计算机组成原理：纸带编程与计算机指令

引入

在计算机的上古时代，程序是这样写出来的。借助一种叫做打孔器的物理设备，然后再纸上或者卡片上打洞。这样，要写的程序、要处理的数据，就变成了一条条纸带或者一张张卡片，之后再交给当时的计算机去处理。

这种方法类似于现在考试用的答题卡。然后再特定的位置上打洞或者不打洞，来替代0和1。

那为什么要使用打卡机而不是用C这样的高级语言来写呢？ 原因很简单。因为计算机或者说CPU本身，并没有能力理解这些高级语言。即使到了现在，当前的计算机也只能处理所谓的“机器码”，也就是一连串的“0”和“1”这样的数据。

那么，我们每天用高级语言的纯虚，最终是怎么变成一串串的“0”和“1”的？这一串串的“0”和“1”又是怎么在CPU中处理的？

在软硬件接口中，CPU帮我们做了什么事？

CPU（Central Processing Unit），也叫做中央处理器。相当于计算机的大脑。

• 从硬件的角度来看，CPU就是一个超大规模的集成电路，通过电路实现了加法、乘法以及各种各样的处理逻辑
• 从软件的角度来看，CPU就是一个执行各种计算机指令的逻辑机器。这里的计算机指令，就好比一门CPU能够听得懂的语言，我们也可以把它叫做机器语言

不同的CPU能够听懂的语言不太一样。比如，Intel的CPU（个人电脑）和ARM的CPU（手机）能够听懂的语言就不太一样。类似这样两种CPU各自支持的语言，就是两组不同的计算机指令集，英文叫 Instruction Set。这里面的“Set”，其实就是数学上的集合，代表不同的单词、语法。

这也是为什么电脑上的程序不能在手机上运行的原因，因为这两者语言不通。电脑上的程序能够在另一台电脑上运行的原因就是因为两台CPU有着相同的指令集。

一条计算机程序，不可能只有一条指令，而是由成千上万条指令组成的。但是CPU里不能一直放在所有指令，所以计算机程序平时是存储在存储器中的。这种程序指令存储在存储器里面的计算机就叫做存储程序性计算机

从编译到汇编，代码怎么变成机器码？

// test.c
int main()
{
	 int a = 1;
	 int b = 2;
	 a = a + b;
}

如果我们想要这段程序在一个Linux操作系统上跑起来，我们需要把整个程序翻译成一个汇编语言（ASM，Assembly Language）程序，这个过程叫做编译（Compile）成汇编代码。

针对汇编代码，我们可以再用汇编器（Assembler）翻译成机器码（Machine Code）。这些机器码由“0”和“1”组成的机器语言表示。这一条条机器码，就是一条条的计算机指令。这样一串串的16进制，就是我们CPU能够真正认识的计算机指令。

在一个Linux操作系统上，我们可以简单的用gcc和objdump这样的两条指令，把对应的汇编代码和机器码都打印出来

$ gcc -g -c test.c
$ objdump -d -M intel -S test.o

可以看到，左侧有一堆数字，这些就是一条条机器码；右边有一系列的push、mov、add、pop等，这些就是对应的汇编代码。一行C语言代码，有时候值对应一条机器码和汇编代码，有时候则随对应两条机器码和汇编代码。汇编代码和机器码之间是一一对应的

test.o:     file format elf64-x86-64
Disassembly of section .text:
0000000000000000 <main>:
int main()
{
   0:   55                      push   rbp
   1:   48 89 e5                mov    rbp,rsp
  int a = 1; 
   4:   c7 45 fc 01 00 00 00    mov    DWORD PTR [rbp-0x4],0x1
  int b = 2;
   b:   c7 45 f8 02 00 00 00    mov    DWORD PTR [rbp-0x8],0x2
  a = a + b;
  12:   8b 45 f8                mov    eax,DWORD PTR [rbp-0x8]
  15:   01 45 fc                add    DWORD PTR [rbp-0x4],eax
}
  18:   5d                      pop    rbp
  19:   c3                      ret    

那为什么我们用GCC编译器的时候，不直接把代码编译成机器码，而是要先编译成汇编代码呢？原因很简单，调试方便，人类很难直接阅读机器码的，而我们通过机器码对应的汇编码就可以猜测机器码到底干了写什么。

