自己动手制作C 语言编译器（2）：虚拟机

本章我们要构建一台虚拟的电脑，设计我们自己的指令集，运行我们的指令集，说得通俗一点就是自己实现一套汇编语言。它们将作为我们的编译器最终输出的目标代码。

计算机的内部工作原理

我们关心计算机的三个基本部件：CPU、寄存器及内存。代码（汇编指令）以二进制的形式保存在内存中，CPU 从中一条条地加载指令执行。程序运行的状态保存在寄存器中。

内存

我们从内存开始说起。现代的操作系统都不直接使用内存，而是使用虚拟内存。虚拟内存可以理解为一种映射，在我们的程序眼中，我们可以使用全部的内存地址，而操作系统需要将它映射到实际的内存上。当然，这些并不重要，重要的是一般而言，进程的内存会被分成几个段：

1.代码段（text）用于存放代码（指令）。

2.数据段（data）用于存放初始化了的数据，如int i = 10;，就需要存放到数据段中。

3.未初始化数据段（bss）用于存放未初始化的数据，如int i[1000];，因为不关心其中的真正数值，所以单独存放可以节省空间，减少程序的体积。

4.栈（stack）用于处理函数调用相关的数据，如调用帧（calling frame）或是函数的局部变量等。

5.堆（heap）用于为程序动态分配内存。

它们在内存中的位置类似于下图：

推荐C语言编程学习交流群：941636044，大量学习资料免费下载！

但我们的虚拟机并不模拟完整的计算机，我们只关心三个内容：代码段、数据段以及栈。其中的数据段我们只存放字符串，因为我们的编译器并不支持初始化变量，因此我们也不需要未初始化数据段。理论上我们的虚拟器需要维护自己的堆用于内存分配，但实际实现上较为复杂且与编译无关，故我们引入一个指令MSET，使我们能直接使用编译器（解释器）中的内存。

综上，我们需要首先在全局添加如下代码：

int *text,            // text segment

     *old_text,        // for dump text segment

     *stack;           // stack

char *data;           // data segment

注意这里的类型，虽然是int型，但理解起来应该作为无符号的整型，因为我们会在代码段（text）中存放如指针/内存地址的数据，它们就是无符号的。其中数据段（data）由于只存放字符串，所以是char *型的

接着，在main函数中加入初始化代码，真正为其分配内存：

int main() {

    close(fd);

    ...

 

    // allocate memory for virtual machine

    if (!(text = old_text = malloc(poolsize))) {

        printf("could not malloc(%d) for text area\n", poolsize);

        return -1;

    }

    if (!(data = malloc(poolsize))) {

        printf("could not malloc(%d) for data area\n", poolsize);

        return -1;

    }

    if (!(stack = malloc(poolsize))) {

        printf("could not malloc(%d) for stack area\n", poolsize);

        return -1;

    }

 

    memset(text, 0, poolsize);

    memset(data, 0, poolsize);

    memset(stack, 0, poolsize);

 

    ...

    program();

寄存器

计算机中的寄存器用于存放计算机的运行状态，真正的计算机中有许多不同种类的寄存器，但我们的虚拟机中只使用 4 个寄存器，分别如下：

1.PC程序计数器，它存放的是一个内存地址，该地址中存放着下一条要执行的计算机指令。

2.SP指针寄存器，永远指向当前的栈顶。注意的是由于栈是位于高地址并向低地址增长的，所以入栈时SP的值减小。

3.BP基址指针。也是用于指向栈的某些位置，在调用函数时会使用到它。

4.AX通用寄存器，我们的虚拟机中，它用于存放一条指令执行后的结果。

要理解这些寄存器的作用，需要去理解程序运行中会有哪些状态。而这些寄存器只是用于保存这些状态的。

在全局中加入如下定义：