【Linux】四、Linux 进程概念（四）|进程地址空间

十、进程地址空间

10.1 回顾C/C++ 地址空间

C/C++ 地址空间基本是下面这样子的，以 32 位的平台为例

这里的地址空间是什么？是物理地址吗？下面解释

10.2 测试

测试代码

#include<stdio.h>                                                                                                                                                          
#include<unistd.h>

int global_value = 1;

int main()
{
    pid_t id = fork();
    if(id < 0)
    {
        printf("fork error\n");
    }
    else if(id == 0)
    {
        while(1)
        {
            printf("I am son process, pid:%d, ppid:%d | golbal_value:%d, &global_value:%p\n", getpid(), getppid(), global_value, &global_value);
            sleep(1);
        }
    }
    else
    {
        while(1)
        {
            
            printf("I am parent process, pid:%d, ppid:%d | golbal_value:%d, &global_value:%p\n", getpid(), getppid(), global_value, &global_value);
            sleep(2);
        }
    }    
    
    return 0;    
}

运行结果，global_value 的地址都相同，没毛病

下面稍微修改一下程序

测试代码

#include<stdio.h>                                                                                                                                        
#include<unistd.h>                                                                                                                                       
                                                                                                                                                         
int global_value = 1;                                                                                                                                    
                                                                                                                                                         
int main()                                                                                                                                               
{                                                                                                                                                        
    pid_t id = fork();                                                                                                                                   
    if(id < 0)                                                                                                                                           
    {                                                                                                                                                    
        printf("fork error\n");                                                                                                                          
    }                                                                                                                                                    
    else if(id == 0)                                                                                                                                     
    {                                                                                                                                                    
        int cnt = 0;                                                                                                                                     
        while(1)                                                                                                                                         
        {                                                                                                                                                
            printf("I am son process, pid:%d, ppid:%d    | golbal_value:%d, &global_value:%p\n", getpid(), getppid(), global_value, &global_value);      
            sleep(1);                                                                                                                                    
            if(cnt == 5)                                                                                                                                 
            {                                                                                                                                            
                global_value = 100;                                                                                                                      
                printf("global_value 已发生改变\n");                                                                                                                       
            }                                                            
            cnt++;    
        }    
    }       
    else    
    {               
        while(1)    
        {
            
            printf("I am parent process, pid:%d, ppid:%d | golbal_value:%d, &global_value:%p\n", getpid(), getppid(), global_value, &global_value);
            sleep(2);
        }
    }
    
    return 0;                                                                                                                                                              
}

运行，观察变化

我们观察发现，同一个地址，居然打出了两个不同的值，这是什么情况？？

    如果说我们是在同一个物理地址处获取的值，那**必定是相同**的，而现在在同一个地址处获取到的值却不同，这只能说明我们**打印出来的地址绝对不是物理地址**

** 以此推导，我们在学习各种语言所遇到的地址，并不是对应的物理地址，包括指针 **

那这个地址是什么地址？

  **  我们在学习各种语言中所遇到的地址叫做虚拟地址，虚拟地址不是物理地址，虚拟地址也叫线性地址和逻辑地址**

**学习各种语言所看到的地址，全部都是虚拟地址！物理地址，用户一概看不到，由OS统一管理OS必须负责将 虚拟地址 转化成 物理地址 **

10.3 感性理解虚拟地址空间

理念：进程会认为自己是独占系统资源的，事实上并不是

举个栗子：

一个富翁Peter，他有百亿美金，他在外面有三个私生子，son1、son2和 son3，三个私生子彼此之间都不知道各自的存在，son1、son2和 son3都认为他的父亲只有一个儿子，就是他们自己

Peter 对儿子们画了一个超级大饼：

Peter 对 son1 说：你管理好这个工厂，等我不在了，你就继承我的百亿美金

Peter 继续对 son2 说：你当好这个金融公司的CEO，等我不在了，你就继承我的百亿美金

Peter 又对 son3 说：你好好念书，等我不在了，你就继承我的百亿美金

这三个儿子非常高兴，son1 认为自己独占他爸的资产，son2 也认为自己独占他爸的资产，son3 也认为自己独占他爸的资产

儿子们想他老爸要钱，不会说：爸，你给 百亿美金我用用。即使儿子是这么说，他爸也不可能给的，儿子要钱了，Peter 只会给几百万，几千万，Peter不可能说把全部的资产全给儿子

