Linux--环境变量和进程地址空间
目录
-
- 1. 进程优先级
-
- 1.1 PRI and NI
- 2. 环境变量
-
- 2.1 获取命令行参数
- 2.2 main函数的第三个参数
- 2.3 获取环境变量的方法
- 2.4 环境变量的全局性
- 3. 虚拟地址空间
- 4. 虚拟地址空间划分
-
- 4.1 具体的划分
- 4.2 虚拟地址特点
- 5. 为什么这样设计
-
- 5.1 为什么设计页表
- 5.2 为什么设计地址空间
- 6. 总结
1. 进程优先级
- 概念
cpu资源分配的先后顺序，就是指进程的优先权（priority）。
- 作用
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。
1.1 PRI and NI
在linux系统中运行一个进程后输入ps -l命令可查看具体情况：
- 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
PRI即进程的优先级，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就是我们所要说的nice值了，其表示进程可被执行的优先级的修正数值。这里其实可以理解为优先级调整的幅度大小，有了nice值可以直观地看出来。
PRI值越小越早被执行，那么在此基础上加入nice值后，将会使得进程优先级PRI变为：PRI(new)=PRI(old)+nice。这样，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。所以，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。
这样设置的原因是：优先级是一种相对的，而不是绝对的。意思就是不能让某个进程享有绝对的优先，这种情况会导致严重的进程“饥饿问题”，而OS中的调度器就是能让每个进程都享受到CPU资源。
2. 环境变量
系统内部命令为什么不需要使用路径？因为有环境变量的存在。
我们在编写C/C++代码的时候，在链接的时候，从来不知道我们的所链接的动态静态库在哪里，但
是照样可以链接成功，生成可执行程序，原因就是有相关环境变量帮助编译器进行查找。
环境变量(environment variables)一般是指在操作系统中用来指定操作系统运行环境的一些参数
环境变量的本质是OS在内存/磁盘文件中开辟的空间，用来保存系统相关的数据
可以这么理解：int a = 10;环境变量就相当于此时的a,数字10就相当于对应指令的路径。那么找到a的地址然后取里面的值就可以拿到对应的指令结果。
环境变量通常具有某些特殊用途，还有在系统当中通常具有全局特性
常见的环境变量：
PATH : 指定命令的搜索路径
HOME : 指定用户的主工作目录(即用户登陆到Linux系统中时,默认的目录)
SHELL : 当前Shell,它的值通常是/bin/bash。
运行echo $PATH可以看到下列结果：
这个结果的意思是：我们输入的系统指令，系统会在这些以冒号分隔的路径找；原则是从第一个冒号分隔的路径开始，找不到就到下一个冒号分隔的路径，以此类推。
对于HOME变量，其作用是指定不同用户的初始家目录：用root用户和自定义用户进入系统时的初始目录不同，分别是/root和/home/user；其原因就是对于不同用户，HOME变量不同。
- 关于环境变量的指令：
- echo: 显示某个环境变量值
- export: 设置一个新的环境变量
- env: 显示所有环境变量
- unset: 清除环境变量
- set: 显示本地定义的shell变量和环境变量
举个例子：
myval=100;//设置一个本地变量，注意不要有空格
此时的myval是本地变量，只在本地显示：
set | grep myval;
//输出结果myval = 100;
在全局情况下不显示：
env | grep myval;
//无显示内容
把本地变量转为环境变量：
export myval;
env | grep myval;
//输出myval = 100;
2.1 获取命令行参数
系统是会去找指令，但是这个过程是怎么做到的？
- 举例
其实main函数也是有参数列表的：
argv是一个指针数组，而argc表示的是该数组的元素个数，第三个参数暂不讨论
那么创建一个test.c程序对该指针数组进行遍历如下：
int main(int argc,char* argv[],char* env[])
{
for(int i=0;i<argc;++i)
{
printf("argv[%d]:%s\n",i,argv[i]);
}
return 0;
}
可以发现输出结果只有一个可执行程序的执行命令./test
argv[0]:./test
此时再输入几条指令-a -b -c
[zcb@VM-8-7-centos lesson2]$ ./test -a -b -c
会发现它们作为argv数组的成员被打印了出来
argv[0]:./test
argv[1]:-a
argv[2]:-b
argv[3]:-c
如何理解？类比ls指令（列出指定路径下所有文件），ls可以带有指令-a -l -i，把ls看做一个可执行程序，而后面接着的指令被作为命令行参数导入进该指针数组了，那么不同的参数列表传递给main函数，就可以让该程序呈现出不同的结果。
