c语言tips-【虚拟内存空间和c语言内存模型】

0.摘要

C语言是比较接近底层的语言，因此它的很多知识点是和操作系统挂钩的，例如它的内存模型，其实也是操作系统进程的内存模型，本文章就是解释进程，虚拟内存空间，内存模型的相关知识和它们之间的联系

1. 虚拟内存空间

我们可以把进程所使用的地址「隔离」开来，即让操作系统为每个进程分配独立的一套「虚拟地址」，人人都有，大家自己玩自己的地址就行，互不干涉。但是有个前提每个进程都不能访问物理地址，至于虚拟地址最终怎么落到物理内存里，对进程来说是透明的，操作系统已经把这些都安排的明明白白了。`虚拟地址空间就是一个中间层，相当于在程序和物理内存之间设置了一个屏障，将二者隔离开来。程序中访问的内存地址不再是实际的物理内存地址，而是一个虚拟地址，然后由操作系统将这个虚拟地址映射到适当的物理内存地址上。

• 首先我们要解释一个概念——进程（ Process） 。简单来说，一个可执行程序就是一个进程，前面我们使用 C语言编译生成的程序，运行后就是一个进程。 进程最显著的特点就是拥有独立的地址空间。
• 严格来说，程序是存储在磁盘上的一个文件，是指令和数据的集合，是一个静态的概念；进程是程序加载到内存运行后一些列的活动，是一个动态的概念。可以类比面对对象，程序是类，进程就是实例化的对象
• 一个进程对应一个地址空间，而一个程序可能会创建多个进程

2. 虚拟内存空间如何映射到物理内存？

在 CPU 内部，有一个部件叫做 MMU（ Memory Management Unit，内存管理单元），由它来负责将虚拟地址映射为物理地址，如下图所示：

在页映射模式下， CPU 发出的是虚拟地址，也就是我们在程序中看到的地址，这个地址会先交给 MMU，经过MMU 转换以后才能变成了物理地址。

即便是这样， MMU 也要访问好几次内存，性能依然堪忧，所以在 MMU 内部又增加了一个缓存，专门用来存储页目录和页表。 MMU 内部的缓存有限，当页表过大时，也只能将部分常用页表加载到缓存，但这已经足够了，因为经过算法的巧妙设计，可以将缓存的命中率提高到 90%，剩下的 10%的情况无法命中，再去物理内存中加载页表。

有了硬件的直接支持，使用虚拟地址和使用物理地址相比，损失的性能已经很小，在可接受的范围内。

MMU 只是通过页表来完成虚拟地址到物理地址的映射，但不会构建页表，构建页表是操作系统的任务。在程序加载到内存以及程序运行过程中， 操作系统会不断更新程序对应的页表，并将页目录的物理地址保存到 CR3寄存器（CR3 是 CPU 内部的一个寄存器，专门用来保存页目录的物理地址 ）。 MMU 向缓存中加载页表时，会根据 CR3 寄存器找到页目录，再找到页表，最终通过软件和硬件的结合来完成内存映射 。

每个程序在运行时都有自己的一套页表，切换程序时，只要改变 CR3 寄存器的值就能够切换到对应的页表。

3. 为什么要用MMU来映射物理内存空间？

• 每个进程的地址不隔离，有安全风险。

由于程序都是直接访问物理内存，所以恶意程序可以通过内存寻址随意修改别的进程对应的内存数据，以达到破坏的目的。虽然有些时候是非恶意的，但是有些存在 bug 的程序可能不小心修改了其它程序的内存数据，就会导致其它程序的运行出现异常。

• 内存效率低。

如果直接使用物理内存的话，一个进程对应的内存块就是作为一个整体操作的，如果出现物理内存不够用的时候，我们一般的办法是将不常用的进程拷贝到磁盘的交换分区（虚拟内存）中，以便腾出内存，因此就需要将整个进程一起拷走，如果数据量大，在内存和磁盘之间拷贝时间就会很长，效率低下。

• 进程中数据的地址不确定，每次都会发生变化。

由于物理内存的使用情况一直在动态的变化，我们无法确定内存现在使用到哪里了，如果直接将程序数据加载到物理内存，内存中每次存储数据的起始地址都是不一样的，这样数据的加载都需要使用相对地址，加载效率低（静态库是使用绝对地址加载的）。

4. 虚拟内存有什么用？

• 第一，虚拟内存可以使得进程对运行内存超过物理内存大小，因为程序运行符合局部性原理，CPU 访问内存会有很明显的重复访问的倾向性，对于那些没有被经常使用到的内存，我们可以把它换出到物理内存之外，比如硬盘上的 swap 区域。
• 第二，由于每个进程都有自己的页表，所以每个进程的虚拟内存空间就是相互独立的。进程也没有办法访问其他进程的页表，所以这些页表是私有的，这就解决了多进程之间地址冲突的问题。
• 第三，页表里的页表项中除了物理地址之外，还有一些标记属性的比特，比如控制一个页的读写权限，标记该页是否存在等。在内存访问方面，操作系统提供了更好的安全性。

