hello程序的漫游历程

hello程序的运行过程

#include<stdio.h>
int main()
{
	printf("hello, world\n);
	return 0;
}

相信大家都知道这个著名的家伙，hello world，万物起源。
本文的目的就是一起来看看，当这个hello程序在系统上运行时，系统发生了什么以及为什么会这样。
hello程序的生命周期是从一个源文件（源程序）开始的，文件名为hello.c。源程序实际上就是一个由0和1组成的组成的比特序列，8bit组成一个字节，每个字节表示程序中的某些文本字符。
大部分的现代计算机系统都使用ASCII标准来表示文本字符，这种方式实际上就是用一个唯一的单字节大小的整数值来表示每个字符。

像hello.c这种只由ASCII字符组成的文件称为文本文件，所有其它文件都称为二进制文件。
为了在系统上运行hello.c程序，每条C语句都必须被其它程序转化为一系列的低级机器语言指令。然后这些指令按照一种称为可执行目标程序的格式打包好，并以二进制磁盘文件的形式存放起来。目标程序也称为可执行目标文件。
在unix系统上，从源文件到目标文件的转化是由编译器驱动程序完成的：

linux> gcc -o hello hello.c

在这里，GCC编译器驱动程序读取源程序文件hello.c，并把它翻译成一个可执行目标文件hello。这个翻译过程可以分为四个阶段完成，如下图所示。执行这四个阶段的程序（预处理器、编译器、汇编器和链接器）一起构成了编译系统（compilation system）。

下面介绍一下这四个阶段。

• 预处理阶段。预处理器（cpp）根据字符#开头的命令，修改原始的C程序。比如hello.c中第一行的#include<stdio.h>命令告诉预处理器读取系统头文件stdio.h的内容，并把它直接插入程序文本中。结果就得到了另一个C程序，通常是以.i作为文件扩展名。
• 编译阶段。编译器（cll）将文本文件hello.i翻译成文本文件hello.s，它包含一个汇编语言程序。该程序包含函数main的定义，如下所示：
  
  定义中2~7行的每条语句都以一种文本格式描述了一条低级机器语言指令。
• 汇编阶段。汇编器（as）将hello.s编译成机器语言指令，把这些指令打包成一种叫做可重定位目标程序（relocatable object program）的格式，并将结果保存在目标文件hello.o中。hello.o文件是一个二进制文件，它包含的17个字节是函数main的指令编码。
• 链接阶段。hello程序调用了printf函数，它是每个C编译器都提供的标准C库中的一个函数。printf函数存在于一个名为printf.o的单独的预编译好了的目标文件中，而这个文件必须以某种方式合并到我们的hello.o程序中。链接器（ld）就负责处理这种合并。结果就得到hello文件，它是一个可执行目标文件，存放在磁盘上，可以被加载到内存中，由系统执行。

shell是一个命令行解释器，它输出一个提示符，等待输入一个命令行，然后执行这个命令。如果该命令行的第一个单词不是一个内置的shell命令，那么shell就会假设这是一个可执行文件的名字，它将加载并运行这个文件。

linux> ./hello

初始时，shell程序执行它的指令，等待我们输入一个命令。

当我们在键盘上输入字符串“./hello”后，shell程序将字符逐一读入寄存器，再把它存放到内存中。

当我们在键盘上敲回车后，shell程序就知道我们已经结束了命令的输入。然后shell执行一系列指令来加载可执行的hello文件，这些指令将hello目标文件中的代码和数据从磁盘复制到主存。数据包括最终将被输出的字符串“hello, world\n”。
利用直接存储器存取（DMA）技术，数据可以不通过处理器而直接从磁盘到达主存。

一旦目标文件hello中的代码和数据加载到主存，处理器就开始执行hello程序的main中的机器语言指令。这些指令将“hello world\n”字符串中的字节从主存复制到寄存器文件，再从寄存器文件中复制到显示设备，最终显示在屏幕上。

操作系统管理硬件

当shell加载和运行hello程序时，以及hello程序输出自己的消息时，shell和hello程序都没有直接访问键盘、显示器、磁盘或者主存。它们依靠操作系统提供服务。
操作系统有两个基本功能：（1）防止硬件被失控的应用程序滥用；（2）向应用程序提供简单一致的机制来控制复杂而又通常大不相同的低级硬件设备。
操作系统通过几个基本的抽象概念来实现这两个功能。

