【Linux从入门到精通】进程地址空间（虚拟地址 vs 物理地址）

  

  本篇文章会围绕三个问题（什么是地址空间？地址空间是如何设计的？为什么要有地址空间？）进行展开讲述。其中主要是了解虚拟地址和物理地址的区别。希望本篇文章会对你有所帮助。

文章目录

一、什么是地址空间？

1、1 验证地址空间

1、2 地址空间是指的物理内存吗？

1、3 地址空间解释

二、进程访问地址

2、1 历史的程序寻址

2、2 进程地址空间映射到物理内存

2、3 解释相同地址打印出不同数据

三、为什么要有地址空间

3、1 保护物理内存

3、2 内存管理和进程管理完成解耦合

3、3 将无序的物理内存有序化

四、总结

---

🙋‍♂️ 作者：@Ggggggtm 🙋‍♂️

👀 专栏：Linux从入门到精通  👀

💥 标题：进程地址空间💥

 ❣️ 寄语：与其忙着诉苦，不如低头赶路，奋路前行，终将遇到一番好风景 ❣️  

一、什么是地址空间？

   什么是地址空间呢？我们在学C语言时，经常说到程序的变量存储在栈区、静态区

堆区等。这些综合起来就是地址空间。通俗来讲，地址空间就是表示计算机系统中内存的总体范围。它是可用于存储和访问数据的内存地址的集合。

1、1 验证地址空间

  我们了解地址空间后，不妨来验证一下我们之前所学的是否正确。我们之前学的地址空间如下图：

  

  我们通过下段代码来验证我们之前所学的是否正确：

#include <stdio.h>    
#include <unistd.h>    
#include <stdlib.h>    
    
int g_unval;    
int g_val = 100;    
    
    
int main(int argc, char *argv[], char *env[])    
{    
   // int a = 10;    
    //字面常量    
   const char *str = "helloworld";    
   // 10;    
   // 'a';    
    printf("code addr: %p\n", main);    
    printf("init global addr: %p\n", &g_val);    
    printf("uninit global addr: %p\n", &g_unval);    
    
    char *heap_mem = (char*)malloc(10);    
    char *heap_mem1 = (char*)malloc(10);    
    printf("heap addr: %p\n", heap_mem); //heap_mem(0), &heap_mem(1)    
    printf("heap addr: %p\n", heap_mem1); //heap_mem(0), &heap_mem(1)    
                                                                                                                                                             
    printf("stack addr: %p\n", &heap_mem); //heap_mem(0), &heap_mem(1)    
    printf("stack addr: %p\n", &heap_mem1); //heap_mem(0), &heap_mem(1)    
    
    printf("read only string addr: %p\n", str);    
    int i;    
    for(i = 0 ;i < argc; i++)
    {
        printf("argv[%d]: %p\n", i, argv[i]);
    }
    for(i = 0; env[i]; i++)
    {
        printf("env[%d]: %p\n", i, env[i]);
    }

    return 0;
}

  上述代码就有我们所熟知的不同存储区，我们再来看运行结果：

  上图正是在Linux下运行的结果。在windows下运行的结果所得出的结论也是相同的。我们看到上图的运行结果后是符合我们所学的地址空间的规律。

  栈和堆之间有大量空间是空着的。其次堆和栈是相向而生的。细心的小伙伴可能发现，总共的内存空间是4G，而用户空间只占用3G，那剩下的1G呢？其实完整的地址空间如下：

1、2 地址空间是指的物理内存吗？

  我们之前在学C语言时，经常会提到 ‘‘地址’等词汇。例如，我们随查看的临时变量所存储的地址。那么我们经常所说的这些地址是指的物理内存（物理内存是指由于安装内存条而获得的临时储存空间。主要作用是在计算机运行时为操作系统和各种程序提供临时储存。）中的地址吗？

  答案不确定时，我们看看如下代码：

#include <stdio.h>    
#include <unistd.h>    
#include <stdlib.h>    
int g_val = 10;    
int main()    
{    
   pid_t id = fork();    
   if(id < 0){    
     perror("fork");    
     return 0;    
   }    
   else if(id == 0){ //child,子进程肯定先跑完，也就是子进程先修改，完成之后，父进程再读取    
     while(1)    
     {    
      printf("child[%d]: %d : %p\n", getpid(), g_val, &g_val);    
      sleep(1);    
     }    
    
   }else{ //parent    
     while(1)    
     {    
      printf("parent[%d]: %d : %p\n", getpid(), g_val, &g_val);    
      sleep(1);                                                                                                                                              
      g_val=100;    
     }    
   }    
   sleep(1);    
   return 0;    
}   

  上述代码就是区分父子进程，打印同一个变量的值。结果如下图：

  我们惊奇的发现，同一个变量（地址是相同的），他们的值竟然不一样！难道是一个变量可以存储两个不同的值的原因吗？答案是不是的。

  我们知道物理内存中的地址表示唯一一块空间，那上述的运行结果证明了，我们所说的地址空间并不是物理地址的！而是存储在虚拟地址（虚拟内存是计算机系统内存管理的一种技术。它使得应用程序认为它拥有连续可用的内存，它通常是被分隔成多个物理内存碎片，还有部分暂时存储在外部磁盘存储器上，在需要时进行数据交换）中。 

