstalk），反而限制了速度。所以高速接口全面转向了串行。
Sao "đường mòn 1 lối" thắng "8 lane"?
Speed thấp, 8 dây OK. Nhưng cần vài tỷ signal/giây, vấn đề: Dòng điện yếu trên các dây sinh sóng điện từ nhiễu nhau (crosstalk); không đảm bảo 8 signal cùng phát sẽ cùng đến đích. 1 dây chậm 1 phần triệu giây vì impedance → 8 bit ghép lại loạn.
Thay vì tốn tiền cân bằng 8 lane, dồn resource vào 1 lane "siêu xe", đẩy speed lên ánh sáng. Đây là sự thật serial thống trị.
3.2 WAN + Internet: vượt biển, nghệ thuật chống mất gói
Nếu data không gửi GPU cách 1 inch, mà gửi server Mỹ?
Không thể 1 dây liên tục. Data qua cáp quang, đáy biển, vô số router cũ. Lúc này không phải limit vật lý, mà thử thách fault tolerance.
Gửi video 1GB qua app chat, logic underlying như chuyển nhà quốc tế — không thể quăng container nguyên cho bưu điện.
- Packetization: network cắt video thành mấy chục nghìn "data packet" cỡ phong bì (thường 1500 byte).
- Checksum: phòng cáp đáy biển bị cá mập cắn đứt 1 dây làm
0đảo thành1, system tính 1 "fingerprint" toán học cho mỗi phong bì. - TCP retransmit + ACK: bên nhận tính checksum verify. Nếu sai, hoặc thấy seq nhảy từ 31 sang 33 (mất packet), hét qua network: "Tôi không nhận được 32, gửi lại 32!"
Vì cơ chế TCP (Transmission Control Protocol) cực chặt này, dù WiFi tệ download file 30 phút, khoảnh khắc xong, file 100% nguyên vẹn.
4. Thực chiến: từ bấm shutter đến đăng MXH
3 mảnh xếp lại: encode + store + transmit. Xem operation thường ngày: chụp ảnh tự backup cloud.
Giây bạn nhấn shutter, trong phone là 1 cuộc chiến số vĩ đại.
👇 Click thử: click "execute step", trace hành trình data.
5. Glossary
| Term | Nghĩa |
|---|---|
| Bit (b) | Đơn vị nhỏ nhất, chỉ 0 hoặc 1 |
| Byte (B) | 8 Bit. Đơn vị file size cơ bản |
| Character Set | "Mục lục từ điển", quy định ký tự nào tồn tại, không quy định lưu byte gì |
| Encoding | "Storage rule" cụ thể, quyết ký tự đó tương ứng byte nào (vd UTF-8) |
| RAM | Memory siêu nhanh nhưng tắt điện mất. Phone 8G/16G nói cái này |
| SSD | Storage permanent hiện đại, chip flash, nhanh hơn HDD vài chục lần |
| Serial / Parallel | Serial: 1 channel xếp hàng; Parallel: nhiều channel song song (không hợp tần số cao) |
| Checksum | Verify code đính kèm khi transmit. Bên nhận tính lại, khớp = không hỏng |
| TCP | Transmission Control Protocol. Cắt file lớn, dán seq, mất packet retransmit, đảm bảo 100% nguyên vẹn |
Tổng kết
Câu hỏi đầu chương, giờ bạn có đáp án từ underlying:
Sao file nhận bị mã loạn? Data không hỏng, software bạn không chọn đúng codebook (encoding).
Sao dây Type-C nhỏ tí nhưng nhanh hơn dây bự cũ? Trước là nhiều ngựa song song dễ đụng (parallel), giờ là 1 tàu cao tốc đường riêng (serial).
Sao game lớn loading scene đen màn lâu? Cần vác mấy chục GB từ disk chậm sang RAM nhanh.
Bản chất máy tính rất mộc mạc:
Là 1 máy giỏi "chuyển (encode)" mọi thứ thành signal, "giữ (store)" trong silicon, rồi "cắt nhỏ + gửi (transmit)" qua điện áp pulse.
Đọc hiểu vòng lặp này = bạn cầm chìa khoá underlying của computer science.
2026 update
- Web encoding default: HTML5 mặc định UTF-8, gần như không còn vấn đề mã loạn
- NVMe SSD: PCIe 5.0 NVMe đạt 14 GB/s
- HTTP/3 + QUIC: chạy trên UDP (không phải TCP), faster cho mobile
- AI inference: dữ liệu encode đặc biệt (tokenization cho LLM)
- Vector embeddings: encode text/image thành vector dày để search semantic
- VN dev: hiểu UTF-8 = không bao giờ gặp bug "ố thành ô" trong DB