一段C语言和汇编的对应分析，揭示函数调用的本质

最近网易云课堂开放了一节叫Linux内核分析的课程。一直对操作系统和计算机本质很感兴趣，于是进去看了下，才第一堂课，老师就要求学生写一篇关于课时1的博客作为作业。对于这种新颖的作业形式，笔者相当惊讶。好吧，作为任务，还是完成一下吧，刚好需要消化一下。本文将会按照要求，将一段C语言代码编译成汇编，并给予分析和自己的思考。

本文作者周平，原创作品转载请注明出处

首先对会涉及到的一些CPU寄存器和汇编的基础知识罗列一下：

• 16位、32位、64位的CPU寄存器名称有所不同，比如指令地址寄存器ip，在16位中叫ip，32位中叫eip，64位叫rip
• 32位的汇编指令通常以l结尾，比如movl相当于mov的含义
• ebp : 堆栈基地址 寄存器，这个寄存器保存的是当前执行绪的栈底地址
• esp : 堆栈栈顶 寄存器，这个寄存器保存的是当前执行绪的栈顶地址
• eip : 指令地址 寄存器，这个寄存器保存的是指令所在的地址，CPU会不断的根据eip所指向的指令去内存取指令并执行，并自行累加取下一条指令逐条执行。eip无法直接赋值，call、ret、jmp等指令可以起到修改eip的作用
• %用于直接寻址寄存器，$用于表示立即数。movl $8, %eax表示把立即数8存到eax中
• ()用于内存间接寻址，比如movl $10, (%esp)表示将立即数10保存到esp所指向的内存地址中
• 8(%ebp)表示先找到 ebp所指向的地址值+8后得到的地址
• 栈地址值是向下增长的，即栈顶从高地址向低地址移动

准备工作

准备一段C代码：

int g(int x)
{
    return x+5;
}

int f(int x)
{
    return g(x);
}

int main(void)
{
    return f(10)+1;
}

使用实验楼环境

编译成汇编代码

使用如下命令编译上面的c代码

gcc -S -o main.s main.c -m32

去掉不重要的部分后，得到：

汇编代码结果为：

g:
	pushl	%ebp
	movl	%esp, %ebp
	movl	8(%ebp), %eax
	addl	$5, %eax
	popl	%ebp
	ret
f:
	pushl	%ebp
	movl	%esp, %ebp
	subl	$4, %esp
	movl	8(%ebp), %eax
	movl	%eax, (%esp)
	call	g
	leave
	ret
main:
	pushl	%ebp
	movl	%esp, %ebp
	subl	$4, %esp
	movl	$10, (%esp)
	call	f
	addl	$1, %eax
	leave
	ret

分析

具体的逐步分析，这里就省了，老师课上讲的很详细了，这里主要是要进行思考和归纳。

首先，我们看到3个C函数对应生成了3个部分的汇编代码，分别用函数名作为标号隔开了

int g(int x) -> g:
int f(int x) -> f:
int main(void) -> main:

我们知道程序是从main函数开始执行的，那么当程序被加载并运行时，上面的汇编代码会被加载到内存的某一个区域。而且，CPU中的很多寄存器都会初始化，当然其中最重要的是eip，因为eip是指向下一条将要执行的命令所在的内存地址，所以此时的eip应该指向main标号下的pushl %ebp：

main:
eip ->  pushl %ebp

程序开始执行…

我们捆绑着看，首先先看这两条：

pushl	%ebp
movl	%esp, %ebp

再观察一下整个代码，有没有发现不仅仅是main函数，函数f和g的开头也是这两个指令。分析一下，不难得出，这两条指令是指将当前栈基地址压栈后，重新将基地址定位到栈顶，这个含义其实是保存好当前的基地址，重新开始一个新的栈。由于函数可以调函数，这里的当前基地址，实际上是上一个函数的栈基地址。例如，在f函数中的这两句指令，实际上保存的是main函数的栈基地址。

接着来分析两句：

subl	$4, %esp
movl	$10, (%esp)

对照C代码不难发现，这是参数进栈，将立即数10，保存到栈顶(esp所指向的内存地址是栈顶)。而在f函数中也可以发现类似的语句：

subl	$4, %esp
movl	8(%ebp), %eax
movl	%eax, (%esp)

所以，我们可以得出结论是，在调用函数前需要把参数逐个压栈，而压栈的顺序根据笔者的测试是从右向左的。

接着调用call指令，跳转到f函数，我们知道call指令等同于下面的伪代码：

pushl %eip+1
movl %eip f

即把call指令的后一条指令进栈后，将eip赋值为目标函数的第一个指令地址。这样做显而易见：当所调用的函数结束后，需要返回当前函数继续执行，所以必须要保存下一条指令，否则回来的时候就找不到了。

来到f函数，首先是保存main函数的栈基地址，然后需要调用g函数，于是需要参数先进栈：

subl	$4, %esp
movl	8(%ebp), %eax
movl	%eax, (%esp)

这里重点思考一下，f函数是如何获得main函数传递过来的参数的，我们看到

movl	8(%ebp), %eax

为什么参数是从8(%ebp)中获得的呢？我们知道8(%ebp)表示的是以ebp为基准向栈底回溯8个字节得到，为什么是8个字节呢？

回想一下，在main函数中完成了参数进栈后做了两件事情：

1. 由于call f指令的作用，call f下一条指令的地址被压栈了，这占用率4个字节
2. 进入f函数后，立即将main函数的栈基地址进栈了，而且将ebp靠向了栈顶esp，这又占用了4个字节

于是通过8(%ebp)可以找到前一个函数的第一个整型参数的值。

一张图告诉你怎么回事：

看过了进入函数，调用函数的过程，再看一下函数是如何退出的。观察main和f不难发现，退出函数使用的是如下指令

leave
ret

leave指令相当于如下指令：

movl	%ebp, %esp
popl	%ebp

• 第一条语句是将esp重置到ebp，可以理解为清空当前函数所使用的栈
• 第二条语句是将栈顶值赋值给ebp，并弹出，栈顶值是什么呢？通过上面的分析不难发现，此时的栈顶值实际上是前一个函数的栈基地址，所以第二条语句的意思就是把ebp恢复到前一个函数的栈基地址

接着ret就是相当于，恢复指令指向：

popl %eip

为什么g函数没有leave呢？因为g函数内部没有任何的变量声明和函数调用栈一直都是空的，所以编译器优化了指令

总结

最后，通过这个例子，总结一下函数调用的过程：

进入函数：

1. 当前栈基地址压栈(当前栈基地址实际上是前一个函数的栈基地址)

调用其他函数：

1. 参数从右到左进栈
2. 下一条指令地址进栈

退出函数：

1. 栈顶esp归位，回到本函数的ebp
2. 基地址回退到上一个函数的基地址
3. eip退回到上一个函数即将要执行的那条语句的地址上