sewain

作 者:道哥,10+年的嵌入式开发老兵。

公众号:【IOT物联网小镇】,专注于:C/C++、Linux操作系统、应用程序设计、物联网、单片机和嵌入式开发等领域。 公众号回复【书籍】,获取 Linux、嵌入式领域经典书籍。

转 载:欢迎转载文章,转载需注明出处。

前两篇文章,我们一起学习了 8086 处理器中关于 CPU、内存的基本使用方式,重点对段寄存器和内存的寻址方式进行了介绍。

可能有些小伙伴会对此不屑:现在都是多核的现代处理器,操作系统已经变得非常的强大,为何还去学习这些古董知识?

前几天看到下面这段话,可以来回答这个问题:

“我们都希望学习最新的、使用的东西,但学习的过程是客观的。”

“任何合理的学习过程(尽可能排除走弯路、盲目探索、不成系统)都是一个循序渐进的过程。”

“我们必须先通过一个易于全面把握的事物,来学习和探索一般的规律和方法。”

就拿学习 Linux 操作系统来说,作为一个长期的学习计划,不太可能一上来就阅读最新的 Linux 5.13 版本的代码。

更有可能是先学习 0.11 版本,理解了其中的一些原理、思想之后,再循序渐进的向高版本进行学习、探索。

那么对于 《Linux 从头学》这个系列的文章来说,我是希望自己能够把学习路线再拉长一些,从更底层的硬件机制、驱动原理开始,由简入繁,一步一步最终把 Linux 操作系统这个块硬骨头给啃下来。

那么今天我们就继续 8086 下的学习,来看看一个相对“完整”程序的基本结构。

几个重要的段寄存器

x86 系统中,段寻址机制以及相关的寄存器是如此的重要,以至于我忍不住在这里,把几个段寄存器再小结一下。

代码段:用来存放代码,段的基地址放在寄存器 CS 中,指令指针寄存器 IP 用来表示下一条指令在段中的偏移地址;

数据段:用来存放程序处理的数据,段的基地址存放在寄存器 DS 中。对数据段中的某个数据进行操作时,直接在汇编代码中通过立即数或寄存器来指定偏移地址;

栈段:本质上也是用来存放数据,只不过它的操作方式比较特殊而已:通过 PUSH 和 POP 指令来进行操作。段的基地址存放在寄存器 SS 中,栈顶单元的偏移地址存放在寄存器 IP 中。

这里的段,本质上是我们把内存上的某一块连续的存储空间,专门存储某一类的数据

我们之所以能够这么做,是因为 CPU 通过以上几个寄存器,让我们这样的“安排”称为一种可能。

一句话总结:CPU 将内存中的某个段的内容当做代码,是因为 CS:IP 指向了那里;CPU 将某个段当做栈,是因为 CS:SP 指向了那里。

在之前的一篇文章中,演示了一个 ELF 格式的可执行文件中,具体包含了哪些段《Linux系统中编译、链接的基石-ELF文件:扒开它的层层外衣,从字节码的粒度来探索》:

虽然这张图中描述的段结构更复杂,但是从本质上来说,它与 8086 中描述的段结构是一样的

Linux 2.6 中的线性地址区间

在一个现代操作系统中,一个进程中使用的的地址空间,一般称作虚拟地址(也称作逻辑地址)。

虚拟地址首先经过段转换,得到线性地址;然后线性地址再经过分页转换,得到最终的物理地址。

这里再啰嗦一下,很多书籍中队内存地址的称呼比较多,都是根据作者的习惯来称呼。

我是按照上图的方式来理解的: 编译器产生的地址叫做虚拟地址,也叫做逻辑地址,然后经过两级转换,得到最终的物理地址。

Linux 2.6 代码中,由于 Linux 把整个 4 GB 的地址空间当做一个“扁平”的结果来处理(段的基地址是 0x0000_0000,偏移地址的最大值是 4GB),因此虚拟地址(逻辑地址)在数值上等于线性地址。

我们再结合上次给出的这张图来理解:

这张图的意思是:在 Linux 2.6 中,用户代码段的开始地址是 0,最大范围是 4 GB;用户数据段的开始地址是 0,最大范围也是 4 GB;内核的数据段和代码段也是如此。

为什么:虚拟地址(逻辑地址)在数值上等于线性地址?