1、3 地址空间解释

  地址空间本质就是一种内核数据结构，在Linux当中，叫做struct mm_struct(linux内核当中的地址空间结构体)包含了一些区域信息（先描述），能够实现区域划分（本质就是在一定的范围内定义start和end）。  

struct mm_struct
{
    unsigned long code_start;
    unsigned long code_end;
    
    unsigned long init_start;
    unsigned long init_end;
    
    unsigned long uninit_start;
    unsigned long uninit_end;
    
    unsigned long heap_start;
    unsigned long heap_end;
    
    unsigned long stack_start;
    unsigned long stack_end;
    //...等不同的区域划分
}

   每个进程都会有自己的地址空间，同时进程控制块（PCB）中也包含了 *mm_struct 指针，可使我们直接找到自己所对应的进程地址空间（后组织）。

  上述讲述的这么多，我们可以理解为进程地址空间就是操作系统给进程花了一个大饼。

  这个大饼就是指的每个进程都会有4GB的连续的空间（0x00000000~0xFFFFFFFF）。实际上呢，这4GB的的空间是虚拟内存，虚拟内存对应的实际物理内存，可能只对应的分配了一点点的物理内存，实际使用了多少内存，就会对应多少物理内存。

  这4G虚拟内存是一个连续的地址空间（这也只是进程认为），而实际上，它的数据是存储在多个物理内存碎片的，还有一部分存储在外部磁盘存储器上，在需要时将数据交换进物理内存。

二、进程访问地址

2、1 历史的程序寻址

  在虚拟地址出现之前，程序的寻址都是直接寻找的物理地址。但是这样会有很多的不足：

1. 直接访问物理内存不安全。例如我们假如使用了野指针，对内存中的数据进行了修改，那么这个时就会影响到其他的进程；
2. 因为物理内存是有限的，当有多个进程要执行的时候，对每个进程都要分配4G内存，很显然你内存若小一点，这很快就分配完了，于是没有得到分配资源的进程就只能等待。当一个进程执行完后，再将等待的进程装入内存。这种频繁的装入内存的操作是很没效率的。
3. 因为内存是随机分配的，所以程序运行的地址也是不正确的。

  由于上述的三个直接原因，后来就产生了虚拟地址。

2、2 进程地址空间映射到物理内存

  当有了虚拟内存的概念后，上述的问题就得到了很好的解决。当我们访问物理内存中的数据时，需要先访问进程地址空间上的地址。然后把虚拟地址空间上的地址通过页表映射到对应的物理内存上。具体如下图：

   地址空间和页表是每个进程都独有的一份，只要保证每一个进程的页表，能够映射到不同区域的物理内存，就能够做到进程之间互不干扰。这就是我们所说的进程所具有独立性。

  映射是由谁来完成的呢？答案是操作系统！操作系统通过地址转换机制将虚拟地址映射到物理地址，以实现对内存的访问。这种映射通常在页表或段表等数据结构上实现，其中存储了虚拟地址与物理地址之间的映射关系。 

2、3 解释相同地址打印出不同数据

  我们在上述的 1、2 中看到了相同的地址打印出不同的数据。注意，我们所访问到的地址都是虚拟地址。并不是物理地址。在上述的 1、2 中我们创建了一个子进程，子进程本身是继承了父进程的数据和代码。在没有对数据进行修改之前，子进程和父进程共享了一份数据。一但对子进程或者父进程的数据进行修改，就会发生写时拷贝。对修改的数据进行深拷贝，从而达到对彼此不产生干扰，实现进程独立性。

  那就对相同地址打印出不同数据的现象不难理解了。当我们对父进程的数据进行修改时，父进程发生了写时拷贝，在内存中开辟了空间。但他们都有自己的地址空间（虚拟地址），所以地址相同也是正常现象（子进程继承父进程的代码和数据）。即使虚拟地址一样，但是可通过页表映射到不同的物理内存中。具体如下图：

三、为什么要有地址空间

3、1 保护物理内存

  可能还有一些疑惑：即使有了虚拟地址，那我要是对野指针进行了访问修改，页表对野指针映射后，还不是对物理内存进行了非法的访问修改吗？地址空间的设置不就多此一举了吗？

  事实并非上述一样。凡是非法的访问或者映射，操作系统都会识别到的。一但你进行了非法的访问或者映射，操作系统就会终止掉你的程序。举个例子，当我们对野指针进行访问修改时，你的程序就会崩溃，这不就是程序终止退出吗！！！

  地址空间有效的保护了物理内存。因为地址空间和页表是操作系统创建并且维护的。这也就意味着地址空间和页表进行映射时需要操作系统进行监管！

3、2 内存管理和进程管理完成解耦合

  因为有了地址空间和页表，所以我们的数据可以在物理内存中的任何合法位置加载。因为他们之间有映射。物理内存的分配和进程的管理可以做到没有关系！

  所以进程模块和内存模块只需要各自完成各自的事情，最后通过页表的映射将他们连接起来，产生关系。降低了他们之间互相的影响度。

3、3 将无序的物理内存有序化

  由于数据可以在物理内存中理论上可以加载任何位置，那么是不是物理内存中几乎所有的数据和代码在内存中都是乱序的。

  但是，也为页表的存在，它可以将地址空间上的虚拟地址和物理地址进行映射，那么在进程的视角所有内存分布就是有序的!

四、总结

  我们平常所访问到的地址均为虚拟地址。地址空间并不是物理地址，而是虚拟地址。通过页表映射访问物理地址。 每个进程都有自己的地址空间和页表。

  页表是一种数据结构，它存储了虚拟地址与物理地址之间的映射关系。在进行地址转换时，操作系统根据进程的页表查找对应的物理地址，然后将虚拟地址转换为物理地址，以便进行实际的内存访问。

  通过使用虚拟地址，操作系统可以为每个进程提供独立的地址空间，使得多个进程可以并发运行，彼此之间相互隔离，互不干扰。虚拟地址还提供了更高的灵活性和保护性，使得操作系统可以有效地管理和分配内存资源，提高系统的性能和安全性。