./test是这样的原理，类比ls等系统的指令也是这样的原理，这就很好的解释了为什么ls 后带的命令行参数等可以呈现出不同的结果，这本质上就是通过给main函数传递不同的参数，以实现不同的功能。
2.2 main函数的第三个参数
接下来讨论第三个参数
第三个参数实际上就是OS自己实现的系统默认的指令字符指针数组，和上面的例子一样。只不过前面的是指向变量的字符指针数组，而第三个参数是指向环境变量的字符指针数组。
使用while循环对该指针数组进行遍历，得到的是一堆指令，这便是系统默认的指令，而给main函数传第三个参数的这个行为是OS做的。
一个进程运行起来后，如果你自定义了并export了一个环境变量，此时搜索，是可以搜到的；因为环境变量是一个系统级别的全局变量，bash之下所有进程都可以获取，本质就是调用方会给main函数传env，让所有进程都能找的到该变量。
2.3 获取环境变量的方法
- 命令行第三个参数
int main(int argc, char *argv[], char *env[])
{
int i = 0;
for(; env[i]; i++){
printf("%s\n", env[i]);
}
return 0;
}
- 通过第三方变量environ获取
libc中定义的全局变量environ指向环境变量表,environ没有包含在任何头文件中,所以在使用时 要用extern声明。
int main()
{
extern char **environ;
int i = 0;
for(; environ[i]; i++){
printf("%s\n", environ[i]);
}
return 0;
}
注意到这个方法没有在main函数实现参数列表也是可以得到环境变量的，这是因为environ指向的就是上述存储环境变量地址，所以environ其实就是一个二级指针：
图中是获取环境变量的方法，系统会生成一个char**的指针，指向main函数接收到的指针数组，进而访问其成员。
其实上述的方法大多数是不适用的，因为太过麻烦，常用的是下列方法：
printf("%s\n", getenv("PATH"));
//例如
//mystr=“hello”;//注意不要带空格
//export mystr;
//printf("%s\n",getenv("mystr"));
getenv是可以直观地把环境变量的内容打印出来，这个函数的本质其实是把上面的遍历方式封装起来了，其函数实现就是上面写的遍历数组方式。
2.4 环境变量的全局性
环境变量的全局性本质是环境变量可以被子进程继承下去。
但是本地变量是不可以的，因为它的生命周期不具有全局性。
如果这时候把该本地变量导出为环境变量（按照上面提到的导出方法），就可以被子进程所继承。（如果未创建其他进程，那么上述操作其实就是把本地变量的地址写入到了bash进程的环境变量路径内，此时env查找指令是可以看到该环境变量的）
此时的my_env还是本地变量，下列程序运行为null
int main(){
printf("%s\n",getenv("my_env"));
return 0;
}
执行下列语句后变成环境变量：
export my_env="hello"
再次运行程序结果为hello
原本子进程中打印出来的是null，将my_env本地变量导出为环境变量以后子进程打印的也就变成了hello，这说明了什么？
这说明了环境变量是可以被子进程继承下去的，也就是说只要父进程设置了环境变量，所有的子进程都能找到该环境变量并使用。
例如bash进程设置了环境变量以后，以后创建的所有子进程都可以找到它并使用。
3. 虚拟地址空间
在linux系统中进行实验：
int g_val = 0;
int main()
{
pid_t id = fork();
if(id < 0)
{
perror("fork");
return 0;
}
else if(id == 0)
{
//child
printf("child[%d]: %d : %p\n", getpid(), g_val, &g_val);
}
else
{
//parent
printf("parent[%d]: %d : %p\n", getpid(), g_val, &g_val);
}
sleep(1);
return 0;
}
这段代码的意思是，让子进程和父进程分别打印一个全局变量的地址和值。得到的结果是一样的。
parent[2995]: 0 : 0x80497d8
child[2996]: 0 : 0x80497d8
这很好理解：因为子进程按照父进程为模版，父子并没有对变量进行进行任何修改。但是如果做出如下修改：
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;
}
child[3046]: 100 : 0x80497e8
parent[3045]: 0 : 0x80497e8
在我的认知中，父进程此时打印出来的值肯定和子进程相同，因为地址相同的一个变量，值在子进程被修改，父进程得到的值也随之改变。但是结果却是值不同，地址相同。这是为什么？难道同一个物理地址的变量里，能存储两个不同的数据？答案是否定的。
所以得出结论：该地址不是物理地址。
