汇编窥探Swift底层（一）：汇编基础

汇编基础

一、程序的本质

1. 程序的执行过程

如下图所示，执行软件的时候，会将软件从硬盘装载到内存中，然后由CPU控制内存读与写，同时也会控制计算机的其他设备进行响应

软件执行过程

2. CPU

如下图所示，CPU包括寄存器、运算器、控制器，寄存器负责信息存储，运算器负责信息处理，控制器负责分析指令并发出相应的控制信号

CPU

二、寄存器和内存

• 在软件执行过程中，CPU一般会将内存中的数据放到寄存器中，在对寄存器的数据进行运算，如下图的例子

寄存器和内存

• 假设内存中有块红色的内存空间存放着3，现在想，把3加1，并将结果存放到蓝色内存空间中，让我们来看看CPU是怎么做的：

  • (1) . 首先CPU会将红色的内存中的值放到寄存器RAX中，对应的汇编语句是这样的：movq 红色空间地址，%rax

  • (2) . 然后让rax寄存器与1相加，对应的汇编语句是这样的：addq $0x1,%rax

  • (3) . 最后将值赋值给蓝色内存空间，对应的汇编语句是这样的：movq %rax,蓝色内存空间的地址

    (PS：汇编代码看不懂没关系，学完下面的就会了，一会可以回过头来再看看)

三、编程语言的发展

• 最开始是机器语言，由0和1构成

• 为了方便记忆，人们用符号代替了0和1，这就是汇编语言

• 为了更接近人类自然语言，又发明了高级语言来代表符号，例如C、C++、Python、JAVA、OC、Swift、JS等等

• 举个例子，如果我们想将寄存器bx的值放到寄存器ax中，用三种语言表示如下，是不是感觉到越来越容易阅读了呢

  • (1) . 机器语言：10001000100010001

  • (2) . 汇编语言：movw %bx,%ax

  • (3) . 高级语言：ax = bx;

• 本例子中高级语言执行过程，如下图所示，从高级语言编译成汇编，再编译成机器语言才能被计算机所执行

  
  
  

  高级语言执行过程

总结：

• 汇编语言和机器语言一一对应，从汇编语言可以编译成机器语言，从机器语言也可以反编译成汇编语言，是一对一的关系

• 高级语言可以通过编译得到汇编语言，但是汇编语言几乎不可能反编译成高级语言，因为这是一对多的关系，多个高级语言有可能编译成同一条汇编语言。

• 汇编语言的种类非常多，例如8086汇编、x86汇编、x64汇编等等，汇编语言大部分都非常相似，学会一种，其他的自然也能看懂了 。在iOS领域，最主要的汇编语言就两种：AT&T汇编对应着iOS模拟器，ARM汇编对应着iOS真机，以下重点讲述AT&T汇编 。

四、常见汇编指令

• 1. AT&T汇编中有16个常见的寄存器：rax、rbx、rcx、rdx、rsi、rdi、rbp、rsp ; r8、r9、r10、r11、r12、r13、r14、r15
• 2. 寄存器是CPU内部存放数据的地方，常见的用途如下：

  • 1>. rax、rdx寄存器中经常存放函数的返回值

  • 2>. rdi、rsi、rdx、rcx、r8、r9等寄存器经常用于存放函数的参数

  • 3>. rsp、rbp经常用于栈操作

  • 4>. rip一般存放指令指针，存储着CPU下一条要执行的指令的地址

• 3. 下图是两种汇编语言的常用指令，格式非常相似，大家学会一种，另一种自然也就懂了，下面我来详细解释一下这张图的意思

常见汇编指令

• 1>. 第一行是寄存器名称的命名规范，在AT&T中需要加上%，在Intel中不需要加，rax就代表寄存器的名称

• 2>. 第二行是操作顺序，AT&T中，是将左边的rax中的值赋值给右边rdx中；Intel中，是将右边的值赋值给左边，两者顺序不同而已。

• 3>. 第三行是常数的赋值，将3赋值给寄存器，AT&T是把3放到左边，Intel是把3放到右边

• 4>. 第四行是movq $0xa,0x1ff7(%rip)，将0xa赋值给地址为rip+0x1ff7的内存空间中，在AT&T中，内存地址的加法是用0x1ff7(%rip)表示，意思是将rip中存放的内存地址与0x1ff7相加；在Intel中的写法为[rip+ox1ff7]

• 5>. 第五行leqp -0x18(%rbp),%rax，是取内存地址，将rbp寄存器中的地址减去0x18后得到的值，赋值给rax寄存器中

• 6>. 第六行jmp是跳转指令，CPU会直接跳转到目标地址去执行

• 7>. 大家应该发现了AT&T汇编总比Intel汇编多一位，例如：AT&T是movl，Intel就是mov， AT&T汇编的最后一位代表操作数，意思是要操作多少个字节的空间。

  • 例如movl $3，%rax，这句汇编的最后一位l，是long的缩写，代表操作数的长度是4个字节，要操作4字节的空间，将来要存放3的时候，CPU就分配4个字节的寄存器空间用来存放3

