Linux從頭學：如何告訴 CPU，代碼段、數據段、棧段在內存中什么位置？
- 幾個重要的段寄存器
- Linux 2.6 中的線性地址區間
- 一個“完整”的 8086 匯編程序
前兩篇文章，我們一起學習了 8086 處理器中關于 CPU、內存的基本使用方式，重點對段寄存器和內存的尋址方式進行了介紹。
可能有些小伙伴會對此不屑：現在都是多核的現代處理器，操作系統已經變得非常的強大，為何還去學習這些古董知識?
前幾天看到下面這段話，可以來回答這個問題：
“我們都希望學習最新的、使用的東西，但學習的過程是客觀的。”
“任何合理的學習過程(盡可能排除走彎路、盲目探索、不成系統)都是一個循序漸進的過程。”
“我們必須先通過一個易于全面把握的事物，來學習和探索一般的規律和方法。”
就拿學習 Linux 操作系統來說，作為一個長期的學習計劃，不太可能一上來就閱讀最新的 Linux 5.13 版本的代碼。
更有可能是先學習 0.11 版本，理解了其中的一些原理、思想之后，再循序漸進的向高版本進行學習、探索。
那么對于 《Linux 從頭學》這個系列的文章來說，我是希望自己能夠把學習路線再拉長一些，從更底層的硬件機制、驅動原理開始，由簡入繁，一步一步最終把 Linux 操作系統這個塊硬骨頭給啃下來。
那么今天我們就繼續 8086 下的學習，來看看一個相對“完整”程序的基本結構。
幾個重要的段寄存器
在 x86 系統中，段尋址機制以及相關的寄存器是如此的重要，以至于我忍不住在這里，把幾個段寄存器再小結一下。
- 代碼段：用來存放代碼，段的基地址放在寄存器 CS 中，指令指針寄存器 IP 用來表示下一條指令在段中的偏移地址;
- 數據段：用來存放程序處理的數據，段的基地址存放在寄存器 DS 中。對數據段中的某個數據進行操作時，直接在匯編代碼中通過立即數或寄存器來指定偏移地址;
- 棧段：本質上也是用來存放數據，只不過它的操作方式比較特殊而已：通過 PUSH 和 POP 指令來進行操作。段的基地址存放在寄存器 SS 中，棧頂單元的偏移地址存放在寄存器 IP 中。
這里的段，本質上是我們把內存上的某一塊連續的存儲空間，專門存儲某一類的數據。
我們之所以能夠這么做，是因為 CPU 通過以上幾個寄存器，讓我們這樣的“安排”稱為一種可能。
一句話總結：CPU 將內存中的某個段的內容當做代碼，是因為 CS:IP 指向了那里;CPU 將某個段當做棧，是因為 CS:SP 指向了那里。
在之前的一篇文章中，演示了 ELF 格式的可執行文件中，具體包含了哪些段《Linux系統中編譯、鏈接的基石-ELF文件：扒開它的層層外衣，從字節碼的粒度來探索》：
雖然這張圖中描述的段結構更復雜，但是從本質上來說，它與 8086 中描述的段結構是一樣的!
Linux 2.6 中的線性地址區間
在一個現代操作系統中，一個進程中使用的的地址空間，一般稱作虛擬地址(也稱作邏輯地址)。
虛擬地址首先經過段轉換，得到線性地址;然后線性地址再經過分頁轉換，得到最終的物理地址。
- 這里再啰嗦一下，很多書籍中隊內存地址的稱呼比較多，都是根據作者的習慣來稱呼。
- 我是按照上圖的方式來理解的: 編譯器產生的地址叫做虛擬地址，也叫做邏輯地址，然后經過兩級轉換，得到最終的物理地址。
在 Linux 2.6 代碼中，由于 Linux 把整個 4 GB 的地址空間當做一個“扁平”的結果來處理(段的基地址是 0x0000_0000，偏移地址的最大值是 4GB)，因此虛擬地址(邏輯地址)在數值上等于線性地址。
我們再結合上次給出的這張圖來理解：
這張圖的意思是：在 Linux 2.6 中，用戶代碼段的開始地址是 0，最大范圍是 4 GB;用戶數據段的開始地址是 0，最大范圍也是 4 GB;內核的數據段和代碼段也是如此。
- 為什么：虛擬地址(邏輯地址)在數值上等于線性地址?
