Linux学习记录——십삼 程序地址空间

---

1、了解程序地址测试代码

#include <stdio.h>
#include <assert.h>
#include <unistd.h>

int g_value = 100;
int main()
{
    pid_t id = fork();
    assert(id >= 0);
    if(id == 0)
    {
        //child
        while(1)
        {
            printf("我是子进程， 我的id是: %d, 我的父进程是: %d, g_value: %d, &g_value: %p\n", getpid(), getppid(), g_value, &g_value);
            sleep(1);
        }
    }
    else
    {
        //father
        while(1)
        {
            printf("我是父进程， 我的id是: %d, 我的父进程是: %d, g_value: %d, &g_value: %p\n", getpid(), getppid(), g_value, &g_value);
            sleep(2);
        }
    }
}

如果在子进程循环里写上g_value++，虽然它是全局变量，但对父进程没有影响。

这就是进程具有独立性。之前写过进程 = 内核数据结构 + 代码和数据，两个各自也都有独立性，保证相互独立的做法就是写时拷贝。

再看最后的地址。全都一样。g_value经过写时拷贝会变成两个变量，打印出来的地址应当是不一样的。如果是物理地址，读取同一个变量的地址，那么不会出现不同。子进程对变量进行了修改，但是父进程没有读取到，所以这个地址并不是物理地址。那么现在用的这个地址叫虚拟地址或者线性地址。

2、理解程序地址空间

操作系统会给进程分配好该有的内存量，比如有10g内存，3个进程，分别给他们仨3 3 4g内存。系统要管理进程地址空间，空间本质是一个内核数据结构，struct mm_struct{}。进程在申请空间时，不会直接把所有分配给的空间全要上，只要够这次程序用的空间，如果要得太多，系统也会拒绝。

地址空间会被分成很多区，比如栈区堆区等。所以存入地址空间的数据最终都会进入物理内存中。程序在访问数据时会访问地址空间，用的就是虚拟地址。

程序地址空间的各个区域如何理解?

区域的划分就是对线性区域进行指定start和end即可完成区域划分。程序地址空间是一个线性区域，从低地址到高地址分布，32位下每个地址是1个字节。这和真实内存一样，32位机器下，CPU访问内存中某个地址或者数据时，会先编址，编成只有0和1，而CPU与内存之间有2的32次方种连接，也就是2的32次方个地址，差不多4G，CPU就需要在这里面寻址，CPU寻址的最小内单位是1字节。程序地址空间也是如此，地址是连续的，每个都保证了唯一性，所以是线性区域，每个地址所能存储的最大空间是1字节。程序地址空间的地址是从0x全0到0x全F。

一个整数存进去时，占连续的4个字节，而整数的地址就是4个字节中最低的那个地址，数据类型则确定了从这个地址往后读几位。

程序地址空间是一个线性空间，系统对它的大小是早就计算好的，32位和64位的源代码不一样，32位的结构体就直接是4G。空间中每个区域会这样定义：

long code_start
long code_end
long init_start
long init_end

每个区域对应各自的变量名，init_start就是初始化区域的起始位置。

如果限定了区域，区域之间的数据就是虚拟地址或者线性地址。

区域的扩大缩小就是修改边界值start和end。

虽然有程序地址空间，但实际上数据只能存在内存中。虚拟地址在系统中会通过页表转为物理地址。

也就是说，程序声明一个变量，这个变量会在内存中有物理地址，在地址空间有对应的虚拟地址，当程序接下来使用这个变量时，CPU会把这个变量编址，编成一个地址，拿着这个地址去地址空间的划分好的各个区域去找，找到了，就通过页表链接到物理地址，也就真正找到了这个变量，然后对它进行操作。

-------------------------------------------------------------

回到刚才的问题，子进程修改数值不影响父进程。父进程和子进程都有各自的地址空间，通过页表连接到物理空间，当子进程想修改数据，内存会给他再申请另一块空间，数据也拷贝过去，子进程就连接到这个新的空间，所以他们的虚拟地址一样，但是连接到物理空间后数值不一样，因为在物理空间中访问的空间不一样，物理空间的地址不一样。

-------------------------------------------------------------

代码中还有一个问题，为什么if和else都能运行？这是因为fork在返回的时候，父子进程都有了，所以会return两次，id是pid_t类型定义的局部变量，而return的本质，就是在写入，所以谁先返回，谁就会让操作系统发生写时拷贝。

3、程序地址空间存在的意义

如果只有物理内存，那么一个个程序在写入数据时，如果存在越界，或者野指针，那么其他区域的数据就可能被改变了，所以引入地址空间和页表，通过地址空间和页表向物理空间的映射，系统检测映射成功后就可以找到地址和数据。

malloc的本质

malloc申请的时候，返回的也是物理空间上一个堆区的地址，也要通过地址空间和页表。申请并不一定会马上就给空间，而是系统认为你需要才会给你，系统一定要以高效为主。malloc申请空间时，系统开辟空间后，会先进入闲置状态，这时候别人无法用，并且页表也不会去映射，物理内存也没有开辟空间，页表倒是有虚拟地址。当用户开始写入时，系统就会重新做一遍，把映射加上，物理上开辟空间，用户才能正常用，这就是缺页中断。

地址空间的调整，和页表的连接属于进程管理，页表和物理空间的映射，物理空间的管理属于内存管理。

重新理解地址空间

源代码被编译的时候，会按照虚拟地址空间的方式对代码和数据进行编制，地址空间不仅会影响系统，也会让编译器遵守它的规则。

Linux中可执行程序的格式一般是ELF格式。

读取程序的时候，数据中包含的地址都是虚拟地址，用来更便利地找到相应的物理地址。程序中的地址是虚拟地址，内存中是物理地址。

地址空间和页表存在的意义：
1、防止地址随意访问，保护物理内存与其他进程
2、进程管理和内存管理进行解耦合
3、可以让进程以统一的视角看待自己的代码和数据

结束。