（14）Linux 地址空间的理解-编程知识

前言：本章核心主题为 "进程地址空间"。

一、Linux 进程地址空间

程序地址空间是内存吗？不是！程序地址空间不是内存！

其实，我们称之为程序地址空间都不准确，应该叫 进程地址空间，这是一个系统级的概念！

我们来写个代码验证一下 Linux 进程地址空间！

代码：Linux 进程地址空间

#include <stdio.h>
#include <unistd.h>
#include <stdlib.h>int un_g_val;
int g_val = 100;int main(int argc, char* argv[], char* env[])
{printf("code addr            : %p\n", main);printf("init global addr     : %p\n", &g_val);printf("uninit global addr   : %p\n", &un_g_val);char* m1 = (char*)malloc(100);printf("heap addr            : %p\n", m1);printf("stack addr           : %p\n", &m1);int i = 0;for (i = 0; i < argc; i++) {printf("argv addr        : %p\n", argv[i]);   }for (i = 0; env[i]; i++) {printf("env addr         : %p\n", env[i]);}
}

运行结果如下：

可以看到，从低到高，从下到上，整体地址是依次增大的。

请注意，堆和栈之间能观察到有非常大的地址镂空。

下面我们来验证一下堆和栈的 "挤压式" 增长方向的问题，在刚才的代码中我们加上如下代码：

/* 堆上申请四块空间 */
char* m1 = (char*)malloc(100);
char* m2 = (char*)malloc(100);
char* m3 = (char*)malloc(100);
char* m4 = (char*)malloc(100);printf("heap addr           : %p\n", m1);
printf("heap addr           : %p\n", m2);
printf("heap addr           : %p\n", m3);
printf("heap addr           : %p\n", m4);

现在我们再验证一下栈区，m1,m2,m3,m4 依次入栈，我们取地址将其分别打印出来：

printf("stack addr           : %p\n", &m1);
printf("stack addr           : %p\n", &m2);
printf("stack addr           : %p\n", &m3);
printf("stack addr           : %p\n", &m4);

我们发现，堆区向地址增大方向增长，栈区向地址减少方向增长。

我们一般在 C 函数中定义的变量，通常在栈上保存，那么先定义的一定是地址比较高的，

后定义的地址一定是比较低的。因为先定义的先入栈，后定义的后入栈。

我们还是写代码去观察分析：

#include <stdio.h>
#include <unistd.h>
#include <stdlib.h>int g_val = 100;
int main(void) 
{pid_t id = fork();if (id == 0) {// childwhile (1) {printf("我是子进程: %d, ppid: %d, g_val: %d, &g_val: %p\n\n", getpid(), getppid(), g_val, &g_val);sleep(1);}}else {// fatherwhile (1) {printf("我是父进程: %d, ppid: %d, g_val: %d, &g_val: %p\n\n", getpid(), getppid(), g_val, &g_val);sleep(2);}}
}

运行结果如下：

我们发现，父进程和子进程的地址其实都是一样的

结论：当父子进程没有人修改全局数据的时候，父子是共享该数据的。

如果此时尝试写入，比如我们让子进程有一个修改的操作。

我们在子进程那定义一个 flag， sleep(1) 执行五次，即五秒之后给它改值：

嘻嘻，少截了一点。

修改前：父子都是100；修改后：父：100，子：200；

发现：父子进程读取同一个变量（因为地址一样），但是后续没有人修改的情况下，父子进程读取到的内容却不一样。

父子进程打出来的地址是一样的，值却不一样！？

既然如此，那我就告诉你真相 —— 我们在 C/C++ 中使用的地址，绝对不是物理地址！

我们先抛出概念：我们在 C/C++ 中使用的地址，是 虚拟地址。

虚拟地址在我们 Linux 下也称为 线性地址，有些教材中也称之为 逻辑地址。这三个概念实际上是不一样的，但是在 Linux 下它是一样的（这和其本身的空间布局有关系）。

我们再抛出一个问题：为什么我的操作系统不让我直接看到物理内存呢？

如果能让你直接看到物理内存，或者让你访问物理内存，岂不是会出乱子。

内存就是一个硬件，不能阻拦你访问！只能被动地进行读取和写入！

1、讲解：进程地址空间

每一个进程在启动的时侯都会让操作系统给它创建一个地址空间，该地址空间就是 进程地址空间

操作系统为了管理一个进程，给该进程维护一个 task_struct 叫做进程控制块。

首先，每一个进程都会有一个自己的进程地址空间。

操作系统要不要管理这些进程地址空间呢？当然是要管理了，我们还是引出前几章提出的：

先描述，再组织。

所谓的进程地址空间，其实是内核的一个数据结构！叫做 mm_struct 。

在上一章，我们谈论过进程的概念，竞争和独立、并行和并发，我们要需要谈论其中的 独立性。

进程具备独立性，简单来说就是一个进程挂掉或崩溃是不会波及其他进程的。

进程相关的数据结构是独立的，进程的代码和数据是独立的。

说得好，但是独立性又和地址空间有什么关系呢？

举例：

有一个富豪,它有10亿资产,由于
年轻时比较浪,所以他有四个私生子
这四个私生子并不知道彼此的存在,
私生子A是个医生,私生子B是个企业家
私生子C是个街头混混,私生子D是个学生
富豪分别对小A,B,C,D说:
(1),小A啊,你要是努力做个医生,以后我的
10亿美金都是你的了
(2),小B啊,要是你把你的公司运作的很好
以后我的10亿美金就是你的了
(3),小C啊…小D啊…

