【Linux 11】进程地址空间

🌈 Ⅰ 虚拟地址引入

• 现在通过一段代码来观察一个现象，定义了一个全局变量 g_val = 100，然后使用 fork 创建一个子进程，让父子进程各自完成任务，在子进程中定义 count 来计数，当子进程的打印任务执行到第五次之后，让子进程讲 g_val 的值改成 300。

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

int g_val = 100;

int main()
{
    printf("father is running, pid: %d, ppid: %d\n", getpid(), getppid());

    pid_t id = fork();  // 创建子进程

    if (0 == id)        // 执行子进程部分代码
    {   
        int count = 0;

        while (1)
        {
            printf("child process, pid: %d, ppid: %d, g_val: %d, &g_val: %p\n", 
                getpid(), getppid(), g_val, &g_val);
            sleep(1);   // 每间隔一秒打印一次
            count++;

            if (5 == count)
            {
              g_val = 300;
              printf("child process, change %d -> %d\n", 100, 300);
            }
        }
    }
    else if (id > 0)   	// 执行父进程部分代码
    {
        while (1)
        {
            printf("father process, pid: %d, ppid: %d, g_val: %d, &g_val: %p\n", 
                getpid(), getppid(), g_val, &g_val);
            sleep(1);   // 每间隔一秒打印一次
        }
    }

    return 0;
}

• 在子进程修改 g_val 的值时，父子进程的 g_val 的地址时一样的，然而在子进程讲 g_val 的值改成 300 时，能够发现父进程的 g_val 的值依然是 100。

  • 变量内容不一样，所以父子进程输出的变量绝不是同一个变量。
  • 但子进程和父进程的 g_val 的地址是却相同，说明输出的 g_val 地址绝不是一个物理地址。在 Linux 地址下，这种地址被称作虚拟地址。
  • 用 C/C++ 所看到的地址，全都是虚拟地址，物理地址由操作系统 OS 统一管理。

• OS 负责将 虚拟地址 转化成 物理地址。

🌈 Ⅱ 虚拟地址空间

• 操作系统 OS 会为每一个进程创建一个地址空间，这是一个虚拟的地址空间。

🌈 Ⅲ 页表 (解释 fork() 的返回值既 > 0 又 == 0)

不对公有变量进行修改时

• 操作系统 OS 需要将虚拟地址转化为物理地址，OS 可以通过页表来将虚拟地址和物理地址建立映射关系。
• 建立了映射关系之后，上层在使用虚拟地址访问时，OS 会自动拿着虚拟地址查页表，然后转化成物理地址从而访问到代码和数据。
• 在上述代码的父子进程都有属于自己的虚拟地址空间以及页表，只不过公用同一个虚拟地址罢了。
• 在没有进程对 g_val 的值进行修改时，父子进程的页表映射的都是同一个 g_val 的地址。

对公有变量进行修改时

• 操作系统 OS 会先找到一块地址将原先的变量内容拷贝一份下来，然后再对该内容进行修改。这个因为要发生修改而拷贝内容的操作称为写时拷贝。
  • 假设值为 100 的 g_val 的物理地址为 0x112233，值为 300 的 g_val 的物理地址为 0x123456 对应的映射关系如下图所示：

• 如上图所示：同一个变量，值不同却地址相同，其实是虚拟地址相同，内容不同是被映射到的物理地址不同！
• 所以这也就能解释为什么 fork() 返回的 id 值既可以 > 0，又可以 = 0。

🌈 Ⅳ 什么是地址空间

• 地址空间本质是内核的一个 struct 结构体，内部的很多属性都是表示 start 和 end 的范围。
• 每个进程都有一个地址空间，系统中可能存在多个进程，每个进程通过地址空间来访问内存，因此系统中存在着多个地址空间。地址空间需要被 OS 管理起来。
• 一旦涉及到了管理，那么就要先描述，再组织

1. 先描述

• 地址空间本身是一个结构体对象，在 Linux 中被称为 struct mm_strunt。
• 先用结构体描述出地址空间，该结构体包含着区域信息，用于实现地址空间区域的划分。

struct mm_struct
{
	......
};

2. 再组织

• 进程 PCB 里有一个指向 mm_struct 的结构体指针，来将 PCB 和 mm_struct 联系起来。

🌈 Ⅴ 为什么要有地址空间

• 如果没有虚拟地址空间，那么进程访问的就都是物理地址，每个进程都需要记录物理地址。

• 进程直接访问物理地址，在发生异常情况时，就有可能破坏其他空间的代码和数据。

• 以下是页表 & 虚拟地址空间存在的价值：

1. 将无序变为有序

• 经过页表的映射，将无序的物理地址变成有序的虚拟地址，以统一的视角看待物理内存，以及自己运行的各个区域。
• 不需要再关心正文代码、初始化数据、非初始化数据等在物理内存的哪个位置，这些东西永远在虚拟地址空间的固定位置。

2. 提高内存使用率

• 如果一个进程早期在物理内存申请了一块空间，但长时间不去使用，就会造成浪费。
• 在页表中预先弄好虚拟地址，但不实际开辟这块空间，等到需要用到这块空间时，再去物理内存中开辟，然后将开辟好的物理空间地址与预先弄好的虚拟地址 映射即可。

3. 拦截非法请求 - 保护物理内存

• 没有地址空间：进程就能够直接访问物理内存，没人能管着你，增加了发生异常情况的概率。
• 有了地址空间：一个进程就只会映射自己的数据 ，如果去越界访问别人的空间，那么在页表中是找不到对应的映射关系的，OS 会直接进行终止。也就是说，只要进入到访问物理内存阶段，那么一定是安全的。