【Linux】理解进程地址空间

作者：阿润菜菜
专栏：Linux系统编程

​我们在学习C语言的时候，都学过内存区域的划分如栈、堆、代码区、数据区这些。但我们其实并不真正理解内存 — 我们之前一直说的内存是物理上的内存吗？

前言

我们先看一段测试代码：

#include 
#include 
#include 

int g_value = 100; //全局变量

int main()
{
    // fork在返回的时候，父子都有了，return两次，id是不是pid_t类型定义的变量呢？返回的本质，就是写入！
    // 谁先返回，谁就让OS发生写时拷贝
    pid_t id = fork();
    assert(id >= 0);
    if(id == 0)
    {
        //child
        while(1)
        {
            printf("我是子进程, 我的id是: %d, 我的父进程是: %d, g_value: %d, &g_value : %p\n",\
                    getpid(), getppid(), g_value, &g_value);
            sleep(1);
            g_value=200; // 只有子进程会进行修改
        }
    }
    else
    {
        //father
        while(1)
        {
            printf("我是父进程, 我的id是: %d, 我的父进程是: %d, g_value: %d, &g_value : %p\n",\
                    getpid(), getppid(), g_value, &g_value);
            sleep(1);
        }
    }
}

运行结果：
我们可以注意到子进程的变量值内容发生了改变，而父进程的变量值内容一直没有发生改变，并且两个进程的全局变量打印出来的地址值是一样的。
那这地址到底是不是真的物理地址？
== 当然不能是，如果是同一个物理地址，不可能读取同一个变量会读取到不同的数值 。==

从上面结果我们可以得出： 子进程对全局变量数据修改，不影响父进程 - — 进程具有独立性 也就是说，我们在语言层面用的地址，不是物理地址。

所以我们之前说‘程序的地址空间’是不准确的，那准确的说这是什么地址呢？
我们一般叫：虚拟地址或者线性地址
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 。

理解进程地址空间

通过故事引入

我们知道操作系统会帮助我们用于管理计算机硬件和软件资源.假设操作系统是个大富翁，手底下有10个亿的内存，大富翁同时有四个私生子，四个分别从事不同的活动，彼此不知道互相的存在（对应进程的独立性），在大富翁老去时，会将自己的财产继承给私生子，那么由于每个私生子彼此不知道存在，大富翁让每个私生子都会以为自己可以继承10个亿的财产（画的大饼），是孩子就总会有给老爹要钱的时候，那么为了管理自己的10个亿财产，大富翁很有必要将其描述组织起来，以供自己四个彼此独立的私生子使用。
那么大富翁（操作系统）将画的大饼先描述，在组织，其实就是管理进程地址空间的过程 ---- 本质就是：一个内核数据结构，struct mm_struct{ }

现在我们知道了地址空间就是内核数据结构 ---- 那它是怎么对应物理内存的？
先来看一下地址空间是怎么划分的：

代码区、数据区、堆区等这些区域如何理解？

在我们小学的时候可能会遇到课桌上有一道“线”的情况，是什么线？三八线。那当时画三八线的本质就是：区域划分 — 地址空间就是线性区域
同样在Linux内核数据结构中也存在区域划分，类似下面的这种代码，用来管理内存空间：

struct area
{
int start;
int end;
}

同时，我们对线性区域进行指定start和end即可完成区域划分 ---- 类似于这样

struct area  owner_1 (1,50};
struct area  owner_2 (50,100};

如果限定了区域，那区域之间的数据是什么？以一个4GB的内存为例，大概是这样的：

struct mm_struct   //4GB
{
long code_start;
long code_end;
long init_start;
long init_end;
//.....
long stack_start;
long stack_end;
}

通过上述，我们可以知道地址空间区域是可以进行动态调整大小的 ---- 即更改 start或者end
同时虚拟地址是经过页表（+MMU（集成在cpu中））映射到物理地址 ---- 像是我们大学生会被学号编号，进行确认

同时根据上述知识可以知道，同一个变量，地址相同，其实是虚拟地址相同，内容不同其实是被映射到了不同的物理地址
找到地址不是目的，而是一种手段（页表），目的是该地址对应的内容！

