??
???爆笑教程????《看表情包學Linux》???猛戳訂閱????
?? 寫在前面：本章核心主題為?"進程地址空間"，會通過驗證 Linux 進程的地址空間來開頭，拋出 "同一個值能有不同內容" 的現象，通過該現象去推導出 "虛擬地址" 的概念。然后帶著大家理解為什么虛擬地址不能是物理內存、講解進程地址空間的概念以及如何設計。講解什么是區(qū)域，對區(qū)域的理解，再引出內核中的數據結構是如何維護的，如何加載的問題。最后我們會揭秘文章開頭的驗證拋出的問題，從而引出 "寫時拷貝" 的概念。講解完寫時拷貝后，我們就能理解為什么 "同一個值能有不同內容"的現象，并且也能解釋本專欄進程開篇時拋出的 "fork為什么會有兩個返回值" 的問題了。文章的最后我們再探討一下虛擬地址空間存在的意義，會印證 "進程本身是有獨立性的" 概念。
???
???本篇博客全站熱榜排名：14
0x00 引入：地址空間是內存嗎？非也！
程序地址空間是內存嗎？不是！程序地址空間不是內存！
其實，我們稱之為程序地址空間都不準確，應該叫 進程地址空間，這是一個系統級的概念！
0x01 驗證：Linux 進程地址空間
我們來寫個代碼驗證一下 Linux 進程地址空間！
??? 代碼：Linux 進程地址空間
#include <stdio.h>
#include <unistd.h>
#include <stdlib.h>
int un_g_val;
int g_val = 100;
int main(int argc, char* argv[], char* env[])
{
printf("code addr : %p\n", main);
printf("init global addr : %p\n", &g_val);
printf("uninit global addr : %p\n", &un_g_val);
char* m1 = (char*)malloc(100);
printf("heap addr : %p\n", m1);
printf("stack addr : %p\n", &m1);
int i = 0;
for (i = 0; i < argc; i++) {
printf("argv addr : %p\n", argv[i]);
}
for (i = 0; env[i]; i++) {
printf("env addr : %p\n", env[i]);
}
}
?? 運行結果如下：
我們發(fā)現，整體的地址是依次增大的。
?請注意，堆和棧之間能觀察到有非常大的地址鏤空。
下面我們來驗證一下堆和棧的 "擠壓式" 增長方向的問題，在剛才的代碼中我們加上如下代碼：
/* 堆上申請四塊空間 */
char* m1 = (char*)malloc(100);
char* m2 = (char*)malloc(100);
char* m3 = (char*)malloc(100);
char* m4 = (char*)malloc(100);
printf("heap addr : %p\n", m1);
printf("heap addr : %p\n", m2);
printf("heap addr : %p\n", m3);
printf("heap addr : %p\n", m4);現在我們再驗證一下棧區(qū)，?依次入棧，我們取地址將其分別打印出來：
printf("stack addr : %p\n", &m1);
printf("stack addr : %p\n", &m2);
printf("stack addr : %p\n", &m3);
printf("stack addr : %p\n", &m4);
我們發(fā)現，堆區(qū)向地址增大方向增長，棧區(qū)向地址減少方向增長。
"堆和棧相對而生"
我們一般在 C 函數中定義的變量，通常在棧上保存，那么先定義的一定是地址比較高的，
后定義的地址一定是比較低的。因為先定義的先入棧，后定義的后入棧。
我們再來理解一下 static 變量，如何理解 static 變量？
我們知道：一個變量在函數內被定義，如果聲明其為?static，那么它的作用域不變，但它的生命周期會隨著程序存在一直存在。
憑什么在函數內定義 static 變量，該變量就能壽與天齊了？
我們可以加入一個 static 變量進剛才的代碼中，我們來觀察觀察：
static int s = 100;
我們的 s 是被初始化的，所以就被當成了全局變量，它只是一個寫在函數內的全局變量。
?這也就是為什么它能夠壽與天齊，因為它本來就是全局變量。
?? 結論：函數內定義的變量用 static 修飾，本質是編譯器會把該變量編譯進全局數據區(qū)。