    **这里的大富翁就相当于操作系统；他的百亿美金就相当于内存；给儿子们画的百亿美金大饼就相当于地址空间，准确的说是进程地址空间，它就是我们C/C++ 学习是所划分的地址空间（栈区、堆区...），而进程地址空间就是操作系统给进程画的大饼；儿子就相当于进程，儿子向老爸要的钱就相当于我们向内存申请内存或对象空间**

儿子们向他老爸要百亿美金，他老爸可以直接拒绝，就好比你的内存有16G，进程A 一上来就申请个16G内存，操作系统直接拒绝了进程的请求，申请内存一般每次都是申请一点点：10kb，20kb，不可能说上来就直接申请16G的内存，操作系统也不会给你这么干

10.4 如何画大饼？

    大富翁给儿子们画饼，儿子们肯定要记住是谁给他们画的饼，画的饼是什么样子的，儿子们脑中都有一个蓝图结构体，这个结构体里面包含了是谁给他们画的饼，画的饼是什么...等等

struct 蓝图
{
    char* who;
    char* when;
    char* money;
    //岗位
    //...
}

画饼的本质：在大脑中构建一个蓝图，这种蓝图实际上是一种数据结构对象

再举个栗子：

假设某个公司的老板，他给公司内的500个员工画饼：你们好好干，等公司上市了，一人给...

员工是要被管理的，老板给员工画的饼也要被管理

这500个员工就相当于500个进程，老板给员工画饼就相当于操作系统给进程画的饼：进程地址空间；500个进程也要被管理， 进程地址空间也要被管理，如何管理？先描述，再组织

地址空间的本质：**是内核的一种数据结构，这个数据结构叫 mm_struct **

继续谈如何画饼

继续看 C/C++ 的地址空间，假设是在 32位平台下

    **地址空间描述的基本空间大小的单位是字节，32位下就有 2^32 个地址空间（字节），这些空间都是虚拟地址空间，这个虚拟地址空间就是进程地址空间， 2^32 个地址空间（字节） = 4GB的空间范围，每个字节都要有唯一的地址，这样下来给每个字节对应一个唯一的地址，这样地址就有了 2^32 个地址，地址最大的意义只要保证唯一性即可，怎么表示 2^32 个地址，32位的数据即可表示：32bit（unsigned int ）**

10.5 如何理解区域划分和区域调整

地址空间中有栈区、堆区、代码区...等等，那它们是如何划分的呢？

下面继续举栗子：

小明和小红是一年级的同学，他们互相是同桌，他们的课桌假设只有100cm，小红嫌小明老是占用她的课桌位置，于是与小明一起对课桌进行了区域划分，两人个占一半，小明的活动范围是 [0 ~ 50]cm，小红的活动范围是 [51 ~ 100]cm

如何描述小明和小红所划分的区域？如图

小明老是越过分割线，小明老是挨揍，于是小明就对小红说能不能重新划分一下区域，我们各自留下 5cm的缓冲空间，小红说可以，你可以适当在缓冲空间活动，但是不能超过我的分割线

多次对桌子分配的区域所进行的调整，就可以看成不断改变结构体的内部成员变量大小的过程

struct Destop d = {0, 50, 51, 100};//一开始
struct Destop d_new = {0, 45, 55, 100};//区域发生改变
struct Destop d_new1 = {0, 30, 31, 100};//区域再次发生改变

    小明和小红进行的划分区域和区域调整，就相当于地址空间的区域划分和区域调整，小明和小红是一个具体的 mm_struct 结构体

    虚拟地址空间的区域划分，实际上也就是相当于小明和小红进行区域划分，这个划分的结构体就是 struct mm_struct，它里面包含了对各个区进行划分的数据，进行划分的空间大小为 2^32 个字节，也就是 4GB 的空间大小（32位下）

struct mm_struct
{
    uint32_t code_start, code_end;//代码区
    uint32_t data_start, data_end;//数据区
    uint32_t heap_start, heap_end;//堆区
    uint32_t stack_start, stack_end;//栈区
    //....
    //...
}；

    划分好之后，小红再次对区域进行调整，这就相当于再次对虚拟地址空间划分进行调整，堆区和栈区的虚拟地址空间大小是可以被改变的，也就是再次进行空间调整，进行调整只需要改变 start和end 的范围。比如我们进行 malloc 或 new 开辟空间，实际上就是对 堆区或栈区 进行调整，增大堆区或栈区的空间范围，当我们 free 掉空间的时候，也就对应调整缩小 栈区或堆区的空间范围