到这里还能回答原始问题：子进程的mm_struct继承父进程 ---- 即虚拟地址一样 进程独立，映射到不同的物理地址

深入扩展去理解！

地址空间为什么要存在？
---- 比如野指针越界问题，破坏了进程独立性，进程的数据会遭到破坏，影响到进程运行

• 防止地址随意访问，保护物理内存与其他进程运行
  • 同时页表具有读写权限控制属性，解释了为什么代码段只是可读的，为什么有些变量不能赋值
• 将进程管理和内存管理进行解耦合 ｜ 通过malloc本质讲解
• 可以让进程以统一视角看待自己的代码和数据
  虚拟内存是OS欺骗进程的一种手段，进程在看待进程的时候都认为自己拥有整块内存，然后开始对着“这块内存”开始布局自己的代码和数据，但是实际上这些代码和数据到底存没存储起来，还得看OS，但是站在进程的角度，他是认为我们已经布局完整个内存了！进程是看不到真实物理内存的！进程只能看到进程地址空间！
• 可以充分的利用内存资源，让内存的利用率变的高效起来！
  比如：两个进程可能都需要访问某个动态库；如果没有进程地址空间的话，OS就会将这个动态库加载内存两次，也就是内存中会有两份一模一样的数据！这是没必要的！但是有了进程地址空间过后，我们可以让两个进程的虚拟地址同时映射到这同一份数据！也就是说两个进程可以共享这份数据！这份数据也就只需要在内存中存在一份就行了！但是在进程看来他们都认为这份数据是自己独享的！

malloc 本质

作为一款优秀的操作系统，不能允许任何的浪费或者不高效的存在。
所以操作系统使用¹缺页中断方式来管理内存 ---- 即先在虚拟地址空间申请虚拟内存。
然后通过²页表映射 ，在实际物理内存上开辟空间 同时不需要关心数据放在物理内存哪个位置 因为通过页表映射都能找到
也就是说：在CPU上读取到的地址，全是进程空间上的地址，也就是虚拟地址！CPU不会直接去物理内存上读取数据！

重新理解地址空间

1. 我们的程序在被编译的时候，没有被加载到内存，那么我们的程序内部有没有地址呢？
   答案是：有的。源代码被编译的时候，就已经按照虚拟地址的方式进行了代码和数据的编址（使用ELF格式：划分数据区域）
   比如我们简单写一段代码：

  1 #include <stdio.h>  
  2 int main()  
  3 {  
  4  printf("hello world!\n");  
  5                                                                                                                                         
  6  return 0;  
  7 }  

我们将这段程序先编译成可执行程序，然后利用命令objdump -S对其进行反汇编:

我们会发现，在我们的程序在未加载进内存的时候，编译器就已经确定好了各条指令的地址!
为什么？源代码在被编译的时候，就已经按照虚拟地址空间的方式对代码和数据进行了地址的编制，只不过只些代码和数据的地址都是虚拟地址，并不是真实的物理地址！只有当我们的程序被加载进内存了，才会真正的拥有物理地址！

那么整个程序的运行过程基本上是：

1、OS将我们的程序加载进内存（注意并不是一次性全部加载进去，而是先加载一些比较重要的代码和数据）；
2、OS为该程序建立pcb，来管理该进程；
3、OS为该进程创建地址空间地址和页表；
4、cpu从特定的进程空间地址处读取数据！然后OS在根据cpu提供的虚拟地址，映射到对应物理地址，获取对应的数据给cpu，cpu开始处理！如果OS在根据cpu提供虚拟地址没有建立起对应的物理地址时，OS会暂停cpu对于该进程的处理，然后重新加载一部分数据进入内存，然后再建立映射关系，出现这种情况：叫做缺页中断！

所以虚拟地址这样的策略不只是影响OS，我们的编译器同样遵守这样的规则！

2. 进程的代码和数据必须一直在内存中吗？
   答：不是。OS会将暂时不用的进程代码、数据和部分进程控制块通过我们的页表技术交换至磁盘中存储。

---

1. CPU从特定的进程空间地址处读取数据！然后OS在根据cpu提供的虚拟地址，映射到对应物理地址，获取对应的数据给cpu，cpu开始处理！如果OS在根据cpu提供虚拟地址没有建立起对应的物理地址时，OS会暂停cpu对于该进程的处理，然后重新加载一部分数据进入内存，然后再建立映射关系，出现这种情况：叫做缺页中断！ ↩︎

2. 实际上在虚拟地址与物理地址之间是有一种映射关系的，这种映射关系被存储在页表中！每个进程都有自己的页表！
   当进程需要访问虚拟地址上某一处的数据时，OS就会拿着进程提供的虚拟地址，根据该进程提供的页表转换成对于的物理地址，然后去对于的物理内存上取数据在交给进程！这个过程进程是看不到的，站在进程的角度就是，我（进程）需要访问虚拟地址为0x11223344处的数据，然后就直接拿到了数据，在进程看来它就认为自己的数据是存储在虚拟内存上的，只要自己需要，随时都可以拿到，殊不知其真实数据是存储在物理内存上的，进程之所以能随时拿到数据，都是由OS完成的！ ↩︎