杂记 —— 程序地址转换

写在前面：
平时大家有没有思考过一个问题：操作系统中这么多进程，CPU怎么知道我下一个数据放在哪个位置？ 请带着这个疑惑来阅读本文。

虚拟地址

如果说我们操作系统的内存中只有一个程序在运行，那么我们就可以使用CPU的实地址模式，因为程序的地址在链接🔗的时候就可以确定了。例如，如果有个数据的内存地址是0x10086，那么每次都把它装入0x10086就可以了。

但是如果又加载一个程序B，就会出现如下问题：

• 程序A和程序B如果有内存地址冲突怎么办？
• 程序A和程序B不会互相读写各自的内存空间么？
• 内存的容量不会够么？

为了解决这个问题，科学家提出了以下这个方案：让所有程序都各自享有一个从0开始到最大地址空间，这个空间是独立的，是该程序私有的，其他程序既看不到，也不能访问该地址空间，这个地址空间和其他程序无关，和具体的计算机也无关。这就是虚拟地址。

正如其名，这个地址是虚拟的，计算机把握不住，自然也和具体软件和硬件环境进行了解耦。

链接器在代码编译的时候，将多个代码模块组装在一起，并解决模块之间的引用，形成程序运行的静态内存空间视图，具体可以参考这篇博客 —— 进行虚拟地址空间分布。

物理地址

虽然虚拟地址解决了很多问题，但是虚拟地址只是逻辑上存在，无法作用于硬件电路。程序装进内存中想要执行，就需要和内存打交道，从内存中取得指令和数据。但是内存只认一种地址，那就是硬件地址。

硬件地址，即物理地址。物理地址在逻辑上也是一个数据，只不过这个数据会被地址译码器等电子器件变成电子信号，放在地址总线上，地址总线电子信号的各种组合就可以选择到内存的存储单元。如果不做特别说明，我们说的物理地址就是指选择内存单元的地址。

虚拟地址到物理地址的转换

明白了虚拟地址和物理地址之后，我们发现虚拟地址必须转换成物理地址，这样程序才能正常执行。相当于执行了一个函数 物理地址 = func（虚拟地址）。

那么要怎么实现这个函数呢？

计算机科学家最终选择了软件硬件相结合的方式实现，他就是MMU（内存管理单元）。MMU可以接受软件给出的地址对应关系数据，进行地址转换。

以下是彭东老师整理的MMU工作原理框架图：

下面我们不妨想一想地址关系转换表的实现。如果在地址关系转换表中，这样来存放：一个虚拟地址对应一个物理地址。

那么在32位地址空间下，4GB虚拟地址的地址关系转换表就会把整个32物理地址空间用完，这显然不行。

系统设计者采用了这样一个方案：把虚拟地址空间和物理地址空间都分成同等大小的块，也称页，按照虚拟页和物理页进行转换。根据软件配置不同，这个页的大小可以设置位4KB、2MB、4MB、1GB，这样就进入了现代内存管理模式 —— 分页模型。

结合图片可以看出，一个虚拟页可以对应到一个物理页，由于页大小一经配置就是固定的，所以在地址关系转换表中，只要存放虚拟页地址对应的物理页地址。

页表

MMU即内存管理单元，是利用硬件电路逻辑实现的地址转换器件，它负责接受虚拟地址和地址关系转换表，以及输出物理地址。相当于它就是哪个func函数。

根据实现方式的不同，MMU可以是独立的芯片，也可以是集成在其它芯片内部的，比如集成在CPU内部，X86、ARM系列的CPU就是将MMU集成在CPU核心中的。

一级页表

为了说清楚MMU这个函数的工作原理呢？我们就需要从一开始的分段模型时的地址转换开始。因为分页机制也是建立在分段基址的基础上，也就是说分页其实只能是在分段之后进行的。

上图中，程序代码中的虚拟地址，经过CPU的分段机制产生了线性地址，平坦模式和长模式下线性地址和虚拟地址是相等的。

而在分段的过程中又是怎么去进行这个过程转换的呢？

在不打开分页进制的前提下，段基址和段内偏移地址时经过段部件处理后所输出的线性地址，CPU就认为它是一个物理地址，可以直接定位到内存啦：

如果打开了分页机制，段部件输出的线性地址就不再等同于物理地址了，我们称之为虚拟地址。其需要经过页表转换才能被送上内存：

而这个页表也就是分页机制的核心了。其本质呢是线性虚拟地址到物理地址的映射关系，默认大小呢就是上面提到过的4KB啦。

注：为什么页表大小是4KB呢？

• 首先如果页表很小，假如说是每个字节一一对应，那么32位的情况下页表内存消耗就是4GB*4B = 16GB。页表的消耗比内存还大，我觉得不行。
• 如果页表过大，假如说一个页表对应4MB，那么32位的情况下页表内存就是1024*4B = 4096B。看起来内存很省了呢，但是无疑带来了内存碎片过多的问题。不是每个分页都能用满4MB的
• 至于为什么是4KB这个数呢，则是早期内存空间过小时的最佳方案，属于历史遗留问题啦。现在看来32KB、64KB也许更适合呢

而我们刚刚提到了一个32位地址的问题，这里要解释一下。它其实是地址，32位中分配如下：

这样的32位地址便能表示4GB的内存大小空间了，其中12 ~ 31共20位可以表示是哪个页，0 ~ 12位则表示页内偏移。而每个内存块的尺寸为4KB，那么我们计算一下：4GB/4KB = 1M。也就是说我们其实是有1048576个页表项的。而页表项则可以看成一个有1048576个元素的一维数组，里面的元素则是此页表项对应的物理地址了：

总结一下一级页表的工作原理：

二级页表

我们刚刚也看到了一级页表有多达1048576个页表项，这实在是有点多了。除此之外呢，一级页表中所有页表项都必须提前建好，这也是一级页表的缺陷了。

所以我们就要用到二级页表了，其页标准尺寸也是4KB大小。不同的是，二级页表将这1M(1048576)个页表项放到1K个页表中。这样的每个页表的物理地址在页目录表中都以页目录项的形式存储，而存储这个也被称为页目录表。其模型如下所示：

这样看来，32位的地址在二级页表也就有了不同的表示了：

首先来看看二级页表是怎么表示4GB大小空间的：每个页表可以容纳1024个物理页，故每个页表可表示的内存容量1024*4KB=4MB，页目录中共有1024个页表，故所有页表可以表示1024*4MB=4GB的空间。

那么我们定位到某个物理页，必然要先找到其所属的页表。页目录最大是1024个页表，也就是2¹⁰，所以10位就够了。找到具体页表之后呢，就需要确定具体是哪一页了，这样需要10位。而剩下的12位则是具体物理页内偏移了。

总结一下二级页表：

参考文献

[1] 彭东.操作系统实战45讲.极客时间
[2] 操作系统真相还原