- 線性地址 = 段基址 + 虛擬地址(偏移量)，因為段基址為 0 ，所以線性地址在數值上等于虛擬地址。
Linux 之所以要這樣安排，是因為它不想過多的利用 x86 提供的段機制來進行內存地址的管理，而是想充分利用分頁機制來進行更加靈活的地址管理。
還有一點需要提醒一下：
在上述描述的文字中，我都會標明一個機制或者策略，它是由 x86 平臺提供的，還是由 Linux 操作系統提供的。
對于分頁機制也是如此，x86 硬件提供了分頁機制，但是 Linux 在 x86 提供的這個分頁機制的基礎上，進行了擴展，以達到更加靈活的內存地址管理目的。
因此，各位小伙伴在看一些書籍的時候，心中要有一個譜：當前描述內容的上下文環境是什么。
當我們創建一個進程的時候，在內核中就會記錄這個進程所擁有的所有線性地址區間。
進程所擁有的所有線性地址區間是一個動態的過程，根據程序的需求隨時進行擴展或縮小。例如：把一個文件映射到內存，動態加載/卸載一個動態庫等等。
我們知道，內核在操作物理內存的時候，是通過“頁框”這個單位來管理的。
一個頁框可以包含 1-n 個頁，每一頁的大小一般是 4 KB，這是對物理內存的管理。
一個線性地址區間可以包含多個物理頁。每一個線性地址最終通過多級的頁表轉換，來最終得到一個物理地址。
注意：上圖中，線性地址區間1，映射到物理地址空間中的 N 個 Page，這些 Page 有可能是連續的，也有可能不是連續的。
雖然在物理內存中是不連續的，但是由于被分頁轉換機制進行了屏蔽，我們在應用程序中都是按照連續的空間來使用的。
一個“完整”的 8086 匯編程序
我們再繼續回到 8086 系統中來。
這里描述的地址，經過段地址轉換之后，就是一個物理地址，沒有經過復雜的頁表轉換。
這也是我們以 8086 系統作為學習平臺的目的：拋開復雜的操作系統，直接探索底層的東西。
在這個最簡單的匯編程序中，會使用到 3 個段：代碼段，數據段和棧段。
前面已經說到：所謂的段，就是一個地址空間。既然是一個地址空間，必然包含 2 個元素：從什么地方開始，長度是多少。
還是直接上代碼：
- assume ds:addr1, ss:addr2, cs:addr3
- addr1 segment ; 把數據段安排在這個位置
- db 32 dup (0) ; 這 32 個字節，是數據段的大小
- addr1 end
- addr2 segment ; 把棧段安排在這個位置
- db 32 dup(0) ; 這 32 個字節，是棧段的大小
- addr2 end
- addr3 segment ; 把代碼段安排在這個位置
- start
- mov ax, addr1
- mov ds, ax ; 設置數據段寄存器
- mov ax, addr2
- mov ss, ax ; 設置棧段寄存器
- mov sp, 20h ; 設置棧頂指針寄存器
- ... ; 其他代碼
- addr3 ends
- end start
以上就是一個匯編代碼的基本程序結構，我們給它安排了 3 個段。
3 個標號：addr1、addr2 和 addr3，代表了每一個段的開始地址。在代碼段的開始部分，把數據段標號 addr1 代表的地址，賦值給 DS 寄存器;把棧段標號 addr2 代表的地址，賦值給 SS 寄存器。
- 這里的標號，是不是與 C 語言中的 goto 標號很類似?都是表示一個地址。
注意這里賦值給棧頂指針 SP 寄存器的值是 20H。
因為棧段的使用是從高地址向低地址方向進行的，所以需要把棧頂指針設置為最大地址單元的下一個地址空間。
假設把第一個數據入棧時(eg: 先執行 mov ax, 1234h，再執行 push ax)，CPU 要做的事情是: 先執行 SP = SP - 2，此時 SS:SP 指向 1000:001E，然后再把 1234h 存儲到這個地址空間：
另外，代碼中最后一句 end start，用來告訴編譯器：代碼段中 start 標號代表的地址，就是這個程序的入口地址，編譯之后這個入口地址信息也會被寫入可執行程序中。
當可執行文件被加載到內存中之后，加載程序會找到這個入口地址，然后把 CS:IP 設置為指向這個入口地址，從而開始執行第一條指令。
我們再來對比一下《Linux系統中編譯、鏈接的基石-ELF文件：扒開它的層層外衣，從字節碼的粒度來探索》中列出的 ELF 可執行文件中的入口地址，它與上面 8086 下的 start 標號代表的入口地址，在本質上都是一樣的道理：
本文轉載自微信公眾號「 IOT物聯網小鎮」，可以通過以下二維碼關注。轉載本文請聯系 IOT物聯網小鎮公眾號。
【編輯推薦】