线性地址 = 段基址 + 虚拟地址(偏移量),因为段基址为 0 ,所以线性地址在数值上等于虚拟地址。

Linux 之所以要这样安排,是因为它不想过多的利用 x86 提供的段机制来进行内存地址的管理,而是想充分利用分页机制来进行更加灵活的地址管理。

还有一点需要提醒一下:

在上述描述的文字中,我都会标明一个机制或者策略,它是由 x86 平台提供的,还是由 Linux 操作系统提供的。

对于分页机制也是如此,x86 硬件提供了分页机制,但是 Linuxx86 提供的这个分页机制的基础上,进行了扩展,以达到更加灵活的内存地址管理目的。

因此,各位小伙伴在看一些书籍的时候,心中要有一个谱:当前描述内容的上下文环境是什么。

当我们创建一个进程的时候,在内核中就会记录这个进程所拥有的所有线性地址区间

进程所拥有的所有线性地址区间是一个动态的过程,根据程序的需求随时进行扩展或缩小。例如:把一个文件映射到内存,动态加载/卸载一个动态库等等。

我们知道,内核在操作物理内存的时候,是通过“页框”这个单位来管理的。

一个页框可以包含 1-n 个页,每一页的大小一般是 4 KB,这是对物理内存的管理。

一个线性地址区间可以包含多个物理页。每一个线性地址最终通过多级的页表转换,来最终得到一个物理地址。

注意:上图中,线性地址区间1,映射到物理地址空间中的 NPage,这些 Page 有可能是连续的,也有可能不是连续的。

虽然在物理内存中是不连续的,但是由于被分页转换机制进行了屏蔽,我们在应用程序中都是按照连续的空间来使用的。

一个“完整”的 8086 汇编程序

我们再继续回到 8086 系统中来。

这里描述的地址,经过段地址转换之后,就是一个物理地址,没有经过复杂的页表转换。

这也是我们以 8086 系统作为学习平台的目的:抛开复杂的操作系统,直接探索底层的东西

在这个最简单的汇编程序中,会使用到 3 个段:代码段,数据段和栈段

前面已经说到:所谓的段,就是一个地址空间。既然是一个地址空间,必然包含 2 个元素:从什么地方开始,长度是多少

还是直接上代码:

assume ds:addr1, ss:addr2, cs:addr3

addr1 segment           ; 把数据段安排在这个位置
        db 32 dup (0)   ; 这 32 个字节,是数据段的大小
addr1 end

addr2 segment           ; 把栈段安排在这个位置
        db 32 dup(0)    ; 这 32 个字节,是栈段的大小
addr2 end

addr3 segment           ; 把代码段安排在这个位置
start   
        mov ax, addr1
        mov ds, ax      ; 设置数据段寄存器
        
        mov ax, addr2
        mov ss, ax      ; 设置栈段寄存器
        mov sp, 20h     ; 设置栈顶指针寄存器
        
        ...             ; 其他代码
addr3 ends

end start

以上就是一个汇编代码的基本程序结构,我们给它安排了 3 个段。

3 个标号:addr1addr2addr3,代表了每一个段的开始地址。在代码段的开始部分,把数据段标号 addr1 代表的地址,赋值给 DS 寄存器;把栈段标号 addr2 代表的地址,赋值给 SS 寄存器。

这里的标号,是不是与 C 语言中的 goto 标号很类似? 都是表示一个地址。

注意这里赋值给栈顶指针 SP 寄存器的值是 20H

因为栈段的使用是从高地址向低地址方向进行的,所以需要把栈顶指针设置为最大地址单元的下一个地址空间。

假设把第一个数据入栈时(eg: 先执行 mov ax, 1234h,再执行 push ax),CPU 要做的事情是: 先执行 SP = SP - 2,此时 SS:SP 指向 1000:001E,然后再把 1234h 存储到这个地址空间:

另外,代码中最后一句 end start,用来告诉编译器:代码段中 start 标号代表的地址,就是这个程序的入口地址,编译之后这个入口地址信息也会被写入可执行程序中。

当可执行文件被加载到内存中之后,加载程序会找到这个入口地址,然后把 CS:IP 设置为指向这个入口地址,从而开始执行第一条指令。

我们再来对比一下《Linux系统中编译、链接的基石-ELF文件:扒开它的层层外衣,从字节码的粒度来探索》中列出的 ELF 可执行文件中的入口地址,它与上面 8086 下的 start 标号代表的入口地址,在本质上都是一样的道理:


------ End ------

推荐阅读

【1】C语言指针-从底层原理到花式技巧,用图文和代码帮你讲解透彻
【2】一步步分析-如何用C实现面向对象编程
【3】原来gdb的底层调试原理这么简单
【4】内联汇编很可怕吗?看完这篇文章,终结它!

其他系列专辑精选文章C语言Linux操作系统应用程序设计物联网

星标公众号,能更快找到我!

相关文章:

猜你喜欢