【Linux】理解进程地址空间-Toy模板网

这篇具有很好参考价值的文章主要介绍了【Linux】理解进程地址空间。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

🍎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 <stdio.h>
#include <assert.h>
#include <unistd.h>

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：代码区数据区虚拟地址独立吗,Linux系统网络编程,linux,服务器,运维
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{ }
代码区数据区虚拟地址独立吗,Linux系统网络编程,linux,服务器,运维
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;
}

代码区数据区虚拟地址独立吗,Linux系统网络编程,linux,服务器,运维
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

理解页表
进程地址空间毕竟只是逻辑上的内存，并不是真正的物理内存，是不能存储数据的，进程的数据和代码是只能存储在物理内存上的，但是进程使用的是虚拟内存！进程只能访问虚拟地址，但是实际的数据是存储在物理内存上的，那么进程是如何通过虚拟地址拿到数据和代码的？
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！
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
代码区数据区虚拟地址独立吗,Linux系统网络编程,linux,服务器,运维
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
所以说内存分布实际上并不是真实（物理内存）的内存的分布，而是OS给进程画的一张“大饼”，就是让进程认为自己一个就拥有整个内存！说白了进程空间就是OS欺骗进程的一种手段！
每个进程都有属于自己的一张进程地址空间和对应的页表！

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！

代码区数据区虚拟地址独立吗,Linux系统网络编程,linux,服务器,运维

重新理解地址空间

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:
代码区数据区虚拟地址独立吗,Linux系统网络编程,linux,服务器,运维
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！

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。
怎么理解写时拷贝呢？

写时拷贝（copy-on-write， COW）是一种计算机程序设计领域的优化策略。其核心思想是，如果有多个调用者（callers）同时请求相同资源（如内存或磁盘上的数据存储），他们会共同获取相同的指针指向相同的资源，直到某个调用者试图修改资源的内容时，系统才会真正复制一份专用副本（private copy）给该调用者，而其他调用者所见到的最初的资源仍然保持不变。这过程对其他的调用者都是透明的。
写时拷贝主要的优点是如果调用者没有修改该资源，就不会有副本（private copy）被创建，因此多个调用者只是读取操作时可以共享同一份资源。
写时拷贝常见的应用场景有：

虚拟内存管理中的写时复制：当一个进程fork一个子进程时，并不会立即复制父进程占用的所有内存页，而是与父进程共享相同的内存页，并把这些页面标记为只读。当父进程或子进程试图修改这些页面时，系统才会为修改者分配新的页面，并将原来页面上的内容复制过去。

字符串处理中的写时复制：当一个字符串被赋值给另一个字符串变量时，并不会立即复制字符串内容，而是让两个变量指向相同的字符串。当其中一个变量试图修改字符串内容时，系统才会为修改者分配新的字符串空间，并将原来字符串上的内容复制过去⁵。

我们知道在fork调用了子进程后，只有当子进程进行内容修改时，物理地址才会发生改变! 并且页表项中可以具有读写权限，本质就是：按需申请资源，提高效率！

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！↩︎
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！↩︎文章来源地址https://www.toymoban.com/news/detail-783421.html

到了这里，关于【Linux】理解进程地址空间的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！