我们看一眼 Linux 的部分 mm_struct 内核数据结构

这里面确实对各个区域进行了划分

这也证明了，我们之前一直所谈的C/C++地址空间这个叫法是个错误的，其实际上是进程的地址空间

10.6 虚拟地址空间、页表和物理地址

我们已经知道了 struct mm_struct *mm，这个 *mm指针就是指向 mm_struct 这个结构体

    这是我们的内存，可执行程序要执行就先要加载到内存里，那么我们通常所说的物理地址也就是内存与磁盘经常会产生联系，即数据在内存与磁盘间传输的过程我们称为IO，IO的单位是 4KB，**那么我们就将内存中 4KB的大小空间看成一个 page页**，因此对于内存的数据来说，如果内存为4GB,那么我们可以把内存分割成 4GB/4KB 个 page页，即我们可以将内存想象为一个结构体数组：struct page mem[4GB/4KB]，**通过偏移量就可以访问内存中所有的page页，也就可以访问到内存的所有数据**

进程地址空间 和 物理地址之间的关联

    而对于这些虚拟的地址实际上作为数据来说，也需要存放在物理地址的某一个位置，因此这就会与内存产生关联。而虚拟地址与物理地址产生关联的媒介就这样产生了，我们将这个媒介称之为**页表**。（由于页表的内容过于复杂，在这里仅仅是引出这么个名词方便后续解释）

    **每一个虚拟地址都需要通过页表需要映射到物理内存上，一个页表中有两个地址（一个是虚拟地址，另一个是物理地址）也就是8个字节需要存储，那么储存这个页表所需要的空间为：2^32*8 = 32GB，内存压根存不下，内存只有 4GB，所以页表的存储形式不简单，而且极为复杂，因此关于页表的知识这里不谈，后续会讲**

    假设一个程序它定义了 int a = 100，我们对 a 进行取地址 &a，取到的地址就是虚拟地址，假设 a 的虚拟地址是 0x1234 5678，这个虚拟地址通过页表的映射，映射找到相应的物理地址，假设物理地址是 0x1111 2222

我们做的就是把可执行程序加载到内存，通过页表映射到内存等其他的所有工作，都是由操作系统自动帮你完成

** 多个进程运行，每个进程都认为自己占用 2^32 个地址 = 4GB，实际上操作系统并不允许任何一个进程完全占用所有的内存空间，而且进程是看不到物理内存的，只能通过页表取间接访问**

10.7 为什么存在地址空间

10.7.1 保证物理内存的安全性

   ** 如果直接让进程访问物理内存，这是非常不安全的**。比如，万一进程越界非法操作呢？有一个恶意进程扫描你的物理内存，读取你的隐私数据，账号密码...等等，所以进程直接访问物理内存是不安全的。

    **所以就需要一个虚拟地址空间，给进程啥闹腾，非法操作，野指针...随便让进程弄，这些非法进程非法访问物理内存或非法进行映射的时候，页表可以直接拦截你的非法操作，这个识别恶意进程和终止恶意进程都是由操作系统做的**

    至于怎么识别和怎么做，后面篇章会讲

10.7.2 保证进程的独立性

解释 10.2 的测试现象，同一个地址，打出了两个不同的值

相同地址下父进程和子进程的数值为什么不同？

我们都知道了子进程是以父进程为模板创建出来的

    程序运行时，global_value = 100 被存放在了物理内存中，父进程和子进程都需要访问 global_value，于是 global_value 的虚拟地址空间中的地址就会通过页表映射到物理内存中，于是父进程和子进程就可以通过虚拟地址空间中的地址去访问 global_value，并且打印时父进程和子进程对应的 global_value 对应的虚拟地址也是相同的，因此开始时我们能看到父进程和子进程对应的 global_value 的数值和地址都相同

当子进程要改变 global_value 的值时，涉及到了写时拷贝和进程的独立性

** 进程是具有独立性的，一个进程对被共享的数据修改，如果影响了其他进程，就不能称之为独立性了，所以一个进程对被共享的数据修改不能影响其他进程**

** 操作系统为了保证进程的独立性，操作系统做了很多工作：通过地址空间，通过页表，让不同的进程映射到不同的物理内存处 **

写时拷贝：

  **  任何一方尝试写入数据，操作系统先进行数据拷贝，更改页表映射，然后再让进程进行修改。写时拷贝用于不同进程的数据进行分离，比如两个进程共享一个数据，其中一个进程要对共享的数据进行修改，一个进程仍然指向原有的物理地址，而修改共享数据的另一个进程则发生写时拷贝**

