计算机系统概述

阅读经典——《深入理解计算机系统》01

1. 信息是什么
2. 文件
3. Hello World程序的生命周期
4. 开始运行Hello World
5. 虚拟地址空间
6. 总结

<h3 id="what_is_information">信息是什么？</h3>

信息就是位+上下文。

怎么理解呢？其实计算机系统中的所有信息都是一个一个的二进制位，不论是硬盘上的文件、内存中的代码还是网络上传输的数据，毫无例外。它们唯一的区别就是所处不同的上下文，可什么又是上下文呢？做过应用程序开发的应该很熟悉context对象，当你创建一个新的控件的时候，往往要向构造方法中传入上下文对象，我们一般会传入this指针，这个上下文对象就是用来告诉新的控件它所处的位置，或者说它所处的环境。在计算机系统中，二进制数据所处的环境决定了它们表达的含义，同样的一段数据，作为整型、浮点型、字符串型或是作为机器指令时，表达的含义是完全不同的。

<h3 id="file">文件</h3>

通常来说，文件分为两种，文本文件和二进制文件。起初我是不理解的，难道文本文件不是二进制组成的？文本文件当然也是二进制组成的，只不过比纯粹的二进制文件多了点上下文特征，即编码。以ASCII编码的文本文件来说，每个字节表示一个字符，于是这些二进制数据在这个上下文环境中表现为一个个字符，成了可以阅读的文本，这就是文本文件的特殊之处。

<h3 id="lifecycle">Hello World程序的生命周期</h3>

先来看一个程序员再熟悉不过的Hello World程序

#include <stdio.h>

int main()
{
    print("hello, world\n");
}

这是用高级编程语言C语言写的程序，这个程序需要转换成低级的机器语言才能够被计算机识别并执行。我们可以通过运行一条命令

unix> gcc -o hello hello.c

来生成可执行文件。（以上命令是在unix环境下调用的gcc编译器的命令，本书将经常采用unix环境。）但是，gcc编译器实际上做的工作不只如此，下图为从hello.c源程序到生成hello可执行程序的完整过程：

编译系统

首先经过预处理器预处理，然后经过编译器编译得到汇编程序hello.s，再经过汇编器汇编得到可重定位目标程序hello.o，最后，链接器将目标程序和标准库中的printf.o程序链接成为可执行目标程序hello。每一步的详细过程将在后面的章节中叙述，此处只做简要介绍。

需要补充的是，gcc来自于赫赫有名的GNU项目，该项目为Linux的开发提供了全面的开发工具，包括GCC编译器、GDB调试器、EMACS编辑器、汇编器、链接器等等。有兴趣的朋友可以搜索一下这方面的知识。

另外，我们经常用的另一款编译器是微软提供的MSVC，当我们使用Visual Studio时，用的就是它自带的编译器。它和gcc在语法要求等方面有所不同，所以会出现gcc正常编译的代码在MSVC中出错的情况，我就曾遇到过这种错误，希望大家注意。

<h3 id="excute">开始运行Hello World</h3>

好啦，有了可执行文件，我们就可以运行它，在命令行中敲如下命令：

unix> ./hello

显而易见，运行的结果为打印了一行字符串

hello, world

可是在我们发出命令和打印出结果期间都发生了什么呢？这就不得不提计算机系统的硬件结构了。下图是计算机系统的硬件结构图，我用红线标出了当我们在shell中输入hello命令时，计算机中的信息流向。

从键盘读取hello命令

当我们想要输入命令时，其实CPU中已经有一个正在运行的程序，那就是shell。shell程序一直在等待我们的输入，所以我们随时可以在键盘上输入内容。先看左下角的USB控制器，它负责所有USB接口，所以这里有鼠标、键盘等外设。我们在键盘上输入“./hello”命令时，该命令通过USB控制器向上经过I/O总线传递给I/O桥，也就是我们平常所说的南桥北桥，它是CPU和外界沟通的桥梁。再经过系统总线传递给寄存器，到了寄存器后还不是终点，因为shell程序需要把用户输入的内容作为一个变量使用，而这个变量一定在内存中有个地址，所以它最终会到达内存。

之后，shell程序解析我们的命令内容，知道了我们希望运行hello这个程序。于是shell程序开始从硬盘加载hello文件到内存中。可是这次，这些数据不会经过CPU，而是直接从硬盘到内存，这种方式称为DMA。DMA（直接存储器访问）有利于减轻CPU的负荷，使CPU可以在数据转移的同时做其它任务。数据转移路线如下图：

hello可执行程序从磁盘加载到内存

加载完hello文件后，CPU将会开始从hello程序的主函数处执行指令。于是hello中的print语句将要打印的字符串传递给CPU，CPU再将它传递给显示器，这一过程字符串“hello, world”经过的路径如下图所示:

从内存输出到显示器

终于，我们在屏幕上看到了“hello, world”这一字符串。过程很复杂，但却只是一瞬间的事情，可见计算机运行速度之快！

<h3 id="virtual_memory">虚拟地址空间</h3>

hello程序我们分析透彻了吗，似乎没有。很多时候我们还会关心程序运行时内存的变化，当启动一个新进程的时候，操作系统是不是要为这个进程分配内存空间呢？答案是肯定的。

这就是我们要讲的虚拟地址空间。虚拟地址空间是操作系统中一个非常复杂的概念，操作系统负责创建进程，同时为该进程分配内存。在现代操作系统中，出于进程间互不干扰，以及保护操作系统内核安全的考虑，每个进程享有完全独立的一套完整地址空间。对于32位计算机来说，虚拟地址空间大小为2GB，范围从 0x00000000 至 0x7FFFFFFF；对于64位计算机来说，虚拟地址空间大小为8TB，范围从0x000'00000000 至 0x7FF'FFFFFFFF。这就是说，每个进程都可以随意使用这2GB或8TB的内存空间，但是，由于是虚拟地址空间，这些地址映射到真实物理内存的时候是打乱的，用户无法得知自己进程的数据到底存在物理内存的什么地方。接下来，我们来看看用户进程的这2GB或8TB虚拟地址空间是怎么用的。

进程虚拟地址空间

上图将虚拟地址空间分为了若干个部分，并用箭头表示该部分的扩展方向。最下端地址为0，向上地址逐渐增长。每个部分作用如下：

• 只读程序数据区和静态数据区：这一部分用来存放可执行程序代码和代码中的全局变量。
• 堆：用于动态申请的内存变量，比如malloc函数申请的动态内存空间，可以向上扩展。
• 共享库内存映射区：位于虚拟内存空间的中部，用于存放C语言库函数的代码和数据。本例中即printf的代码和数据。
• 栈：位于虚拟地址空间的顶部，用于函数调用、存放局部变量等。当我们调用一个函数时，栈会向下扩展，返回时，向上收缩。
• 内核虚拟地址空间：这个东西前面没提到过，但是它占据了栈向上直到4GB或256TB的所有空间。这个空间是保留给操作系统内核用的，用户进程无权访问这些地址。可是它到底是干什么用的，要等到后面的章节才能解开谜底。

总结

结束了Hello World的旅程，在后面的章节中，我们将一步步深入，探索计算机系统那些不为人知的奥秘。

文中若有错误或不当之处，恳请各位读者指出。

关注作者或文集《深入理解计算机系统》，第一时间获取最新发布文章。

参考资料

• 《文本文件与二进制文件》mjgforever
• 《gcc与g++的区别》poseidonqiu
• What is the difference between the compilers in C++ programming?Abhishek Bind
• GCC, the GNU Compiler Collection
• DMA（直接存储器访问） 百度百科
• 虚拟地址空间 MSDN