程序的机器级表示（一）——概述

闲聊：这即将是一个非常非常重要的系列，参考mooc上南京大学的计算机系统基础和经典书目《深入理解计算机系统》，也是我每次上新课都得返回去学旧知识的课，周而复始，感触颇深， 我还是没记住 这周还要准备其他科目期中考试，但是不总结一下我后边的课又听不懂了，所以这周注定是多个不眠之夜，想想小鬼经常熬夜写歌还是觉得自己应该再努力一点，计算机学院的同学们都加油！话不多说，我们开始啦！
综述：这章重点是机器级语言，机器级语言分为机器语言和汇编语言，这章主要学习的是IA-32指令系统下的汇编语言，mooc表述基础是x86-32，csapp表述基础是x86-64，前期概念都是一样的，指令集的差异会单独列出
更新（2021.4.8）：没想到这么快一年就过去了，重新看了一遍之前写的博客，发现很多当时看不懂的内容都在计组和微机原理里学习到了，现在微机原理在学8086指令集，觉得那本教材学的太抽象了，决定回味一下CSAPP的魅力。
没想到一年过去了，我还是那么喜欢小鬼！

指令系统概述

计算机执行机器代码，编码都是以字节为单位，汇编代码是与特定机器密切相关的

一.程序转换概述

• 基本知识回顾
  1 存储程序的工作方式
  2 程序由一系列指令构成，开始指令和数据都存储在存储器中，在存储器中都是以二进制方式编码，不进行区分。根据PC取指令，译码，取操作数，执行操作，回写结果，修改PC的值，根据PC取下一条指令（IF-ID-EX-MEM-WB）
  3 当指令执行时，将数据和指令从存储器取到相应的寄存器，指令在IR中，数据在GPRs中
  4 指令的信息
  （1）操作码（2）立即数，寄存器编号，存储地址（3）目的操作数地址（结果应该回写到什么地方）
  5 指令的地址都存放在PC中（这里有个测试题是指令中包含的信息是否包括下条指令的地址，学了计组后开始纠结到底有没有，回想跳转指令好像没有直接给pc赋值的，都需要进行寄存器寻址或者pc相对寻址，所以应该没有指令直接包含下条指令的地址）
  存储地址的描述和存储方式与数据结构有关（根据不同的格式进行寻址）

• 计算机如何处理数据
  1 使用机器代码，用字节序列编码
  2 层次语言的转换：指令就是软硬件的接口
  

• 指令：微指令，伪指令，机器指令
  机器指令在硬件和软件交界面，0-1序列，书写困难，所以引入汇编指令方便阅读
  微指令属于硬件，相当于一条条控制信号
  伪指令属于软件，相当于很多指令组成的一个集合，比如RISC-V指令集中的j指令
  汇编指令是用符号（助记符）表示的指令， 机器指令和汇编指令一一对应
  机器级指令与硬件息息相关，包括汇编指令和机器指令
  以下是机器指令格式示意图（梦回计组）
  
  
  这里的M[]非常重要，后续会影响是取地址还是取值

• GCC编译器套件 让我们看看源程序怎么生成可执行文件，初学高级语言时经常听到GCC这个词，但是不知道是干啥的，这里给出了解释。GCC实际上包括编译器，汇编器和链接器
  
  1 预处理：将头文件和#define声明的相关内容插入源程序中
  2 编译 转换为汇编语言
  3 汇编 转换为可重定位机器语言目标代码（后续介绍重定位的概念）
  4 链接 将一些函数链接进去（printf()什么的，用早已生成的机器代码插入)，生成最终的可执行目标文件。

• GCC使用实例
  1.语句解读
  gcc-O1 main.c test.c-o test
  表示使用gcc编译套件，使用一级优化（其实就是对代码优化一下）
  计组老师上课举了个例子：将>=优化为>,结果导致了数据溢出
  两个.c文件链接生成test文件
  
  
  以上图片显示了三种汇编语言，分别是由源程序编译得到的，可重定位目标文件反汇编形成的，可执行目标文件反汇编形成的，我们来对比他们的区别。
  1 可重定位比编译：
  （1）指令的地址有相对于函数首地址的偏移量
  （2）没有长度后缀
  （3）用16进制表示，编译得到的是十进制。
  2 当汇编得到可执行文件时，地址成为了确切的虚拟地址，未重定位时所有的地址都是偏移地址，并且这个偏移地址是相对于整个文件的。
  Hello.o和hello反汇编得到的程序指令完全一致，只是地址不同。

• 回顾：机器级代码的两种抽象：ISA（Instruction Set Architecture)和虚拟地址
  ISA： 对软件如何使用硬件的描述
  高级程序语言对于机器来说非常难理解，ISA就是一个对硬件使用的描述，比如一个数据应该是多少位，小鬼的名字应该有多长
  计算机组成和指令集的区别：计算机的组成应该满足于某一种指令集，一种指令集可能对应多种计算机组成

二.IA-32指令系统概述

以下内容和x86-64有所不同，但只是格式有些区别，思想没有差异。

• 硬件描述：
  （1）8个GPR（0-7）
  （2）一个标志寄存器
  （3）PC（EIP）：给出将要执行的下一条指令在内存中的地址
  （4）可寻址空间为4GB
• 标志寄存器
  （1）条件标志 OF CF SF ZF（条件码）：在控制语句中使用
  AF(进位辅助标志） PF（奇偶标志）
  （2）控制标志
  …
• 计算机中的计算问题
  一些重要的认识：
  （1）计算机中所有运算都基于加法器
  （2）加法器不能区分所运算的是带符号数还是无符号数
  （3）加法器不能判定结果对错，总是取低n位作为结果，并产生标志信息
• 数据格式：根据操作数据长度不同，汇编指令后缀也有所不同。
• 寻址方式：如何根据指令中信息找到操作数
  1 根据操作数所在的位置
  （1）指令中直接出现：立即寻址
  （2）寄存器中：寄存器寻址
  （3）存储单元中：属于存储器操作数，按字节编址：其他寻址方式
  2 存储器操作数的寻址方式与工作模式有关
  实地址模式：如8086，实地址模式是为了向前兼容
  保护模式 加电过程采用实地址模式，加电结束后使用虚拟地址（起保护作用）
  3 保护模式下的寻址方式：
  （1）立即寻址
  （2）寄存器寻址
  （3）其他寻址方式
  
  SR：段基址
  有效地址：操作数所在段的偏移地址
  相对寻址：与现在的指令执行情况有关（与pc有关）
• 举例（高级语言对于比例变址的需求决定了复杂的寻址方式）
  
• IA-32机器指令格式（变长指令字，变长操作码）
  1 位移量和立即数可以是一个字节（b），两个字节（w），和四个字节（l）
  2 SIB中的基址B和变址I可以是GPR中任一个（变址指的是其形式地址可以改变，基址中的形式地址往往是个常量，比如CS,DS，段基址一般是个常量）SS是比例因子，比例因子为1 2 4 8，因此用两位表示
  

简单实践

见csappP114代码示例，如果不想装虚拟机可以在educoder实训中使用其命令行服务。