Linux-进程概念

冯诺依曼体系结构

生活中大部分的计算机，服务器都遵守冯诺依曼体系。

• 目前所认识的计算机，都是有一个个的硬件组件组成
• 输入单元：包括键盘, 鼠标，扫描仪, 写板等
• 中央处理器(CPU)：含有运算器和控制器等
• 输出单元：显示器，打印机等
• 冯诺依曼体系结构：
• 1. 这里的存储器指的是内存
• 2. 不考虑缓存情况，这里的CPU能且只能对内存进行读写，不能访问外设(输入或输出设备)
• 3. 外设(输入或输出设备)要输入或者输出数据，也只能写入内存或者从内存中读取。
• 4. 所有设备都只能直接和内存打交道。

注：

• 输入设备：键盘、网卡、磁盘、话筒……
• CPU：运算器和控制器
• 输出设备：显示器、网卡、磁盘、音响……
• 输出设备和输入设备统称为外设
• 存储器：CPU和所有外设的缓存
• 冯诺依曼规定了硬件层面上的数据流向
• 可执行程序运行时必须先加载到内存（冯诺依曼规定）
• 在数据层面：CPU并不和外设打交道，外设只和内存打交道
• QQ中传递文件：输入：磁盘、输出：网卡 、输入：网卡、输出：磁盘
• QQ中聊天：输入：键盘、输出：网卡 、输入：网卡、输出：显示器

操作系统(Operator System)

任何计算机系统都包含一个基本的程序集合，称为操作系统(OS)。

操作系统包括：

• 内核（进程管理，内存管理，文件管理，驱动管理）
• 其他程序（例如函数库，shell程序等等）

操作系统是进行软硬件资源管理的软件

操作系统：

• 可以减少用户使用计算机的成本
• 对下管理好所有的软硬件，对上给用户提供一个稳定高效的运行环境（软件：进程管理、文件管理、驱动管理…… 硬件：磁盘、网卡、显卡、内存……）
• 在整个计算机软硬件架构中，操作系统的定位是：一款纯正的“搞管理”的软件

注：

• 硬件部分遵守冯诺依曼体系
• OS不信任任何用户，任何对系统硬件或者软件访问，都必须通过OS的手
• 计算机体系是一个层状结构，任何访问硬件或者软件的行为，都必须通过OS接口，贯穿OS进行访问
• 库函数：语言或者第三方库（第一方：系统的、第二方：自己的，其余是第三方的）给我们提供的接口
• 系统调用：OS提供的接口
  总结：
• 计算机管理硬件：
• 1. 描述起来，用struct结构体
• 2. 组织起来，用链表或其他高效的数据结构
• 操作系统是进行软硬件资源管理的软件（其中管理的本质是先描述在组织（是对数据的管理））
• 管理分为三种：管理者、执行者、被管理者（eg管理者为OS、执行者为驱动程序、被管理者为底层硬件）

补：

• 系统调用：
• 1. 系统调用把应用程序的请求传输给系统内核执行
• 2. 系统调用函数的执行过程应该是由用户态变为内核态(又称系统态)
• 3. 利用系统调用能够得到操作系统提供的多种服务
• 4. 是操作系统提供给编程人员的接口
• 5. 系统调用给用户屏蔽了设备访问的细节
• 6. 系统调用保护了一些只能在内核模式执行的操作指令
• read是系统调用不是库函数

进程

描述进程-PCB

基本概念
课本概念：程序的一个执行实例，正在执行的程序等
内核观点：担当分配系统资源（CPU时间，内存）的实体。

描述进程-PCB

• 进程信息被放在一个叫做进程控制块的数据结构中，可以理解为进程属性的集合。称之为PCB（process control block），Linux操作系统下的PCB是: task_struct 。task_struct是PCB的一种
• 在Linux中描述进程的结构体叫做task_struct。
• task_struct是Linux内核的一种数据结构，它会被装载到RAM(内存)里并且包含着进程的信息

task_ struct内容分类

• 标示符: 描述本进程的唯一标示符，用来区别其他进程。
• 状态: 任务状态，退出代码，退出信号等。
• 优先级: 相对于其他进程的优先级。
• 程序计数器: 程序中即将被执行的下一条指令的地址。
• 内存指针: 包括程序代码和进程相关数据的指针，还有和其他进程共享的内存块的指针
• 上下文数据: 进程执行时处理器的寄存器中的数据
• I／O状态信息: 包括显示的I/O请求,分配给进程的I／O设备和被进程使用的文件列表。
• 记账信息: 可能包括处理器时间总和，使用的时钟数总和，时间限制，记账号等。
• 其他信息