汇编代码其实就是“给程序员看的机器码”，也正因为这样，机器码和汇编代码是一一对应的。人类很容易记住add、move这些指令，但是 8b 45 f8 这样的指令，由于很难一下子看明白是在干什么，所以会非常难以记忆。

从高级语言到汇编代码，再到机器码，就是一个日常开发程序，最终变成了CPU可以执行的计算机指令的过程

了解了这个过程，下面我们放大局部，来看看这一行行的汇编代码和机器指令，到底是什么意思。

解析指令和机器码

我们日常用的 Intel CPU，有 2000 条左右的 CPU 指令，所以只需要了解常见的指令即可。一般来说，常见指令可以分为五大类：

• 算术类指令：我们的加减乘除，在CPU层面，都会变成一条条算术类指令
• 数据传输类指令：给变量赋值、在内存中读写数据，用的都是数据传输类指令
• 逻辑类指令：逻辑上的与或非，都是这一类指令。
• 条件分支类指令：日常我们写的“if/else”，其实都是条件分支类指令。
• 无条件跳转指令：写一些大一点的程序，我们尝尝需要写一些函数和方法。在调用函数的时候，其实就是发起来一个无条件跳转指令。

下面我们来看看，汇编器是怎么把对应的汇编指令，翻译成为机器码的。

不同的CPU有不同的指令集，也就对应着不同的汇编语言和不同的机器码。下面以MIPS指令集，来看看机器码是如何生成的。

MIPS 的指令是一个 32 位的整数，高 6 位叫操作码（Opcode），也就是代表这条指令具体是一条什么样的指令，剩下的 26 位有三种格式，分别是 R、I 和 J。

• R 指令是一般用来做算术和逻辑操作，里面有读取和写入数据的寄存器的地址。如果是逻辑位移操作，后面还有位移操作的位移量，而最后的功能码，则是在前面的操作码不够的时候，扩展操作码表示对应的具体指令的。
• I 指令，则通常是用在数据传输、条件分支，以及在运算的时候使用的并非变量还是常数的时候。这个时候，没有了位移量和操作码，也没有了第三个寄存器，而是把这三部分直接合并成了一个地址值或者一个常数。
• J 指令就是一个跳转指令，高 6 位之外的 26 位都是一个跳转后的地址。

以一个简单的加法算术指令 add s1, $s2, 为例（为了方便，我们下面都用十进制来表示对应的代码）：

 add $t0,$s2,$s1

• 对应的 MIPS 指令里 opcode 是 0，rs 代表第一个寄存器 s1 的地址是 17，rt 代表第二个寄存器 s2 的地址是 18，rd 代表目标的临时寄存器 t0 的地址，是 8。因为不是位移操作，所以位移量是 0。把这些数字拼在一起，就变成了一个 MIPS 的加法指令。
• 为了读起来方便，我们一般把对应的二进制数，用16进制表示出来。在这里，也就是0X02324020。这个数字也就是这条指令对应的机器码。

回到开头我们说的打孔带。如果我们用打孔代表 1，没有打孔代表 0，用 4 行 8 列代表一条指令来打一个穿孔纸带，那么这条命令大概就长这样：

总结

打孔卡，其实就是一种存储程序型计算机。

• 只是着整个程序的机器码，不是通过计算机编译出来的，而是由程序员，由人脑“编译”成一张张卡片的。对应的程序，也不是存储在设备里，而是存储成一张打好孔的卡片。
• 但是整个程序运行的逻辑和其他CPU的机器码没有什么区别，也是处理一串“0”和“1”组成的机器码而已。

上面，我们看到了一个 C 语言程序，是怎么被编译成为汇编语言，乃至通过汇编器再翻译成机器码的。

• 除了C这样的编译器的语言之外，不管是python这样的解释型语言，还是Java这样使用虚拟机的语言，其实最终都是由不同形式的程序，把我们写好的代码，转换成CPU能够理解的机器码来执行的
• 只是解释型语言是通过解释器在程序运行的时候逐句翻译，而Java这样使用虚拟机的语言，则是由虚拟机对编译出来的中间代码进行解释，或者即时编译称为机器码来最终执行