注意： movq和leaq的区别：

• movq 是根据内存地址找出数据后，再将数据赋值给寄存器。

  • 例如：mov -0x18(%rbp)，%rax，就是拿rbp寄存器存的地址减去 0x18 得到的地址，再从这个地址取出具体数据，存放到rax寄存器中

• leaq 是将算出来的地址值，直接给寄存器。

  • 例如：leaq -0x18(%rbp)，%rax，就是将rbp寄存器存的地址减去0x18得到的地址，直接存放到rax寄存器中

注意： jmp和call的区别：

• jmp跳到某个地址后，中间的指令就不执行了。

  • 例如：刚开始执行在0x00000001处，执行jmp 0x00000008后，就直接跳转到目标指令了，中间的指令就跳过不执行了

• call指令一般都是执行某个函数，经常与ret指令配合使用，会在函数执行完后返回到函数调用处

  • 例如：call *%rax 调用寄存器rax中存的地址（*代表间接调用，函数地址可能是动态的），调用结束后，会返回到调用函数的这一行指令

五、寄存器

• 1. 寄存器是用来存放数据的，肯定需要存储空间才行，寄存器的大小和CPU有关，你是32位的CPU，那么你的寄存器也都是32位的

• 2. 寄存器也是逐渐发展的，从开始的1个字节的寄存器，慢慢发展为2个字节的，4个字节的，8个字节的。

     • 为了兼容以前的寄存器，8个字节的寄存器会分出来4个字节当做4个字节的寄存器，如下图，为了兼容2个字节的寄存器，4个字节的寄存器又拿出最低的2个字节作为2个字节的寄存器，这样做，8位的寄存器，就能兼容之前的4个字节的寄存器、2个字节的寄存器、1个字节的寄存器了。

       
       
       

       寄存器
• 3. 在AT&T汇编中:

  • r开头的寄存器都是占8个字节，也就是这个寄存器可以存储8个字节的数据，例如rax、rbx、rcx等寄存器；

  • 以e开头的寄存器占4个字节，也就是这个寄存器可以存储4个字节的数据；

  • ax、bx、cx寄存器占2个字节，也就是这个寄存器可以存储2个字节的数据；

  • ah、al、bh、bl寄存器占用1个字节，也就是这个寄存器可以存储1个字节的数据；

• 4. 我们来看两句汇编代码巩固一下以上知识
  • 1>.movq $0xa，%rax，这句汇编的意思是将16进制0xa(也就是十进制的10)存放到rax寄存器中，操作数是q，代表操作 8 个字节的空间，所以寄存器rax中的数据就应该是0xa 0x0 0x0 0x0 0x0 0x0 0x0 0x0，如下图所示，由于rax、eax、ax、ah等寄存器共用一段存储空间，所以表面是你修改了rax寄存器，实际上eax、ax、ah等寄存器的值全都变成了0x0了
    
    

    movq $0xa，%rax

• 2>.movl $0xa，%eax，这句汇编的意思是将16进制0xa存放到eax寄存器中，操作数是l，代表操作 4 个字节的空间，所以寄存器eax中的数据就应该是0xa 0x0 0x0 0x0，由于与rax寄存器共用存储空间，表面是是修改了eax寄存器，实际上rax寄存器也被修改了
  
  

  movl $0xa，%eax.png

六、AT&T汇编语言的常用技巧（这些技巧在以后分析汇编的时候会经常用到，建议熟记）

- 1. 0x712a(%rip) 一般都是全局变量，全局区 （这句汇编的意思是：rip寄存器的值 + 0x712a）

- 2. -0x10(%rbp) 一般都是局部变量，栈空间 (这句汇编的意思是：rbp寄存器的值 - 0x10)

- 3. 0x10(%rax)一般是堆空间 (这句汇编的意思是：rax寄存器的值 + 0x10)

- 4. rax、rdx寄存器一般存储函数返回值

- 6. rdi、rsi、rdx、rcx、r8、r9等寄存器常用来存放函数参数

- 7. rsp、rbp常用于存放栈操作

- 8. rip作为指令指针，存储着CPU下一条要执行的指令的地址，一旦CPU读取一条指令，rip会自动指向下一条指令

七、LLDB常用调试命令（加粗标红的命令以后会经常用，建议熟记）

• 1. 读取某个寄存器的值：register read/格式，例如： register read/x rax
• 2. 修改某个寄存器的值：register write 寄存器名称 数值，例如：register write rax 0
• 3. 读取某个内存地址中的值：x/数量-格式-字节大小 内存地址，例如： x/3xw 0x0100010 ，这句命令的中的第一个x代表读取内存，3代表3组，第二个x代表以16进制的格式，w代表4个字节，所以意思就是从0x0100010地址开始，以16进制的格式输出3组4个字节的内存数据，也就是以16进制的格式输出12个字节的数据。
• 4. 修改内存中的值：memory write 内存地址 数值，例如：memory write 0x100010

• 5. 上述命令中的的格式补充 ：x代表16进制，f是浮点，d是十进制

     上述命令中字节大小补充：b - byte - 1字节，h - half word - 2字节，w - word - 4字节，g - giant word - 8字节

• 6. 源码单步运行，子函数当做一个整体：next或者n
• 7. 源码单步运行，遇到子函数会进入子函数：step或者s
• 8. 汇编单步运行，子函数当做一个整体：nexti或者ni
• 9. 汇编单步运行，遇到子函数会进入子函数：stepi或者si
• 10. 直接执行完当前函数所有代码，返回函数调用处：finish
• 11. 打印函数调用栈：bt

八、内存常用知识

• 1. iOS领域，内存地址从低到高分为：代码区、常量区、全局区（数据段）、堆空间、栈空间、动态库
• 2. 我们平常写的代码、函数都是不占用内存的，放在代码区
• 3. 在程序运行过程中是不能往常量区放东西的，全局区是允许的

• 4.基于引用计数的ARC内存管理是针对堆空间的，代码区、常量区、全局区、栈空间的内存不需要我们管理

• 5. iOS平台中内存是以字节为单位的分配的；malloc分配的堆空间的的内容是以16个字节为单位的，也就是堆空间最少会分配16个字节的空间。
• 6. MacO可执行文件的虚拟内存地址是0x10000000，在MacO文件里找地址需要用真实地址减去虚拟内存的地址，才是MacO文件里的地址