Linux------进程地址空间

目录

一、进程地址空间

二、地址空间本质

三、什么是区域划分 

四、为什么要有地址空间

1.让进程以统一的视角看到内存

2.进程访问内存的安全检查

3.将进程管理与内存管理进行解耦

---

一、进程地址空间

在我们学习C/C++的时候，一定经常听到数据存放在堆区、栈区、常量区、全局区等等概念。今天我们来详细了解一下这些是怎么回事。

我们下面这张图是32位系统最多能表示的范围，00000000到FFFFFFFF，数据都存放在该区域里，我们在该区域里进行位置的划分。其实这并不是真实的内存，而是进程地址空间。

我们可以写一段代码来验证一下地址是否是这样分布的。

#include<stdio.h>
#include<stdlib.h>                                                       
int un_gval;
int init_gval = 100;

int main()
{
    printf("代码区:%p\n", main);

    const char* str = "hello linux";

    printf("字符常量区:%p\n", str);
    printf("已初始化全局数据区:%p\n", &init_gval);
    printf("未初始化全局数据区:%p\n", &un_gval);

    char* heap1 = (char*)malloc(100);

    printf("堆区1:%p\n", heap1);
    printf("栈区:%p\n", &heap1);
    return 0;
}

运行一下可以看到打印出来的地址逐渐变大。

 刚好给之前的图对比起来，数据就是按照这个位置来存放的。

 我们多创建几个变量，看看堆和栈的生长方向是往哪边的。

#include<stdio.h>
#include<stdlib.h>                                                       
int un_gval;
int init_gval = 100;

int main()
{
    printf("代码区:%p\n", main);

    const char* str = "hello linux";

    printf("字符常量区:%p\n", str);
    printf("已初始化全局数据区:%p\n", &init_gval);
    printf("未初始化全局数据区:%p\n", &un_gval);

    char* heap1 = (char*)malloc(100);
    char* heap2 = (char*)malloc(100);
    char* heap3 = (char*)malloc(100);
    char* heap4 = (char*)malloc(100);

    printf("堆区1:%p\n", heap1);
    printf("堆区2:%p\n", heap2);
    printf("堆区3:%p\n", heap3);
    printf("堆区4:%p\n", heap4);
    printf("栈区1:%p\n", &heap1);
    printf("栈区2:%p\n", &heap2);
    printf("栈区3:%p\n", &heap3);
    printf("栈区4:%p\n", &heap4);
    return 0;
}

打印结果如下，根据之前的图可以看到，堆栈相向而生，栈往地址变小的地方生长，堆往地址变大的方向增长。

虽然栈内的定义的变量地址逐渐减小，但是如果我们将目光放细微一点，比如一个数组，在数组内部，索引大的地方比索引小的地方地址要大。这也是为什么我们变量要使用++。

如下代码，按照我们之前的分析，站内定义的变量地址逐渐减小，arr2的地址肯定比arr1小，但是在数组中，索引9的地址要比索引0地址大。栈全局地址变小，局部地址变大。

这个程序进程地址空间图栈的部分如下所示，开辟空间的起始地址是在低地址处，会根据你开辟的大小，给你预留好位置，内部索引地址逐渐变大。

同理，结构体的地址分布也是类似， 全局地址变小，局部地址变大。都是以起始地址+偏移量进行访问的。

静态变量也是存放在全局区的，具体存放在已初始化全局数据区，因为编译器将静态变量认为了全局变量，因此函数调用了该变量，函数结束时静态变量并不会被释放。

二、地址空间本质

基于地址空间，重新理解地址。

我们使用代码来举例，如下代码定义了一个全局变量，fork一份子进程，让子进程修改一下全局变量的值，观察父子进程打印出来的值以及值地址变化情况。

#include<stdio.h>
#include<stdlib.h>
#include<sys/types.h>
#include<unistd.h>

int g_val = 100;

int main()
{
    pid_t id = fork();
    if(id==0)
    {
        //child
        int cnt = 5;
        while(1)
        {
            printf("child, Pid: %d,Ppid: %d,g_val: %d,&g_val: %p\n",getpid(),getppid(),g_val,&g_val);
            sleep(1);
            if(cnt == 0)
            {
                g_val=200;                                                                               
                printf("子进程的g_val变为了200\n");
            }
            cnt--;
        }
    }
    else
    {
        //father
        while(1)
        {
            printf("father, Pid: %d,Ppid: %d,g_val: %d,&g_val: %p\n",getpid(),getppid(),g_val,&g_val);
            sleep(1);
        }
    }
}