在Linux地址下，这种地址叫做虚拟地址（虚拟地址空间）。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 。
所以准确地来说，应该叫做虚拟地址空间，而不是程序地址空间，并且这个地址空间是虚拟的。
4. 虚拟地址空间划分
4.1 具体的划分
- 数据结构类型与进程地址空间
每个进程都有一个地址空间，都认为自己独占了自己物理内存。 就比如自己申请了1000个字节的地址，不一定就能马上使用1000个字节的地址；因为我们有不完全使用该地址的可能，所以为了充分安排进程地址空间，不会立即把这1000个字节的地址空间给到你。
那OS如何知道我使用不使用？
OS会辨别你从来没有对该地址空间读写过，判定你不使用该地址空间。
所以，进程的地址空间实际上是以区域划分来实现的，平时我们听到的代码区、数据区、未初始化数据区，其实就是一个个划分好的虚拟地址空间。
并且，系统是通过结构体来管理划分的虚拟地址空间，结构体里存放有关每个区域的起始和结束的信息。
可以这样理解：32位系统中，能访问的最大地址空间为232字节，那么如果把0~232 字节的地址比做成一把尺子，那么mm_struct其实就相当于尺子上的刻度；那么虚拟地址空间其实就是这些刻度里的某一个范围，而尺子的刻度又是线性增长的，那么虚拟地址空间也是线性增长的。
所以：进程地址空间本质是内存中的一种内核数据结构----mm_struct。
- 页表
对于每个进程来说，它们都认为自己占有了整个地址空间（4GB）。 所以其实虚拟地址不过是系统为进程画的一张大饼，但是要真正实现这个大饼的功能，要通过页表。
图意为：当用户进行内存申请操作时，OS会在虚拟地址空间划分区域，并将对应的地址给到页表，页表再根据拿到的地址在物理地址里开辟对应空间，然后在页表右侧填入对应地址，让两个地址形成映射，然后某一进程需要访问时，就有了地址可以间接找到用户所申请的空间。在这个过程中，物理地址对于用户与进程来说就是无法直接访问到的。
这里就可以解释：所谓栈向下增长、堆向下增长这个过程其实就是通过改变mm_struct里不同区域对应的刻度（地址范围），然后通过页表建立新的地址映射，来达到增长、减少的操作。
- 编译器在这个过程做的事
平时我们生成的可执行文件.exe，其实也在虚拟地址里划分好了，这里用划分这个词是因为，一个程序里会有不同的代码类型，.code、randomly、init（已初始化）、uninit（未初始化），所以其实可执行程序在虚拟地址空间里是分段的。
这些步骤其实是编译器做的，大大减轻了OS的负担，而在这个过程中编译器可能会对代码进行各种各样的优化；所以说不同的程序在不同的编译器可能会出现不同的结果。
4.2 虚拟地址特点
32位系统中，虚拟地址空间为 0 ~ 4G，将最高的 1G 字节（从虚拟地址 0xC0000000 到 0xFFFFFFFF），供内核使用，称为内核空间，将较低的 3G 字节（从虚拟地址 0x00000000 到 0xBFFFFFFF），供各个进程使用，称为用户空间，虚拟地址空间分布如下图：
- 内核空间
存放内核的代码和数据，所有进程的内核代码段都映射到同样的物理内存，并在内存中持续存在，是操作系统的一部分。内核空间为内核保留，不允许应用程序读写该区域的内容或直接调用内核代码定义的函数。
- 用户空间
用户空间给各个进程使用，也称为使用者空间。用户空间中的代码运行在较低的特权级别上，只能看到允许它们使用的部分系统资源，并且不能使用某些特定的系统功能，也不能直接访问内核空间和硬件设备，以及其他一些具体的使用限制。用户空间又大致细分为下列一些空间：
- 栈空间
栈又称堆栈，由编译器自动分配释放，行为类似数据结构中的栈（先进后出）。存储局部变量、函数参数值。栈从高地址向低地址增长，是一块连续的空间。
- 共享区
内存映射以及共享库（动态库）所在的内存。
- 堆空间
堆用于存放进程运行时动态分配的内存段，可动态扩张或缩减。堆从低地址向高地址增长。通过 new() 或者 malloc() 函数可以在堆区开辟空间。
- BSS 段（未初始化数据段）
BSS（Block Started by Symbol）段中通常存放程序中以下符号：
未初始化的全局变量和静态局部变量；
初始值为 0 的全局变量和静态局部变量(依赖于编译器实现)
- DATA 段（已初始化数据段）
数据段通常用于存放程序中已初始化且初值不为 0 的全局变量和静态局部变量。
- TEXT 段（代码段）
代码段也称正文段或文本段，通常用于存放程序执行代码（即CPU执行的机器指令）。
- 保留区
位于虚拟地址空间的最低部分，未赋予物理地址。任何对它的引用都是非法的，用于捕捉使用空指针和小整型值指针引用内存的异常情况。
5. 为什么这样设计
5.1 为什么设计页表
如果我们允许一个进程直接访问到物理地址空间，如何保证这个进程不会越界访问？如何保证它会规规矩矩精确定位到自己应该去的地方？很明显要借助一种标准，用来约束每个进程，防止它们越界。
例如，某一进程要访问物理地址的代码区，经页表查询后，OS发现对应物理地址压根就不存在该进程所访问的地址，就会直接拒绝访问，保证了物理地址和各个进程的代码数据的安全性。 就像下列代码：
const char str[] = "hello world!";
*str[0] = 'a';//error!!
