Linux | 二级页表的虚拟地址是怎么转换的？

页的概念

在聊文件系统时，我提到操作系统是以块为基本单位进行IO的，一个块的大小为4KB，在文件系统中它的名字叫做块，在内存系统中它的名字叫做页，page，假设内存系统大小为4GB，那么该系统中就有2的20次方（4GB/4KB）个页，Linux用struct page描述页的结构体，操作系统对内存系统的管理就变成了对一个大数组（假设数组是struct page mem[1024 * 1024]）的管理，该数组含有2的20次方个元素，每个元素保存了页的相关消息。

可执行文件的虚拟地址

一份源代码被编译成为可执行文件时，编译器就已经对其中的数据进行了编址，所以可执行文件中的所有数据都有属于自己的地址，数据会被合理的分配到进程地址空间上。编译好可执行文件后，文件被存储在磁盘上，进入了文件系统，执行该文件时，操作系统将其从文件系统中以4KB为单位地加载到内存系统上，并为其分配对应的页，也就是说通过struct page mem数组 + 下标的方式，我们就可以访问该文件在内存系统中的数据。

现在的问题是，我们有了程序的虚拟地址，要怎么访问内存中的程序？也就是要怎么得到mem数组的下标？其中的转换就是通过页表+MMU共同实现的

二级页表的转换

一个32位的虚拟地址被划分成三份，高10位22-31为一份，我们称之为DIRECTORY；中间的10位12-22为一份，我们称之为TABLE；低12位0-11为一份，我们称之为OFFSET

一个进程始终拥有一级页表，一级页表被称为页目录，虚拟地址的高10位DIRECTORY可以表示1024个表项，所以页目录一共可以存储1K个表项，一级页表可以索引二级页表：DIRECTORY在一级页表中映射的数据是页表项，页表项是二级页表的地址。
二级页表用来索引page的物理地址，也就是mem数组中的下标。二级页表也有1K个表项，因为TABLE有10位。系统由虚拟地址的TABLE在二级页表中查找page的物理地址。

找到page的物理地址后，就系统就能访问整块page，但page的大小为4K，系统要访问page的哪些数据？虚拟地址的低12位OFFSET覆盖了一个page的所有地址，所以用OFFSET就可以向系统表明要访问页的具体地址，OFFSET被称为页内偏移量，通过这个偏移量我们就能找到需要的地址。

二级页表的优点

假设页表不采用分级的方式设计，将进程地址空间上的虚拟page地址与物理空间的真实page地址直接进行映射，那么这个页表将占用非常大的内存，创建一个进程的代价也就随之升高，甚至会出现内存不够使用的情况。

采用分级的方式设计页表，此时每个进程只需要有一张一级页表，即页目录，页目录占用较少的内存（1K个表项，总大小也不会过大）。当需要访问内存上的数据时，系统先通过页目录索引到页表项，再通过页表项找到page页（页表项由系统自己维护管理）。

但是一个页目录映射了1K个页表项，操作系统根本没有必要将所有的页表项映射，如果将所有的页表项映射，那么这些页表占用的空间也是十分大的。一个页表项映射了1K个page页，操作系统也没有必要映射所有的页，当操作系统一开始加载程序时，就没有必要加载所有的页表，当需要使用页表时在建立页表，这样使得页表的创建与销毁的代价减少，提高了系统的性能。

比如现在有一个进程需要访问数据，操作系统通过虚拟地址的DIRECTORY知道了页表项的地址，但是页表项还没有被创建，此时将引发缺页中断，操作系统将访问磁盘中的数据，重新建立页表项。所以，在二级页表中，缺页中断指的是缺少页表项。

所以使用分级页表可以实现按需创建页表， 每个进程只有页目录，第二级页表与page没有必要全部加载，只需要加载一部分的页表，当需要访问的页表项没有被创建时再创建，这样的做法有效的减少了进程的内存消耗。

节省空间是分级页表的一大优点，除此之外分级页表还有一优点：将进程的虚拟地址管理与内存物理地址的管理进行解耦，怎么理解呢？操作系统只需要关心页表中的表项是否存在，是否需要加载，如果表项为NULL，即出现越界访问，MMU硬件异常，产生中断，操作系统接收中断后终止非法访问内存的进程。如果表项存在，操作系统只需要继续索引得到page地址，所以，虽然是虚拟地址与物理地址之间的转换，但操作系统只需要关心虚拟地址在页表中的映射关系，两个地址间的转换就这样被页表这个软件结构解耦了。