我的汇编学习之路（1）：指令

我们很多人是开发者，每天写大量的代码，有时也不是糟糕的代码。每个人都能很轻松写下这样的代码：

1 2 3 4 5 6 7 8

#include <stdio.h>   int main() {    int x = 10;    int y = 100;    printf ( "x + y = %d" , x + y);    return 0; }

大家都能理解上面这段 C 语言代码完成的功能，但是…这段代码底层是如何工作的呢？我想我们中间不是所有人都能回答这个问题，我也不能。我认为我可以用高级编程语言写代码，例如 Haskell、Erlang、Go 等等，但是我完全不知道在编译之后它在底层是如何工作的。所以，我决定往下再深入一步，到汇编这个层次，并且记录下我的学习汇编之路。希望这是有趣的过程，而不是仅仅对我一个人。大约五、六年前我已经使用过汇编来写简单的程序，那时我还在上大学，用的是 Turbo 汇编和 DOS 操作系统。现在我使用 Linux-x86_64 操作系统，是的，64 位 Linux 和 16 位 DOS 肯定有很大的不同。那我们就开始吧。

准备阶段

在开始之前，我们需要准备一些我接下来要提到的东西。我使用的是 Ubuntu(Ubuntu 14.04.1 LTS 64 位) 系统，因此我的文章都是基于该操作系统和体系结构的。不同的 CPU 支持不同的指令集，我使用的是 Intel Core i7 870 处理器，所有代码都在这上面运行。另外我将用 nasm 汇编，你可以用下面命令来安装：

1	sudo apt-get install nasm

I它的版本应该是 2.0.0 或者更高了。我是用的是 2013年12月29日编译的 NASM version 2.10.09 版本。最后一部分，你需要一款写汇编代码的文本编辑器，我使用配有 nasm-mode.el 的 Emacs 编辑器。当然这不是强制性的，你可以选择任何你喜欢的文本编辑器。如果你像我一样使用的是 Emacs，你可以下载 nasm-mode.el，将你的 Emacs 配置成这样：

1 2 3

(load "~/.emacs.d/lisp/nasm.el" ) (require 'nasm-mode) (add-to-list 'auto-mode-alist ' ( ".(asm|s)$" . nasm-mode))

这就是目前我们需要准备的所有东西，其它工作在接下来的文章中会提到。

x64 语法

这里我就不全面介绍汇编的语法了，我们仅提一下这篇文章中用到的语法。通常 NASM 程序会被划分为不同的段（section），这篇文章中我们会涉及到两个段：

• 数据段（data section）
• 代码段（text section）

数据段用来定义常量（constant），常量是在运行时不会改变的数据。你可以定义数字或其他常量等等，声明一个数据段的语法如下：

1	section .data

代码段是存放代码（code）的，该段必须以 global_start 开始，告诉内核这里是程序开始执行的地方。

1 2 3

section .text global _start _start:

注释是以 ; 开始。每个 NASM 代码行包含下面四个字段的组合：

1	[label:] instruction [operands] [; comment]

中括号括起来的字段表示是可选的。基本 NASM 指令由两部分组成，第一部分是需要执行指令的名字，第二部分是该指令的操作数。例如：

1	MOV COUNT, 48  ;将数值 48 存放到 COUNT 变量中

Hello world

让我们用 NASM 汇编来写第一个程序吧，当然是传统的打印 “Hello world” 的程序。这是代码：

1 2 3 4 5 6 7 8 9 10 11 12 13 14

section .data      msg db      "hello, world!"   section .text      global _start _start:      mov     rax, 1      mov     rdi, 1      mov     rsi, msg      mov     rdx, 13      syscall      mov    rax, 60      mov    rdi, 0      syscall

的，看起来不像 printf(“Hello world”)，我们试着去理解它是什么、怎么工作的。先看 1-2 行，我们定义了一个数据段，并且有一个 msg 常量，值为 Hello world，那么我们就可以在代码中使用这个常量了。下一步是定义了一个代码段，以及程序的入口，代码从第 7 行开始执行。现在到了程序最有意思的部分了。我们已经了解了 mov 指令的功能，它带有两个操作数，将第二个操作数的值放到第一个操作数中。但是，rax、rdi 等等这些是什么呢？我们找到维基百科的解释：

中央处理单元（CPU）是计算机中的硬件，它读取计算机程序中的指令，完成系统中基本的算术、逻辑、输入/输出操作。

好了，CPU 完成一些操作，例如算术操作等，但是它从哪获得操作的数据呢？第一个答案是内存。然而从内存中读取和存入数据的速度远远低于处理器的速度，它涉及到复杂的通过控制总线来发送数据请求的过程。因此，CPU 有其内部的存储位置，称为寄存器（register）。

那么我们写 mov rax, 1，意思是将 1 放到 rax 寄存器中。现在我们知道什么是 rax、rdi、rbx 等等了吧，但是还需要知道什么时候使用 rax，什么时候使用 rsi 等等。

• rax —— 临时寄存器，当我们调用系统调用时，rax 保存系统调用号
• rdx —— 用来向函数传递第三个参数
• rdi —— 用来向函数传递第一个参数
• rsi —— 用来向函数传递第二个参数的指针

换句话说，我们就是调用了 sys_write 系统调用，该函数原型是：

1	ssize_t sys_write(unsigned int fd, const char *buf, size_t count)

它有三个参数：

• fd —— 文件描述符，0、1、2 分别代表标准输入、标准输出和标准错误
• buf —— 字符数组的指针，用来保存从 fd 指向的文件中获取的内容
• count —— 表示要从文件中读入到字符数组的字节数

我们知道 sys_write 系统调用带有三个参数，它在系统调用表中有一个系统调用号。我们再看看程序的实现，将 1 放到 rax 寄存器中，它意思是我们使用 sys_write 系统调用；下一行将 1 存到 rdi 寄存器，它是 sys_write 的第一个参数，1 代表标准输出；然后我们将 msg 的指针存到 rsi 寄存器中，这是 sys_write 的第二个参数 buf；接着我们传递 sys_write 最后一个参数（字符串的长度）到 rdx 寄存器中。现在，我们有了 sys_write 的所有参数，就可以在 11 行使用 syscall 来调用它了。好了，我们打印出 “Hello world” 字符串，现在需要从程序中正确退出。我们传递 60 到 rax 寄存器，60 是 exit 的系统调用号；以及将 0 传递给 rdi 寄存器，这是错误码，0 表示我们的程序正确地退出。这就是 “Hello world” 的所有分析，相当简单吧:)现在我们编译程序，假设我们的程序放在 hello.asm 文件中，那么我们需要运行下面的命令来执行：

1 2	nasm -f elf64 -o hello.o hello.asm ld -o hello hello.o

编译链接完成之后，我们得到可执行文件 hello，可以使用 ./hello 来运行，可以在终端看到输出 “Hello world”。

总结

本文用一个简单不能再简单的程序开始第一部分，接下来我们会看到一些算术运算。如果你有任何问题或者建议可以给我评论。

译注：所有的源代码，都可以在作者的 GitHub 找到。

关于作者： 海风林影