0x02 感知：地址空間的存在
?? 我們還是寫代碼去觀察分析：
#include <stdio.h>
#include <unistd.h>
#include <stdlib.h>
int g_val = 100;
int main(void)
{
pid_t id = fork();
if (id == 0) {
// child
while (1) {
printf("我是子進程: %d, ppid: %d, g_val: %d, &g_val: %p\n\n", getpid(), getppid(), g_val, &g_val);
sleep(1);
}
}
else {
// father
while (1) {
printf("我是父進程: %d, ppid: %d, g_val: %d, &g_val: %p\n\n", getpid(), getppid(), g_val, &g_val);
sleep(2);
}
}
}?? 運行結果如下：
結論：當父子進程沒有人修改全局數據的時候，父子是共享該數據的。
?如果此時嘗試寫入，比如我們讓子進程有一個修改的操作。
我們在子進程那定義一個 flag，?sleep(1)?執(zhí)行五次，即五秒之后給它改值：
#include <stdio.h>
#include <unistd.h>
#include <stdlib.h>
int g_val = 100;
int main(void)
{
pid_t id = fork();
if (id == 0) {
// child
int flag = 0;
while (1) {
printf("我是子進程: %d, ppid: %d, g_val: %d, &g_val: %p\n\n", getpid(), getppid(), g_val, &g_val);
sleep(1);
flag++;
// 五秒之后開始更改
if (flag == 5) {
g_val = 200;
printf("我是子進程，全局數據我已做修改，注意查看！\n");
}
}
}
else {
// father
while (1) {
printf("我是父進程: %d, ppid: %d, g_val: %d, &g_val: %p\n\n", getpid(), getppid(), g_val, &g_val);
sleep(2);
}
}
}?? 運行結果如下：
?
?? 發(fā)現：父子進程讀取同一個變量（因為地址一樣），但是后續(xù)沒有人修改的情況下，父子進程讀取到的內容卻不一樣。
? 父子進程打出來的地址是一樣的，值卻不一樣??？
" 媽媽生的（即答）"
既然如此，那我就告訴你真相?—— 我們在 C/C++ 中使用的地址，絕對不是物理地址！
(梅開二度) 震驚，居然不是物理地址……
聽到這就像是《三體》中所說的?"物理學從來就沒有存在過" 一樣。
?如果是物理地址，上面出現的那種現象是不可能產生的！
不是物理地址，那是什么呢？本章我們還不能證明，需要后續(xù)章節(jié)的鋪墊才能夠講解。
?我們先拋出概念：我們在 C/C++ 中使用的地址，是 虛擬地址。
虛擬地址在我們 Linux 下也稱為 線性地址，有些教材中也稱之為 邏輯地址。這三個概念實際上是不一樣的，但是在 Linux 下它是一樣的（這和其本身的空間布局有關系）。
?我們再拋出一個問題：為什么我的操作系統不讓我直接看到物理內存呢？
如果能讓你直接看到物理內存，或者讓你訪問物理內存，豈不是會出亂子。
內存就是一個硬件，不能阻攔你訪問！只能被動地進行讀取和寫入！
0x03 講解：進程地址空間
每一個進程在啟動的時侯都會讓操作系統給它創(chuàng)建一個地址空間，該地址空間就是 進程地址空間
操作系統為了管理一個進程，給該進程維護一個?task_struct?叫做進程控制塊。
首先，每一個進程都會有一個自己的進程地址空間。
操作系統要不要管理這些進程地址空間呢？當然是要管理了，我們還是引出前幾章提出的：
先描述，再組織。
所謂的進程地址空間，其實是內核的一個數據結構！叫做?mm_struct?。
?下面我們就來講解，究竟什么是地址空間！
在上一章，我們談論過進程的概念，競爭和獨立、并行和并發(fā)，我們要需要談論其中的 獨立性。
進程具備獨立性，簡單來說就是一個進程掛掉或崩潰是不會波及其他進程的。
- 進程相關的數據結構是獨立的，進程的代碼和數據是獨立的。
?說得好，但是獨立性又和地址空間有什么關系呢？我們來講個故事。
?? 小故事環(huán)節(jié)：
《重生之我是財閥老板私生子》