注：

• 在编程语言中：顺序语句、判断语句、循环语句
• CPU中有一种寄存器叫pc指针（也称EIP），它是用来记录正在执行指令的下一条指令的地址
• CPU核心工作流程：
• 1. 取指令
• 2. 分析指令
• 3. 执行指令
• CPU中运行的代码都是进程的代码
• 当一个进程在运行中，因为某些原因，需要被暂时停止执行，让出CPU，需要进程保存（保存的目的是为了恢复）自己的所有的临时数据（最重要的是进程的上下文数据）
• 在每个CPU中都有一个运行队列，其中运行队列中的进程都是处在运行状态的（CPU是选择性的调度）

总结：

• OS可以一次跑起多个程序，并且OS要管理起来这些运行起来的程序，OS要对进程进行管理
• 进程控制块（PCB）：struct task_struct 结构体
• OS对进程的管理转化成为了对进程信息的管理，先描述再组织，对进程的管理转化为对双链表的增删查改
• 进程=你的程序+内核申请的数据结构（PCB）
• 优先级的本质是在资源（CPU、网卡、显卡、磁盘……）有限的前提下，确立谁先访问资源，谁后访问的问题

补：

• 进程放在CPU上之后，不是一直在运行直到进程运行结束，每个进程都有一个运行时间单位——时间片
• 一般进程让出CPU：一种是来了一个优先级更高的进程（OS必须支持抢占）；另一种是时间片到了
• 单CPU，单核：跑起来多个进程，通过进程快速切换的方式，在一段时间内，让所有的进程代码都得到推进——并发
• 多CPU，多核：任何时刻，允许多个进程同时执行——并行
• 进程在CPU上运行时，会有很多寄存器上的临时数据——上下文数据
• 系统感知进程的唯一实体是PBC（进程控制块）

查看进程

通过系统调用创建进程-fork

语法：

1. 创建子进程

理解fork：

• 从程序员角度：
• 1. 父子共享用户代码（是只读的不可修改并且不可写入），而用户数据各自私有一份（目的是不让进程间相互干扰）（数据用的是写时拷贝）
• 2. 在操作系统中，所有进程具有独立性的
• 3. 进程具有独立性是操作系统所表现出来的，OS通过父子进程的用户数据各自私有一份，从而不让进程互相干扰来实现的
• 从内核角度：
• 1. 进程=我的程序+内核数据结构（PCB task_struct）
• 2. 创建子进程，通常以父进程为模板其中子进程默认使用的是父进程的代码和数据（写时拷贝）

2. fork有两个返回值

注：

• fork有两个返回值的原因是在创建子进程成功之后，子进程和父进程共享代码
• fork：子进程的返回值是0，父进程返回值是子进程的pid，因为子进程只有一个父进程，而父进程有多个子进程，需要对每个子进程进行标识（pid），并且记住他们
• fork中父进程的返回值是不会记录到用户数据当中的，这些只是给用户看的，便于记录子进程（pid）

总结：

• 运行 man fork 认识fork
• fork有两个返回值
• 父子进程代码共享，数据各自开辟空间，私有一份（采用写时拷贝）
• fork 之后通常要用 if 进行分流

