读书笔记：machine-level representation of program<computer system a programmer perspective第二章>

1. 程序编码, 本章主要介绍了汇编和C的相互转化和理解, 本章的的意义在于看到C能翻译成汇编，看到汇编能翻译成C。

 程序本质是一系列的ISA（instruction set architecture）

许多在汇编中可见的东西在C中都看不到了，比如 PC（program count 用来指向下一条执行的指令）在汇编中用％eip表示，C中是看不到的。

下面是一个c和汇编机器语言的转变的例子：

int accum = 0;

int sum(int x, int y){
    int t=x+y; 
    accum += t; 
    return t;
}

unix> gcc -O1 -S code.c

在调用gcc －S之后产生的汇编文件中会有很多  .file  .txt之类以点开头的行，这些点的意思其实就是告诉编译器这些行可以忽略。

sum:
  pushl   %ebp
  movl    %esp, %ebp
  movl    12(%ebp), %eax
  addl    8(%ebp), %eax
  addl    %eax, accum  //仍然显示变两名，因为还不确定，如果有main函数调用，则会变成一个固定地址，例如 0x804a018   
  popl    %ebp
  ret

unix> gcc -O1 -c code.c

55 89 e5 8b 45 0c 03 45 08 01 05 00 00 00 00 5d c3

如果需要查看机器代码的内容，我们j可以使用 objdump反编译（disassemble）把机器代码反向编成汇编

unix> objdump -d code.o

机器代码和汇编的一些对照

a）单个指令在机器码中长1到15个字节

AT&T differ Intel Assemble

• .  The Intel code omits the size designation suffixes. We see instruction movinstead ofmovl.

  char (b), short(w), float(s), long double(t) , all others are (l)

• .  The Intel code omits the ‘%’ character in front of register names, using espinstead of%esp.

• .  The Intel code has a different way of describing locations in memory, for example ‘DWORD PTR[ebp+8]’rather than ‘8(%ebp)’.

• .  Instructions with multiple operands list them in the reverse order. This can be very confusing whenswitching between the two formats. 

AT&T 有几个比较重要的概念，理解了这些概念，然后对照具体的指令，基本就可以读懂汇编了

1. 所有的命令都有后缀， b（byte）w（word）l（quad）比如movb movw movl, 另外还有补0或者补符号的，比如movz， movs

2. 操作的数据有三类，一类临时数据，以$打头的数据，比如$123, 第二类是register，％eax，第三类是内存，都有个括号比如7（％eax，％eax，4）

3. 四个操作位， 后面好多针对不同标志位的cmp，test， jmp

4. mov lea的不同：一个是mov地址指向的内容，lea只是mov地址

CF:Carry Flag. The most recent operation generated a carry out of the mostsignificant bit. Used to detect overflow for unsigned operations.

ZF:Zero Flag. The most recent operation yielded zero.

SF:Sign Flag. The most recent operation yielded a negative value.

OF:Overflow Flag. The most recent operation caused a two’s-complementoverflow—either negative or positive. 

C语言的一些特性：

1 函数的调用

c语言和汇编的转化有个重要的概念叫stack frame，通过它C实现了函数之间的调用。

对stack的操作有call，leave，ret, 寄存器在此时也被分成两种一种是caller save，另一种是callee save，分别用来保存两者的状态，当然stack还是必须的因为寄存器可能不够用，还有一些比如必须给一些local variable一些地址，所有必须放在stack里。

对于递归调用和其他调用一致。

2. 数组

C语言对数组的表示非常简单，就是一段连续的内存，所以对应到汇编要访问数组元素也很简单是movl (%edx,%ecx,4),%eax 。

多维数组（nested array）访问可以对应到一维数组的访问，C语言如果要分配动态数组就要使用malloc 或者 calloc（calloc  size＊number， 且都初始成0）

3. struct  union，在内存中数据对齐的问题。

GDB的使用，这里列举了一些过去所不了解的GDB的命令，原来GDB如此的强大，会汇编有很深厚的解释

编译器会优化代码，这导致很难建立c和机器语言之间的map，所以我们最好要熟悉常用的优化办法。

1. break sum      ／／ Set breakpoint at entry to functionsum    

2. break *0x8048394     ／／Set breakpoint at address 0x8048394    

3. delete 1          ／／ Delete breakpoint 1

4. stepi   4 ／／Execute four instructions

5. disas   ／／ Disassemble current function

6. disas sum ／／Disassemble functionsum

7.disas 0x8048397 ／／Disassemble function around address0x8048397    

8. disas 0x8048394 0x80483a4     ／／Disassemble code within specified address range    

9. print /x $eip      ／／Print program counter in hex    

10. print *(int *) 0xfff076b0    ／／Print integer at address0xfff076b0

11. info frame     ／／Information about current stack frame    

12. info registers     ／／Values of all the registers

address-space layout randomization    : 避免stack的地址被预测到然后被攻击。

对于浮点数的处理，汇编有一套和整数相似的指令集合，在早期的intel的CPU当中会有一个独立的芯片来做浮点运算。