如上图所示，文件是对IO设备的抽象表示，虚拟内存是对主存和磁盘IO设备的抽象表示，进程则是对处理器、主存和IO设备的抽象表示。下面依次讨论这几种抽象。

进程：
进程是操作系统对一个正在运行的程序的一种抽象。在一个系统上可以同时运行多个进程，而每个进程都好像在独占地使用硬件。
并发运行，则是说一个进程的指令和另一个进程的指令是交错执行的。
CPU看上去总是在并发地执行多个进程，这是通过处理器在进程间切换来实现的。从一个进程到另一个进程的转换是由操作系统内核（kernel）管理的，内核是操作系统代码常驻内存的部分。当应用程序需要操作系统的某些操作时，比如读写文件，它就执行一条特殊的系统调用（system call）指令，将控制权传递给内核。然后内核执行被请求的操作并返回应用程序。
操作系统保持 跟踪进程运行所需的所有状态信息。这种状态，也就是上下文，包括许多信息，比如PC和寄存器文件的当前值，以及主存的内容。当操作系统将控制权由一个进程交给另一个进程时，就会进行上下文切换，即保存当前进程的上下文、恢复新进程的上下文，然后将控制权传递给新进程。

线程
一个进程实际上可以由多个称为线程的执行单元组成，每个线程都运行在进程的上下文中，并共享同样的代码和全局数据。

虚拟内存
虚拟内存是一个抽象概念，它为每个进程提供了一个假象，即每个进程都在独占地使用主存。每个进程看到的内存都是一致的，称为“虚拟地址空间”。
下图是Linux进程的虚拟地址空间。

我们从最低的地址空间开始，逐步向上介绍。

• 程序代码和数据：对所有进程来说，代码是从同一固定地址开始的，紧接着的是和C全局变量相对应的数据位置。
• 堆：代码和数据区在进程一开始运行时就被指定了大小，与此不同，当调用像malloc和free这样的标准库函数时，堆可以在运行时动态地扩展和收缩。
• 共享库：大约在地址空间的中间部分是一块用来存放C标准库和数学库这样的共享库的代码和数据区域。共享库的概念非常强大，也相当难懂。
• 栈：位于用户虚拟地址空间顶部的是用户栈，编译器用它来实现函数调用。和堆一样，用户栈在程序执行期间可以动态地扩展和收缩。特别地，每次我们调用一个函数时，栈就会增长；从一个函数返回时，栈就会收缩。
• 内核虚拟内存：地址空间顶部的区域是为内核保留的，不允许应用程序读写这个区域的内容或者直接调用内核代码定义的函数。

“文件”
文件就是字节序列。每个IO设备，包括磁盘、键盘、显示器，甚至网络，都可以看成是文件。系统的所有输入输出都是通过使用一小组称为unix I/O的系统函数调用读写文件来实现的。

系统之间利用网络进行通信

网络也是一种I/O设备。
回到刚才的hello程序，我们可以使用telnet应用在一个远程主机上运行hello程序。

---

---

补充知识：

对于普通程序员来说，了解编译系统如何工作是大有益处的。

• 优化程序性能
• 理解链接时出现的错误
• 避免安全漏洞

系统的硬件组成

• 总线
  贯穿整个系统的是一组电子管道，称为总线。它携带信息字节，并负责在各个部件间传递。通常总线被设计成传送定长的字节块，也就是字（word）。字中的字节数（即字长）是一个基本的系统参数，各个系统中都不尽相同。
  现在的大多数机器字长要么是四个字节（32位），要么是8个字节（64位）。

• I/O设备
  I/O（输入输出）设备是系统与外部世界的联系通道。上图中包含四个IO设备，鼠标、键盘、显示器和磁盘驱动器（简称磁盘）。最初，可执行程序hello就存放在磁盘上。每个IO设备都是通过一个控制器或适配器与IO总线相连。控制器和适配器之间的区别在于它们的封装方式。
  控制器是IO设备本身或者系统的主印制电路板（主板）上的芯片组，而适配器则是一块插在主板插槽上的卡。它们的功能都是在IO总线和IO设备之间传递信息。

• 主存
  主存是一个临时存储设备，在处理器执行程序时，用来存放程序和程序处理的数据。
  从物理上讲，主存是由一组动态随机存取存储器（DRAM）芯片组成的。
  从逻辑上讲，存储器是一个线性的字节数组，每个字节都有其唯一的地址（数组索引），这些地址是从0开始的。

• 中央处理器（CPU）
  简称处理器，是解释（或执行）存储在主存中指令的引擎。
  处理器的核心是一个大小为一个字的存储设备（或寄存器），称为程序计数器（PC）。PC指向主存中的某条机器语言指令（即含有该条指令的地址）。
  CPU在指令的要求下可能会进行如下操作：

• -----------加载：从主存复制一个字节或者一个字到寄存器，以覆盖寄存器原来的内容。

• -----------存储：从寄存器复制一个字节或者一个字到主存的某个位置，以覆盖这个位置上原来的内容。

• -----------操作：把两个寄存器的内容复制到ALU，ALU对这两个字做算术运算，并将结果存放在一个寄存器中，以覆盖该寄存器中原来的内容。

• -----------跳转：从指令本身中抽取一个字，并将这个字复制到程序计数器（PC）中，以覆盖PC中原有的值。