进程状态

Linux下的内核源代码

• R运行状态（running）: 并不意味着进程一定在运行中，它表明进程要么是在运行中要么在运行队列里。

• S睡眠状态（sleeping): 意味着进程在等待事件完成（这里的睡眠有时候也叫做可中断睡眠

• D磁盘休眠状态（Disk sleep）有时候也叫不可中断睡眠状态（uninterruptible sleep），在这个状态的进程通常会等待IO的结束。

• T停止状态（stopped）： 可以通过发送 SIGSTOP 信号给进程来停止（T）进程。这个被暂停的进程可以通过发送 SIGCONT 信号让进程继续运行。

• X死亡状态（dead）：这个状态只是一个返回状态，你不会在任务列表里看到这个状态。

• Z(zombie)-僵尸进程：

1. 僵死状态（Zombies）是一个比较特殊的状态。当进程退出并且父进程（使用wait()系统调用）没有读取到子进程退出的返回代码时就会产生僵死(尸)进程
2. 僵死进程会以终止状态保持在进程表中，并且会一直在等待父进程读取退出状态代码。
3. 只要子进程退出，父进程还在运行，但父进程没有读取子进程状态，子进程进入Z状态

R状态

S状态

T状态

Z状态

注：

• 只要进程正常结束，就是正常死亡（X状态不太好演示）
• D状态在云服务器上不容易实现
• 进程是R状态，不一定是在CPU上运行，进程在运行队列中，就是R状态（进程已准备好，等待调度）
• S状态为浅度休眠（对外部事件可以做出反应），大部分情况下都是这种状态
• D状态为深度休眠（不可以被杀掉，即便是操作系统，只能等待D状态进程自动醒来，或者是关机重启（可能被卡死））
• S状态和D状态称为等待状态
• 进程退出，一般不是立刻让OS回收信息，释放进程的所有资源
• 进程创建的目的是为了将自己退出时的相关信息，写入进程的PCB中，供OS或者父进程来进行读取，读取成功后，该进程才算真正死亡
• 进程退出时，当OS或者父进程来未读取到子进程的信息时，这是处于Z状态

状态与状态+的区别
eg

补：
kill命令
kill 命令用于删除执行中的程序或工作
语法：kill [-s <信息名称或编号>][程序]　或　kill [-l <信息编号>]

查看进程状态

第一种：

第二种：

ps aux / ps axj 命令

补：D状态和Z状态用kill命令是杀不掉的

僵尸进程危害

• 进程的退出状态必须被维持下去，因为OS关心进程是否完成了任务。可父进程如果一直不读取，那子进程就一直处于Z状态
• 维护退出状态本身就是要用数据维护，也属于进程基本信息，所以保存在task_struct(PCB)中，换句话说，Z状态一直不退出，PCB一直都要维护
• 一个父进程创建了很多子进程，就是不回收，会造成内存资源的浪费。因为数据结构对象本身就要占用内存。（在C中定义一个结构体变量（对象），是要在内存的某个位置进行开辟空间！）这样就会存在内存泄漏。

孤儿进程

父进程先退出，子进程就称之为“孤儿进程”

注：

• 孤儿进程被1号systemd进程领养，当然要有systemd进程回收
• 在centos7.6中1号进程是systemd，而在centos6.5中的1号进程是initd

进程优先级

进程的优先级：

• cpu资源分配的先后顺序，就是指进程的优先权（priority）。
• 优先权高的进程有优先执行权利。配置进程优先权对多任务环境的linux很有用，可以改善系统性能。
• 还可以把进程运行到指定的CPU上，这样一来，把不重要的进程安排到某个CPU，可以大大改善系统整体性能

注：

• 优先级是在一定能得到某种资源，只是先后的问题
• 权限是决定你能还是不能得到某种资源
• 优先级是得到某种资源（CPU）的先后顺序，其本质是因为资源有限（CPU）

查看系统进程

• UID : 代表执行者的身份
• PID : 代表这个进程的代号
• PPID ：代表这个进程是由哪个进程发展衍生而来的，亦即父进程的代号
• PRI ：代表这个进程可被执行的优先级，其值越小越早被执行
• NI ：代表这个进程的nice值
• TTY：运行该程序时的终端设备
• CMD：命令

