【看表情包学Linux】进程地址空间 | 区域和页表 | 虚拟地址空间 | 初识写时拷贝   🤣 爆笑教程 👉 《看表情包学Linux》👈 猛戳订阅  🔥 💭 写在前面：本章核心主题为 "进程地址空间"，会通过验证 Linux 进程的地址空间来开头，抛出 "同一个值能有不同内容" 的现象，通过该现象去推导出 "虚拟地址" 的概念。然后带着大家理解为什么虚拟地址不能是物理内存、讲解进程地址空间的概念以及如何设计。讲解什么是区域，对区域的理解，再引出内核中的数据结构是如何维护的，如何加载的问题。最后我们会揭秘文章开头的验证抛出的问题，从而引出 "写时拷贝" 的概念。讲解完写时拷贝后，我们就能理解为什么 "同一个值能有不同内容"的现象，并且也能解释本专栏进程开篇时抛出的 "fork为什么会有两个返回值" 的问题了。文章的最后我们再探讨一下虚拟地址空间存在的意义，会印证 "进程本身是有独立性的" 概念。       本篇博客全站热榜排名：14 0x00 引入：地址空间是内存吗？非也！ 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！ 0x01 验证：Linux 进程地址空间 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 #include #include 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： 我们发现，整体的地址是依次增大的。  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， 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。 "堆和栈相对而生" 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。 我们再来理解一下 static 变量，如何理解 static 变量？ 我们知道：一个变量在函数内被定义，如果声明其为 static，那么它的作用域不变，但它的生命周期会随着程序存在一直存在。 凭什么在函数内定义 static 变量，该变量就能寿与天齐了？ 我们可以加入一个 static 变量进刚才的代码中，我们来观察观察： static int s = 100; 我们的 s 是被初始化的，所以就被当成了全局变量，它只是一个写在函数内的全局变量。  这也就是为什么它能够寿与天齐，因为它本来就是全局变量。 🔺 结论：函数内定义的变量用 static 修饰，本质是编译器会把该变量编译进全局数据区。 0x02 感知：地址空间的存在 💬 我们还是写代码去观察分析： #include #include #include int g_val = 100; int main(void) { pid_t id = fork(); if (id == 0) { // child while (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 { // father while (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： 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： #include #include #include int g_val = 100; int main(void) { pid_t id = fork(); if (id == 0) { // child int flag = 0; while (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); flag++; // 五秒之后开始更改 if (flag == 5) { g_val = 200; printf("我是子进程，全局数据我已做修改，注意查看！\n"); } } } else { // father while (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：   💡 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！？ " 妈妈生的（即答）" 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！ (梅开二度) 震惊，居然不是物理地址…… 听到这就像是《三体》中所说的 "物理学从来就没有存在过" 一样。  如果是物理地址，上面出现的那种现象是不可能产生的！ 不是物理地址，那是什么呢？本章我们还不能证明，需要后续章节的铺垫才能够讲解。  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！ 0x03 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 。  下面我们就来讲解，究竟什么是地址空间！ 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？我们来讲个故事。 💭 小故事环节： 《重生之我是财阀老板私生子》 韩国某个财阀老板非常滴有钱，他有 3 个私生子，每个私生子都并不知道对方的存在，他们都以为自己是独生子。因为他们彼此不知道对方的存在，所以他们在生活和工作上也没有交集，不会有任何互相的影响（这就是独立性的体现）。财阀老板为了维护自己的独立性： 他就对大儿子说："儿子，你好好学习，以后老爹钱都是你的。"，大儿子一听卧槽真好，高枕无忧，就好好学习，一想到自己以后有钱，就更想学习了。 然后又对二儿子说："儿子，好好工作，等以后我就把公司给你。"，二儿子一听热泪盈眶，于是就好好工作，等着将来有一天可以继承公司。 后来又对三儿子说："儿子，你好好干活，等你长大老爹的家产交给你！"，三儿子知道自己以后会继承老爹的所有财产，开心坏了，就努力的干活。 只要在财阀爹的可承受范围内，孩子要多少钱他都给多少钱，所以三个儿子自然都认为自己有很多钱。财阀老板给他的三个儿子画了一张虚拟的、不存在的大饼，让他们都能努力学习工作干活（这个步骤就是给他们分别建立了进程地址空间）。 上面的故事中，财阀老板就是操作系统，三个私生子就是进程， 财阀老板给他的三个儿子画的大饼，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。 财阀老板给三个私生子画饼，就是为了维护这三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）。 0x04 理解：区域和页表 什么叫做区域？我们来拿一张桌子来理解，初中的时候我和我的同桌分过 "38线" 。 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}; 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。 0x05 揭秘：原来是写时拷贝！ ❓ 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？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  ~  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。 因为进程具有独立性，比如如果此时子进程把变量改了（写入），就会导致父进程识别的问题就出现了父进程和子进程不一的情况，因为进程是具有独立性的，所以我们就要做到互不影响。我们的子进程要进行修改了，影响到父进程怎么办？没关系！操作系统会出手！当我们识别到子进程要修改时，操作系统会重新给子进程开辟一段空间，并且把 100 拷贝下来，重新给进程建立映射关系，所以子进程的页表就不再指向父进程所对应的 100 了，而直接指向新的 100。你在做修改时又把它的值从 100 改成 200 时，我们就出现了 "改的时候永远改的是页表的右侧，左侧不变" 的情况，所以最后你看到了父子进程的虚拟地址一样，但是经过页表映射到了不同的物理内存，所以了你看到了一个是 100 一个是 200，父子进程的数据不同的结果。 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。 0x06 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。 我们当时说过要在 "进程地址空间" 讲完后再讲，现在就可以讲了！ 我们先回顾一下上下文： 💬 代码：验证 fork 返回值的问题，我们把 id 给打印出来： #include #include #include 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。 0x07 探讨：为什么要有虚拟地址空间？ 如果我们没有虚拟地址空间，直接让进程访问物理内存是不安全的。 有了虚拟地址空间，就是给访问内存添加了一层软硬关键层，可以对转化过程进行审核，非法的访问就可以被直接拦截了，可以 保护内存。 还能够将 进程管理 和 Linux 内存管理，通过地址空间进行功能模块的解耦。 让进程或者程序可以以一种统一的视角看待内存！ 有了虚拟地址空间，还可以让进程或者程序可以 以统一的视角看待内存。方便以统一的方式来编译和加载所有的可执行程序。如此一来，就可以简化进程本身的设计和实现。 📌 [ 笔者 ]   王亦优 📃 [ 更新 ]   2023.2.14 ❌ [ 勘误 ]   /* 暂无 */ 📜 [ 声明 ]   由于作者水平有限，本文有错误和不准确之处在所难免， 本人也很想知道这些错误，恳望读者批评指正！ 📜 参考资料  C++reference[EB/OL]. []. http://www.cplusplus.com/reference/. Microsoft. MSDN(Microsoft Developer Network)[EB/OL]. []. . 百度百科[EB/OL]. []. https://baike.baidu.com/. 比特科技. Linux[EB/OL]. 2021[2021.8.31 xiw