老板给他的四个儿子画的大饼，我们就称之为 "进程地址空间"。

所以，进程地址空间并不是物理上存在的概念，而是在逻辑上抽象的一个虚拟的空间。

财阀老板给四个私生子画饼，就是为了维护这四个私生子互相之间的独立性，

如果让私生子知道自己并不是唯一，那以后分割财产必然会造成矛盾，

对他来说自然就不是一件好事。

所以，进程地址空间，就是就是给进程画的大饼。

进程地址空间 → 逻辑上抽象的概念 → 让每个进程都认为自己独占系统的所有资源

概念：操作系统通过软件的方式，给进程提供一个软件视角，认为自己是独占系统的所有资源（内存）。

2、理解：区域和页表

什么叫做区域？就像小学时候我们画的三八线一样。

我们把一张桌子分为两个区域，对桌子进行区域划分：

比如，既然要标出区域，定义一个桌面区域，其实用两个变量就可以表示了：

struct destop_area {int start;   // 区域起始位置int end;     // 区域结束位置
};struct destop_area A = {1,50};
struct destop_area B = {50, 100};

然而，后来出现了抢地盘。都想让自己占的更大一些

抢地盘对桌面区域进行划分，调整区域的大小只需要让 end 加上 "调整值" 就行。

这就是区域的概念，我们只需要定义 start 和 end 就可以表示了。

每个区域范围都是可以有对应的编号的，比如以厘米为单位，我的修正带就放在了 50cm。

我们的 mm_struct 里面不就是区域范围吗？所以 mm_struct 就可以靠 start 和 end 定义：

struct mm_struct {long code_start;long code_end;long init_start;long init_end;long uninit_start;long uninit_end;long heap_start;long heap_end;long stack_start;long stack_end;...
}

程序加载到内存，由程序变成进程后，由操作系统给每个进程构建的一个页表结构，就是页表。

我们来看看内核代码，就是用一个 start 一个 end 来呈现区域空间。

每个区域都有一个 start 和 end，它们之间就有了地址，地址我们称之为虚拟地址，

然后这些虚拟地址经过页表，就能映射到内存中了。

3、写时拷贝

思考：程序是如何变成进程的？

程序被编译出来，没有被加载的时候，程序内部有地址吗？当然有！

有没有区域？也有！

区分：我们程序内部的地址和内存的地址是没有关系的。

编译程序的时候，我们就认为程序是按照 0 ~ FFFF 进行编址的。

虚拟地址空间，不仅仅是操作系统会考虑，编译器也会考虑。

每个进程都会创建一个 task_struct，每一个进程都会维护一个 mm_struct，自己有对应的区域，当我们的程序加载到内存时，程序有自己的加载到物理内存的物理地址，虚拟地址和物理地址建立映射关系，进程访问某个区域当中的地址时，经过页表找到对应的代码和数据。当找到代码和数据后，代码加入到对应的 CPU 中，代码中的地址在加载中就已经转化成了线性地址/虚拟地址，所以 CPU 可以继续照着这个逻辑向后运行。
所以刚才我们代码测试，打印看到的虚拟地址值是一样的，并且内容也是一样的。在没有人写入的时候，虚拟地址到物理地址之间映射的页表是一样的，所以指向的代码和数据都是一样的。

我们的操作系统当我们的父子对数据进行修改时，操作系统会给修改的一方重新开辟一块空间，并且把原始数据拷贝到新空间当中，这种行为就是 写时拷贝！

当父子有任何一个进程尝试修改对应变量时，有一个人想修改，就会触发写时拷贝，让他去拷贝新的物理内存，这只需要重新构建也表的映射关系，虚拟地址是不发生任何变化的，所以最终你看的结果是虚拟地址不变，而内容不同。

现在再看，一点都不神奇了。

通过页表，将父子进程的数据就可以通过写时拷贝的方式，进行了分离。

这就做到父子进程具有独立性，父子进程不互相影响。

4、回顾：fork 有两个返回值的问题

我们在讲解进程的第一个章节就提出过一个问题，关于 fork 为什么有两个返回值的问题。

当时我们还提出了两个问题，局限于当时还没有讲到进程地址空间，所以没有办法深入讲解。

代码：验证 fork 返回值的问题，我们把 id 给打印出来：

#include <stdio.h>
#include <unistd.h>
#include <sys/types.h>int main(void) {pid_t id = fork();printf("Hello, World! id: %d\n", id);sleep(1);
}

fork 有两个返回值，pid_t id，同一个变量为什么会有两个返回值？

本章我们就可以理解了，因为当它 return 的时候，pid_t id 是属于父进程的栈空间中定义的。

fork 内部 return 会被执行两次，return 的本质就是通过寄存器将返回值写入到接收返回值的变量中。当我们的 id = fork() 时，谁先返回，谁就要发生 写时拷贝。所以，同一个变量会有不同的返回值，本质是因为大家的虚拟地址是一样的，但大家的物理地址是不一样的。