韓國某個財閥老板非常滴有錢，他有 3 個私生子，每個私生子都并不知道對方的存在，他們都以為自己是獨生子。因為他們彼此不知道對方的存在，所以他們在生活和工作上也沒有交集，不會有任何互相的影響（這就是獨立性的體現）。財閥老板為了維護自己的獨立性：
他就對大兒子說："兒子，你好好學習，以后老爹錢都是你的。"，大兒子一聽臥槽真好，高枕無憂，就好好學習，一想到自己以后有錢，就更想學習了。
然后又對二兒子說："兒子，好好工作，等以后我就把公司給你。"，二兒子一聽熱淚盈眶，于是就好好工作，等著將來有一天可以繼承公司。
后來又對三兒子說："兒子，你好好干活，等你長大老爹的家產交給你！"，三兒子知道自己以后會繼承老爹的所有財產，開心壞了，就努力的干活。
只要在財閥爹的可承受范圍內，孩子要多少錢他都給多少錢，所以三個兒子自然都認為自己有很多錢。財閥老板給他的三個兒子畫了一張?zhí)摂M的、不存在的大餅，讓他們都能努力學習工作干活（這個步驟就是給他們分別建立了進程地址空間）。
上面的故事中，財閥老板就是操作系統，三個私生子就是進程，
財閥老板給他的三個兒子畫的大餅，我們就稱之為 "進程地址空間"。
所以，進程地址空間并不是物理上存在的概念，而是在邏輯上抽象的一個虛擬的空間。
財閥老板給三個私生子畫餅，就是為了維護這三個私生子互相之間的獨立性，
如果讓私生子知道自己并不是唯一，那以后分割財產必然會造成矛盾，
對他來說自然就不是一件好事。
所以，進程地址空間，就是就是給進程畫的大餅。
進程地址空間 → 邏輯上抽象的概念 → 讓每個進程都認為自己獨占系統的所有資源
?? 概念：操作系統通過軟件的方式，給進程提供一個軟件視角，認為自己是獨占系統的所有資源（內存）。
0x04 理解：區(qū)域和頁表
什么叫做區(qū)域？我們來拿一張桌子來理解，初中的時候我和我的同桌分過 "38線" 。
我們把一張桌子分為兩個區(qū)域，對桌子進行區(qū)域劃分：
比如，既然要標出區(qū)域，定義一個桌面區(qū)域，其實用兩個變量就可以表示了：
struct destop_area {
int start; // 區(qū)域起始位置
int end; // 區(qū)域結束位置
};
struct destop_area A = {1,50};
struct destop_area B = {50, 100};
搶地盤對桌面區(qū)域進行劃分，調整區(qū)域的大小只需要讓?end 加上?"調整值" 就行。
這就是區(qū)域的概念，我們只需要定義 start 和 end 就可以表示了。
每個區(qū)域范圍都是可以有對應的編號的，比如以厘米為單位，我的修正帶就放在了 50cm。
我們的?mm_struct 里面不就是區(qū)域范圍嗎？所以?mm_struct 就可以靠 start 和 end 定義：
struct mm_struct {
long code_start;
long code_end;
long init_start;
long init_end;
long uninit_start;
long uninit_end;
long heap_start;
long heap_end;
long stack_start;
long stack_end;
...
}程序加載到內存，由程序變成進程后，由操作系統給每個進程構建的一個頁表結構，就是 頁表。
我們來看看內核代碼，就是用一個 start 一個 end 來呈現區(qū)域空間。
每個區(qū)域都有一個 start 和 end，它們之間就有了地址，地址我們稱之為虛擬地址，
?然后這些虛擬地址經過頁表，就能映射到內存中了。
0x05?揭秘：原來是寫時拷貝！
? 思考：程序是如何變成進程的？
程序被編譯出來，沒有被加載的時候，程序內部有地址嗎？有！
?有沒有區(qū)域？也有！
?? 區(qū)分：我們程序內部的地址和內存的地址是沒有關系的。
編譯程序的時候，我們就認為程序是按照??~??進行編址的。
虛擬地址空間，不僅僅是操作系統會考慮，編譯器也會考慮。
每個進程都會創(chuàng)建一個 task_struct，每一個進程都會維護一個 mm_struct，自己有對應的區(qū)域，當我們的程序加載到內存時，程序有自己的加載到物理內存的物理地址，虛擬地址和物理地址建立映射關系，進程訪問某個區(qū)域當中的地址時，經過頁表找到對應的代碼和數據。當找到代碼和數據后，代碼加入到對應的 CPU 中，代碼中的地址在加載中就已經轉化成了線性地址/虛擬地址，所以 CPU 可以繼續(xù)照著這個邏輯向后運行。
所以剛才我們代碼測試，打印看到的虛擬地址值是一樣的，并且內容也是一樣的。在沒有人寫入的時候，虛擬地址到物理地址之間映射的頁表是一樣的，所以指向的代碼和數據都是一樣的。