打印出来看看结果，这有点颠覆我们的认知，同一地址，竟然能存放两个值，写时拷贝不应该地址不相同吗。 

至此，我们能得出一个结论：我们C/C++看到的地址，绝对不是物理地址。 其实我们平时用到的地址，都是虚拟地址。

我们还知道，基于冯洛伊曼体系结构，进程的变量与数据，最终一定要在内存里。每一个进程运行之后，都会有一个进程地址空间的存在。通过页表映射结构（kv模型），虚拟地址映射到物理地址，通过查找页表，就可以找到数据真实的存放位置了。这样才能保证，同一的进程地址空间的地址，有着不同的值。

具体结构如下，父进程task_struct里有字段能指向属于他自己的进程地址空间，进程地址空间里的虚拟地址，通过页表映射能找到物理地址，这样一来就能找到数据真实存放地址了。

父进程fork后创建子进程，子进程也有自己的task_struct，自己的进程地址空间，自己的页表结构，因此我们看到g_val变量在父进程的地址是0x60105c，子进程也是一样的值，一开始父子进程都页表映射都指向的是同一块物理地址，但是当子进程g_val发生变化后，页表的key不变，依然是0x60105c，但value会发生变化，这是写时拷贝，操作系统会在物理内存中新开辟一段空间，将新的值放入进去，同时将该地址写到子进程的页表里，这才完成了流程。 

有了这一块知识，现在我们也能理解fork之后，返回的 id 为何可以有两个值。

为了方便理解，我们再讲一个小故事。

        有一个大富翁，他拥有十亿美元，男人有钱就变坏，他也不例外，他的理想是一片森林而不是一颗树木，根本不打算结婚。彩旗飘飘的他，生下了4个私生子，这4个私生子互相不知道对方的存在，认为只有自己是他的儿子/女儿。他死后，自己一人能继承富翁的所有财产。平时私生子找大富翁要钱，要得很多大富翁肯定不会给，我都没死呢？你要这么多钱，我还用啥？但是金额不大的情况下，大富翁还是十分慷慨，说给就给。就这样一直生活下去。

在这个故事中，大富翁就是操作系统，十亿美元就是内存，私生子们就是各个进程。大富翁给每一个私生子都花了一张大饼，我的钱都是你的，这一张大饼就是进程地址空间。私生子(进程)每个人都以为自己有十个亿(内存)，但是他们每个人都不可能要十个亿(内存)。

每一个进程都要有地址空间，地址空间也要被操作系统管理起来，管理就要用到之前我们在冯诺依曼体系结构中提到的 先描述，再组织 。因此，进程地址空间本质就是一个内核的数据结构对象，就是一个结构体！

三、什么是区域划分 

在进程地址空间中，我们进行了很多划分，将数据划分到对应的区中，再用页表映射到物理内存上，这样方便我们更好管理。生活中也存在区域划分的情况，比如我们上学时期同桌给划分的三八线，超过线就要被惩罚。

在Linux中，这个进程/虚拟地址空间的东西，叫做：struct mm_struct 

例如

struct mm_struct
{

        long code_start；
        long code_end;
        long data_start;
        long data_end;
        long heap_start;
        long heap_end;
        long stack_start;
        long stack_end;
        //........等等
}