注：

• Linux的优先级由pri和nice值共同确定（优先级的数值越小，优先级越高；优先级的数值越大，优先级越低）
• nice值就是优先级的修正数据，范围是[-20,19]
• 优先级不可能一味的高，也不可能一味的低（操作系统的调度器要适度地考虑平衡问题，避免“饥饿问题”）

PRI and NI

• PRI是进程的优先级，或者通俗点说就是程序被CPU执行的先后顺序，此值越小
  进程的优先级别越高
• NI就是nice值了，其表示进程可被执行的优先级的修正数值
• PRI值越小越快被执行，PRI(new)=PRI(old)+nice
• 当nice值为负值的时候，那么该程序将会优先级值将变小，即其优先级会变高，则其越快被执行
• 调整进程优先级，在Linux下，就是调整进程nice值
• nice其取值范围是-20至19，一共40个级别。
• 进程的nice值不是进程的优先级，但是进程nice值会影响到进程的优先级变化。
• nice值是进程优先级的修正修正数据

注：

• nice的值的范围[-20,19]，是一种可控范围，原则上OS内的调度器，要公平（不是平均）且较高效的调度
• PRI(new)=PRI(old)+nice中的PRI(old)默认是80，因为有一个基准值，便于调整；在设计上实现起来比较方便
• 在Linux系统中，标识一个用户，并不是通过用户名标识的（是给用户看的），而是通过用户的uid（计算机比较善于处理数据）

查看进程优先级的命令

用top命令更改已存在进程的nice：

• top
• 进入top后按“r”–>输入进程PID–>输入nice值

注：

• 用top命令更改已存在进程的nice，如果输入的值大于19，NI的值就是19；如果输入的值小于-20，NI的值就是-20。
• 无论怎么输入NI的值，最终PRI的值为[60，99]

补充概念

• 竞争性: 系统进程数目众多，而CPU资源只有少量，甚至1个，所以进程之间是具有竞争属性的。为了高效完成任务，更合理竞争相关资源，便具有了优先级
• 独立性: 多进程运行，需要独享各种资源，多进程运行期间互不干扰
• 并行: 多个进程在多个CPU下分别，同时进行运行，这称之为并行
• 并发: 多个进程在一个CPU下采用进程切换的方式，在一段时间之内，让多个进程都得以推进，称之为并发

注：

• 进程与资源之间，进程永远是多数的
• 竞争性和独立性是进程运行的特殊属性（或原则）；并行和并发是计算机的调度特性

环境变量与命令行参数

Linux下的环境变量与命令行参数

进程地址空间（灵魂四问）

进程地址空间的分布

注：

• 进程地址空间不是内存地址空间
• 进程地址空间，会在进程的整个生命周期内一直存在，直到进程退出

什么是进程地址空间

#include 
#include 
#include 
int g_val = 0;
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
 		g_val=100;
 		printf("child[%d]: %d : %p\n", getpid(), g_val, &g_val);
 	}
 	else
 	{ 
 		//parent
 		sleep(3);
		printf("parent[%d]: %d : %p\n", getpid(), g_val, &g_val);
 	}
 	sleep(1);
 	return 0;
}

运行结果：

child[3046]: 100 : 0x80497e8
parent[3045]: 0 : 0x80497e8

父子进程中的g_val的地址竟然是一样的

注：

• 任何的编程语言里面的地址，绝对不是物理地址，而是虚拟地址（C++/C语言中的&得到的是虚拟地址不是物理地址）
• 虚拟地址是操作系统提供的，数据和代码一定在物理内存上（冯诺依曼规定），因此需要将虚拟内存转化成物理内存（由OS自动完成）
• 父子进程代码共享，而数据是各自私有一份的（写时拷贝）
• 当所有程序运行起来之后，该程序立即变成进程

总结：

• 地址空间本质是进程看待内存的方式，是抽象出来的一个概念，内核struct mm_struct，这样的每一个进程，都认为自己独占系统内存资源
• 区域划分本质：将线性地址空间划分成为一个一个的area，[start,end]
• 虚拟地址本质：在[start,end] 之间的各个地址叫做虚拟地址