我们都知道无法修改字符串的内容，因为它存在于常量区，那么为什么它存在与常量区就无法修改？
这是因为OS对于该区域，只给了你只读的权限。 这也是页表的功能之一，记录了你对于该区域的权限。所以平时我们写的程序产生野指针会崩溃其实就是该进程被OS杀死。
这时候回到刚才说的申请1000字节的例子，其实就是OS暂时扩大了该进程的虚拟地址空间，让你以为确实多了1000字节的空间，而当你真正需要的时候，OS会通过页表的方式建立好映射，给你到物理内存中分配。这叫做基于缺页中断进行内存申请。 俗称：画大饼。
5.2 为什么设计地址空间
说到进程申请空间的过程其实是OS给进程“画大饼”，那么这张大饼就是通过虚拟地址空间来完成的，通过它，可以将页表映射的这个过程透明化，让进程认为自己真的访问到了这么大的物理内存。但就算最后进程访问到了，它也仅仅只是知道自己访问到了，而不知道OS一开始到底有没有分配给它。
- 作用
-
上文说的，通过添加软件层，完成有效地对内存空间进行风险管理；保证了物理地址和各个进程的代码数据的安全性；通俗点说，就是每个进程之间不会错误地去访问不属于自己的地址空间。
-
将内存申请和内存使用的概念在时间上划分清楚，通过虚拟地址空间，来屏蔽底层申请内存的过程，达到进程读写和OS进行内存管理操作，进行软件上的分离（将应用和内存管理进行解耦）。
-
站在CPU和应用层的角度，如果每次运行，CPU都要找到该进程的运行入口，那么每个进程都不一样，这是非常麻烦的；所以前面说到的通过用地址空间对进程“画大饼”的方式，所有进程都会认为自己使用了整个4GB的内存空间，就可以实现进程统一，使用统一的4GB空间，而且每个进程的相对位置都会比较确定。而不是每个进程都分散在不确定的地址空间，需要CPU逐个处理。
-
物理内存地址的空间得到充分利用，进程可以使用物理内存的任意内存空间,大大减少内存管理的负担。
最后达到目标：每个进程都认为自己有着4GB的内存空间。
- 作用综合
这时候页表+地址空间的作用就一目了然：
- 对于野指针访问，直接阻止在了页表映射的左侧，不让其访问物理地址空间；
- 每个进程看到的都是相同的空间范围（构成，顺序），对应的代码就按照规定找到对应的物理内存；
- 更好地完成进程独立性（进程访问对应空间）以及合理使用空间（由OS操纵）。
- 通过“画大饼”完成进程调度（页表左侧）和内存管理（页表右侧）进行解耦。
6. 总结
在这里就可以很好地理解第3节举的例子，为什么改变了数据后，相同的地址会打印出不同的内容：打印出来的是虚拟地址，会一样是因为子进程是由父进程继承而来，自然也就一样；而子进程对该值进行写入时，发生了写时拷贝，把另一份物理地址空间给到了子进程，重新建立了映射关系，所以才会出现有不同的值；因为这时候对于父子进程来说，对应的物理内存地址本就不同。
创建进程并不是简单的将代码数据加载到内存中，而是要先描述再组织：通过task_struct和mm_struct还有页表，将物理内存和虚拟地址空间还有进程联系起来。