    **所以，当子进程要改变 global_value 的值时，子进程会发生写时拷贝，操作系统就会将子进程页表与内存的物理地址之间的联系断开，并在物理内存的另一个位置将原来物理地址的数据拷贝过来，拷贝后再进行对值的修改，子进程页表与内存的物理地址之间的联系也将被修改，指向拷贝后的地址。**

** 所以，当子进程要改变 global_value 的值，并不会影响到父进程的 global_value 的值，这个操作与虚拟地址也没有任何关系，因此我们所看到的子进程与父进程的虚拟地址仍是相同的地址，发生改变的只是物理地址**

进程 = 内核数据结构 + 进程对应的代码和数据，内核数据结构是独立的，进程对应的代码和数据也是独立的，因此进程就是独立的

** 所以，进程地址空间的存在，可以更方便的进行 进程和进程的数据代码的解耦，从而保证了进程独立性的这种特征**

10.7.3 保证进程的统一性（难点）

当我们写了一个可执行程序，当它加载到内存的时候，这个可执行程序的内部有地址吗？

    答案是肯定有的，程序编译的过程为：预处理、编译、汇编、链接，程序在第二步编译的时候已经有了地址（在调试模式下，反汇编可以查看），最后一步链接才是生成可执行程序，所以在生成可执行程序的时候，可执行程序的内部已经有的地址。

    **这个地址叫逻辑地址，在Linux下，虚拟地址和逻辑地址是一样的，下面为了方便都叫虚拟地址**

虚拟地址空间的规则只有操作系统会遵守吗？

    当然不是，不仅操作系统需要遵守，编译器同样需要遵守！编译器在编译你的代码的时候，就是按照虚拟地址空间的方式进行对代码和数据进行编址的

** 上面说的地址，是我们程序内使用的地址**

     假设在32位平台下，也就是按照32位地址空间进行编址，假设磁盘中有一个可执行程序 my.exe，它里面有一个main 函数，还有一个func 函数，还有一个变量 a，main 函数调用这个 func 函数，func 函数里面使用了变量a，my.exe 是一个可执行程序，**它的内部已经有了虚拟地址（逻辑地址）**，假设 a的地址是 0x1122，func() 函数的地址是 0x1111，main() 函数的地址是 0x2222

    在编译时，main() 里面的 fun() 会通过虚拟地址跳转到定义的 fun()函数，当可执行程序加载到物理内存时，这个虚拟地址仍然存在，也就是程序内部使用的地址在加载到物理内存中时仍然存在。

    **执行程序加载到物理内存时，天然具备了一个外部的物理地址，可执行程序的内部也有一套虚拟地址，这样相当有了两套地址**

    也就是说，可执行程序加载到物理内存时，可执行程序内部有一套虚拟地址，外部有一套物理地址！！一套是程序内部互相跳转的虚拟地址，另一套是标识物理存在中代码和数据的地址 

    当 CPU 执行这段代码的指令的时候，程序内部的虚拟地址空间就被加载出来，*mm 指向这块虚拟空间 mm_struct，这个空间就有着这个程序的虚拟地址

** CPU 读进来的指令，指令内部就有地址（虚拟地址）**

那么当CPU的寄存器，比如 pc指针通过指令读取此代码时，指令内读出来的是物理地址还是虚拟地址呢？

一定是虚拟地址！因为指令的内部使用的那一套地址就是虚拟地址，虚拟地址再通过页表映射找到物理地址

     当CPU再次读取指令，从main函数中出来再次调用fun()函数，出来的是物理地址还是虚拟地址呢？答案当然还是虚拟地址！原因与上述的理解相同

    过上述的物理内存的映射与寄存器的读取，整个代码跳转的逻辑就那么一点点的转起来了，读取虚拟地址，再通过页表找到物理地址，这个过程确实很抽象

  **  在这个过程中我们也发现 CPU 在根本接触不到物理地址，接触到的都是虚拟地址！**

     **所以，地址空间的存在，可以让进程以统一的视角来看待进程对应的代码和数据等各个区域，方便使用。编译器也以统一的视角来进行编译代码（使用和编译的 统一是指虚拟地址空间的统一，因为规则一样，所以虚拟地址编完即可使用）**

----------------我是分割线---------------

文章到这里就结束了，进程概念这个篇章也完结了，下篇进入进程控制