为什么要存在地址空间

第一种情况：

• 如果进程直接访问物理内存，那么所看到的地址就是物理地址，如果进行指针越界访问，那么进程间的独立性就无法保证。
• 因为物理内存一暴露，其中就有可能有恶意程序直接通过物理地址进行内存数据篡改，并且可以读取里面的内容

第二种情况：

• 当一个程序变为进程时，需要将可执行程序加载到内存中；当进程退出时，也需要内存知道，因此内存管理需要知道进程是运行还是终断、退出
• 因此内存管理模块和进程模块是强耦合的
• 内存管理只需知道哪些内存区域（page）是无效的，哪些区域是有有效的，只需将内存管理和进程管理进行解耦

第三种情况：

• 磁盘在存储二进制可执行程序时，是进行一个个区域划分的（代码区、全局数据区、只读数据区）这些区域是以4KB为单位划分的（页帧），而物理内存是没有按照磁盘划分顺序划分的（按照页（一页是4KB）为单位划分的）
• 如果进程想要执行代码，OS需要在物理内存中毫无章法的乱找（除非OS开辟一块连续的物理内存（不现实）），这时，虚拟地址空间是几乎是按照磁盘区域划分的，它可以经过页表的映射来找到代码的位置并顺利执行代码

注：

• 两个不同的进程虚拟地址可以完全一样

• 页表：

• 1. 页表是完成虚拟地址到物理地址的映射
• 2. 将虚拟地址到物理地址的转化
• 3. 同时也可以帮系统进行合法性检测

• 内存管理模块和进程管理模块是强耦合的

• 操作系统：进程管理、文件管理、内存管理、驱动管理

• 可执行程序，其本身就已经划分成为一个个的区域（.code、.data、.bss、.readonly……），这样划分便于程序链接，而代码在用编译器编译时是将数据和代码放在一起

• 页框：页框数=物理内存大小/每一个分配内存的大小（4KB），页框以4KB位单位

• 页帧：在磁盘一个个程序被划分成4KB大小的数据

• 页号：页表项的序号

• 执行顺序语句的过程：当前语句的起始地址+当前代码的长度（虚拟地址存放代码是存放在连续区域的）

• 虚拟地址空间不存在存放地址的功能，因此需要用户必须保存起来（避免内存泄露）

• 进程与程序的区别：

• 1. 程序是静态的，进程是动态的，程序是存储在某种介质上的二进制代码，进程对应了程序的执行过程，系统不需要为一个不执行的程序创建进程，一旦进程被创建，就处于不断变化的动态过程中，对应了一个不断变化的上下文环境。
• 2. 程序是永久的，进程是暂时存在的。程序的永久性是相对于进程而言的，只要不去删除它，它可以永久的存储在介质当中。

总结：

1. 保护物理内存，不受到任何进程内的地址直接访问，方便进行合法性校验
2. 将内存管理和进程管理进行解耦
3. 让每个进程，以同样的方式来看待代码和数据

地址空间与物理内存之间的关系

虚拟地址和物理地址之间是通过页表完成的映射关系

回答上面代码（为什么地址一样？）的问题

• 变量内容不一样,所以父子进程输出的变量绝对不是同一个变量
• 但地址值是一样的，说明，该地址绝对不是物理地址
• 在Linux地址下，这种地址叫做 虚拟地址
• 我们在用C/C++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
• 同一个变量，地址相同，其实是虚拟地址相同（原因是fork出一个子进程，其中子进程会继承大部分父进程的信息（代码指向同一块空间，数据也指向同一块空间），因此g_val的地址也被继承了，但是当子进程试图修改g_val值时，这是需要用到写时拷贝将父进程的数据拷贝一份给子进程（开辟新的空间）并修改了子进程中的g_val的值），因此内容不同其实是被映射到了
  不同的物理地址！

补：

• TCB： 线程控制块

• MMU：内存管理单元,一种负责处理中央处理器（CPU）的内存访问请求,功能包括虚拟地址到物理地址的转换（即 虚拟内存管理）、内存保护、中央处理器高速缓存的控制

• CACHE： 高速缓存

• DMA： 直接内存存取