5. 内存模型是咋样的？

我们在学习c语言时会接触到malloc函数，它是在堆区分配内存空间，那么什么是堆区呢？什么又是栈区呢？

这是c语言的内存模型，可以主要分为以下内存区

内存分区	说明
程序代码区 (code	存放函数体的二进制代码。一个 C 语言程序由多个函数构成， C 语言程序的执行就是函数之间 的相互调用
常量区 (constant)	存放一般的常量、字符串常量等。这块内存只有读取权限，没有写入权限，因此它们的值在程 序运行期间不能改变。
全局数据区 (global data)	存放全局变量、静态变量等。这块内存有读写权限，因此它们的值在程序运行期间可以任意改 变
堆区 (heap)	一般由程序员分配和释放，若程序员不释放，程序运行结束时由操作系统回收。 malloc()、 calloc()、 free() 等函数操作的就是这块内存，这也是本章要讲解的重点**（注意：这里所说的堆区与数据结构中的堆不是一个概念，堆区的分配方式倒是类似于链表。）**
动态链接库	用于在程序运行期间加载和卸载动态链接库
栈区 (stack)	存放函数的参数值、局部变量的值等，其操作方式类似于数据结构中的栈

• 在这些内存分区中（暂时不讨论动态链接库），程序代码区用来保存指令，常量区、全局数据区、堆、栈都用来保存数据。对内存的研究，重点是对数据分区的研究 。

• 程序代码区、常量区、全局数据区在程序加载到内存后就分配好了，并且在程序运行期间一直存在，不能销毁也不能增加（大小已被固定），只能等到程序运行结束后由操作系统收回，所以全局变量、字符串常量等在程序的任何地方都能访问，因为它们的内存一直都在。

• 常量区和全局数据区有时也被合称为静态数据区，意思是这段内存专门用来保存数据，在程序运行期间一直存在

• 函数被调用时，会将参数、局部变量、返回地址等与函数相关的信息压入栈中，函数执行结束后，这些信息都将被销毁。所以局部变量、参数只在当前函数中有效，不能传递到函数外部，因为它们的内存不在了。

• 常量区、全局数据区、栈上的内存由系统自动分配和释放，不能由程序员控制。程序员唯一能控制的内存区域就是堆（ Heap）：它是一块巨大的内存空间，常常占据整个虚拟空间的绝大部分，在这片空间中，程序可以申请一块内存，并自由地使用（放入任何数据）。堆内存在程序主动释放之前会一直存在，不随函数的结束而失效。在函数内部产生的数据只要放到堆中，就可以在函数外部使用

一个例子（完美的解决c语言变量的所处内存块问题）

#include <stdio.h>
#include "stdlib.h"

// 字符串在常量区，全局变量在全局区
char *global1 = "junhaozhendeshuai";
// 静态区
static int global2 = 1;
int n;

char* func()
{
    char* str = "张三真的帅！";
    return str;
}



int main()
{
    int a;
    char *str2 = "01234";
    char ptr[20] = "56789";
    char *pstr = func();
    char* c  =  (char *)malloc(100);
    // printf("局部变量初始值为：%d, 全局变量初始值为：%d\n", a, n);
    printf("全局区/static：&global:%p,&global2:%p,n:%p\n", &global1, &global2, &n);
    printf("常量：global1:%p pstr:%p\n",global1,pstr);
    printf("堆区：c:%p\n", c);
    printf("栈区：&str2:%p,&ptr:%p, ptr:%p, a:%p", &str2, &ptr, ptr, &a);
    return 0;
}

输出如下：

全局区/static：&global:0x601050,&global2:0x601058,n:0x601060
常量：global1:0x400758 pstr:0x40076a
堆区：c:0x5402040
栈区：&str2:0xfff000ba8,&ptr:0xfff000bc0, ptr:0xfff000bc0, a:0xfff000ba4

总结如下：

• char *global1 = "junhaozhendeshuai", global1这个指针是在全局区， "junhaozhendeshuai"这个字符串是在常量区，我们要查看global1这个指针的地址可以通过&global1来获得，我们要查看junhaozhendeshuai这个字符串的地址可以通过global1来获得
• static int global2 = 1;， 这个静态变量global2也在全局区，可以通过&global2获得它的地址
• int n;,这个变量在函数外定义，在全局区，通过&n来获得地址
• int a;,这个函数在main函数中，在栈区，通过&a来获得地址
• char *str2 = "01234";, str2这个指针是在栈区，"01234"这个字符串是在常量区，我们要查看str2这个变量的地址可以通过&str2获得，我们要查看"01234"这个字符串的地址可以通过str2获得，
• char ptr[20] = "56789";,ptr这个指针是在栈区，"56789"这个字符串也是在栈区，我们要查看ptr这个变量的地址可以通过&ptr获得，我们要查看"56789"这个字符串的地址可以通过ptr获得

为啥两种字符串的表达形式在内存模型不一样呢？
字符串数组和char *表示的字符串有什么区别呢？它们最根本的区别是在内存中的存储区域不一样，字符数组存储在全局数据区或栈区，第二种形式的字符串存储在常量区。全局数据区和栈区的字符串（也包括其他数据）有读取和写入的权限，而常量区的字符串（也包括其他数据）只有读取权限，没有写入权限。

• char *pstr = func();,调用函数一个指向字符串常量的地址，值得注意的是，由于字符串常量已经被建立出来了，它不会被释放，此时我们把指向它的指针返回回来，pstr这个指针是在栈区，可以使用&pstr获得地址，"张三真的帅！"这段字符串是在常量区，可以用pstr获得他的地址
• char* c = (char *)malloc(100),很明显，用malloc开辟出来的内存是在堆区，即c这个变量的地址在堆区
• 最后一点，我们可以发现全局整型变量你没初始化时它被赋值为0， 而局部变量你没初始化它被赋值为未知值