使用long整形将区域的起始地址和结束地址存放起来，进程就可以将数据放到对于区域的地址范围中。这样就完成了区域划分。

我们打开linux2.6的源码也可以看到一些。 

我们之前提到过堆栈相向而生，这样就能让堆栈的区域可以灵活调整，只需要修改一下区域的start和end变量即可。

四、为什么要有地址空间

1.让进程以统一的视角看到内存

任意一个进程，可以通过地址空间+页表将乱序的内存数据，变成有序，分门别类的的规划好！

如果没有地址空间，将来我们有程序加载时，肯定先加载代码，放到内存中某个位置，我们后续继续运行程序，会不断生成新的数据，该数据不一定放在代码加载地址的下面，因为该区域可能存在其他进程的数据。这样数据就是无序的。

有了进程地址空间，进程只知道数据在进程地址空间的某个规定的区域内就可以了，有页表的存在，不需要关心具体在物理内存的那个地方。这样就将无序转为了有序。

2.进程访问内存的安全检查

我们要对进程进行约束，防止进程对物理内存的一些不安全的行为。

比如代码段或者常量区是只读的，通过页表进行虚拟地址向物理地址的转化，同时页表中还有访问权限字段，该字段有r（读）、rw（读写）等等权限来进行进程访问内存的安全检查，如果不加以控制，进程对代码段随意修改，或者对常量区的数据修改，就会在页表处被拦住，不让你继续处理。

还有防止你对非法地址的访问，因为页表中根本没有非法地址的映射。只让你访问已经定义或开辟了内存的内容。

3.将进程管理与内存管理进行解耦

进程管理好理解，将进程从阻塞变为运行，加载进程的task_struct数据等等操作都是在进行进程管理。下面举个进程管理的实际应用的例子：

进程进行各种转化（虚拟到物理），各种访问（内存），一定是这个进程正在运行。（进程没在CPU上运行，根本就不会去访问内存）。每一个进程肯定是在CPU上运行的，CPU内存在一个叫做CR3的寄存器，他存放了当前进程页表的地址（物理地址），CR3也是进程的上下文，当进程切换的时候，进程的task_struct一定会保存CR3中的内容，再退出，而另一个进程运行前， 也一定要将CR3的填上自己task_struct中的数据，也就是说进程切换还要将进程地址空间和页表也做切换。这些本质上都是task_struct里面的字段

 而内存管理，我们讲个故事

        比如我们玩一些比较大的游戏，比如英雄联盟、CF或者其他3A大作，这种游戏小则10多个G，大则50G，一般电脑的内存是装不下的，但是这并不妨碍我们能运行这些游戏。

        当一个游戏很大的时候，操作系统并不会将游戏全部加载到内存里，他只需要加载游戏中的某一部分，比如你先登录的时候，他只加载登录这一部分，再比如吃鸡这种多人游戏，他会通过判断地图的远近和对手的距离，只加载你附近的建筑和对手，很远的东西就不考虑（这也是为何吃鸡人少的地方不卡，人一多就开始卡起来）。

        在我们学习进程状态的时候在一个状态叫做挂起状态，当操作系统内存资源严重不足，当前进程正在运行或者阻塞，他的代码和数据在内存中仍要占用空间，现在的该进程的某部分内容并不会被调度，操作系统就会将这些代码和数据置换出去。页表中还有一个字段用来表明虚拟地址是否分配有物理地址，里面是否有内容。

        如果当前进程从11变成了00字段，就代表代码已经没有分配了，内容已经被置换出去了，该空间就被释放了，就可以给别人使用的，如果查页表时，发现很多映射字段都为00，我们就可以认为当前进程是挂起的。

        有了挂起，就可以让游戏的一部分申请进入内存，如果不需要了，就将他字段修改为00，这样就可以让进程边加载边执行。

        如果进程地址空间中代码字段为00，当前没有分配且无内容，但现在我们又要运行了，操作系统就会将你的访问请求先暂停，让内存加载这部分内容，页表重新填写映射的物理地址，字段修改为11，最后取消暂停，让你访问。这个工作我们称之为缺页中断。

        其实我们这一套操作，叫做内存管理，进程并不知道我们详细做了什么。这样就完成了进程管理与内存管理的解耦

因为有了进程地址空间的存在，让不同的进程经过页表， 映射到物理内存的不同处，从而支持进程独立性。因为每个进程都有自己的进程地址空间与页表。