因為進程具有獨立性，比如如果此時子進程把變量改了（寫入），就會導致父進程識別的問題就出現了父進程和子進程不一的情況，因為進程是具有獨立性的，所以我們就要做到互不影響。我們的子進程要進行修改了，影響到父進程怎么辦？沒關系！操作系統會出手！當我們識別到子進程要修改時，操作系統會重新給子進程開辟一段空間，并且把 100 拷貝下來，重新給進程建立映射關系，所以子進程的頁表就不再指向父進程所對應的 100 了，而直接指向新的 100。你在做修改時又把它的值從 100 改成 200 時，我們就出現了 "改的時候永遠改的是頁表的右側，左側不變" 的情況，所以最后你看到了父子進程的虛擬地址一樣，但是經過頁表映射到了不同的物理內存，所以了你看到了一個是 100 一個是 200，父子進程的數據不同的結果。
我們的操作系統當我們的父子對數據進行修改時，操作系統會給修改的一方重新開辟一塊空間，并且把原始數據拷貝到新空間當中，這種行為就是 寫時拷貝！
當父子有任何一個進程嘗試修改對應變量時，有一個人想修改，就會觸發(fā)寫時拷貝，讓他去拷貝新的物理內存，這只需要重新構建也表的映射關系，虛擬地址是不發(fā)生任何變化的，所以最終你看的結果是虛擬地址不變，而內容不同。
?現在再看，一點都不神奇了。
通過頁表，將父子進程的數據就可以通過寫時拷貝的方式，進行了分離。
這就做到父子進程具有獨立性，父子進程不互相影響。
0x06 回顧：fork 有兩個返回值的問題
我們在講解進程的第一個章節(jié)就提出過一個問題，關于?fork?為什么有兩個返回值的問題。
當時我們還提出了兩個問題，局限于當時還沒有講到進程地址空間，所以沒有辦法深入講解。
我們當時說過要在 "進程地址空間" 講完后再講，現在就可以講了！
我們先回顧一下上下文：
?? 代碼：驗證 fork?返回值的問題，我們把 id?給打印出來：
#include <stdio.h>
#include <unistd.h>
#include <sys/types.h>
int main(void) {
pid_t id = fork();
printf("Hello, World! id: %d\n", id);
sleep(1);
}
fork 有兩個返回值，pid_t id，同一個變量為什么會有兩個返回值？
本章我們就可以理解了，因為當它?return 的時候，pid_t id 是屬于父進程的?？臻g中定義的。
fork?內部?return?會被執(zhí)行兩次，return?的本質就是通過寄存器將返回值寫入到接收返回值的變量中。當我們的?id = fork()?時，誰先返回，誰就要發(fā)生?寫時拷貝。所以，同一個變量會有不同的返回值，本質是因為大家的虛擬地址是一樣的，但大家的物理地址是不一樣的。
0x07 探討：為什么要有虛擬地址空間？
如果我們沒有虛擬地址空間，直接讓進程訪問物理內存是不安全的。
有了虛擬地址空間，就是給訪問內存添加了一層軟硬關鍵層，可以對轉化過程進行審核，非法的訪問就可以被直接攔截了，可以?保護內存。
還能夠將 進程管理 和 Linux 內存管理，通過地址空間進行功能模塊的解耦。
讓進程或者程序可以以一種統一的視角看待內存！
有了虛擬地址空間，還可以讓進程或者程序可以 以統一的視角看待內存。方便以統一的方式來編譯和加載所有的可執(zhí)行程序。如此一來，就可以簡化進程本身的設計和實現。
?? [ 筆者 ]? ?王亦優(yōu)
?? [ 更新 ]? ?2023.2.14
? [ 勘誤 ]?? /* 暫無 */
?? [ 聲明 ]? ?由于作者水平有限，本文有錯誤和不準確之處在所難免，
本人也很想知道這些錯誤，懇望讀者批評指正！| ?? 參考資料? C++reference[EB/OL]. []. http://www.cplusplus.com/reference/. Microsoft. MSDN(Microsoft Developer Network)[EB/OL]. []. . 百度百科[EB/OL]. []. https://baike.baidu.com/.文章來源：http://www.zghlxwxcb.cn/news/detail-809163.html 比特科技. Linux[EB/OL]. 2021[2021.8.31 xiw文章來源地址http://www.zghlxwxcb.cn/news/detail-809163.html |
到了這里，關于【看表情包學Linux】進程地址空間 | 區(qū)域和頁表 | 虛擬地址空間 | 初識寫時拷貝的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！
