[Linux 进程(五)] 程序地址空间深度剖析

1、前言

Linux学习路线比较线性，也比较长，因此一个完整的知识点学习就会分布在两篇文章中，没有连贯起来，订阅的朋友谅解一下，再次感谢订阅！
上一篇文章最后讲到了程序地址空间分布，大家可以先复习一下上一篇文章：程序地址空间的初认识
本片我们深度学习一下程序地址空间，虚拟地址与物理地址的关系，页表与物理地址的映射，写时拷贝的过程，我们带着这些问题开始我们今天新的学习!

2、什么是进程地址空间？

在学习地址空间前，我们要明确：C/C++看到的地址其实并不是真正的地址，它其实是 虚拟地址，真正的地址是物理地址。
我们通过一个故事来带大家更好的理解一下什么是地址空间：
有一个大富豪，他有10亿的资产，同时拥有四个私生子，这四个私生子互相不知道其他人的存在。
私生子1是学生，私生子2是一个社会青年，私生子3是律师，私生子4是企业家。一天富豪分别对四个私生子说：
对1说：你是咱家的大学生，好好学习，以后这10个亿都是你的。
对2说：……，以后这10个亿都是你的。
对3说：……，以后这10个亿都是你的。
对4说：……，以后这10个亿都是你的。
他们都各自以为自己有10个亿等着继承呢，于是他们断断续续的对父亲说：
1：……，有用，需要xxx钱（不过10亿的1/10）。父亲给了。
2：……，有用，需要xxx钱（不过10亿的1/10）。父亲给了。
3：……，有用，需要xxx钱（不过10亿的1/10）。父亲给了。
4：……，有用，需要xxx钱（不过10亿的1/10）。父亲给了。

操作系统对应富豪;
内存对应那真实的10个亿;
进程对应为私生子;
虚拟地址空间对应富豪对他们每个人画的10亿的饼。
总结：
地址空间其实并不是真实的，是操作系统给进程画的饼。

3、进程地址空间的划分

我们看一下地址空间的分布：

地址空间其实就是上面各个区域结合起来，这些区域的划分很简单，用begin与end两个变量一个指头，一个指尾，来限制范围即可。
根据以上的学习，我们不难得知：虽然地址空间是操作系统给进程画的的饼，但是进程多了这些地址空间我们也需要管理起来，要不然进程和对应的地址空间对应不上。说到管理就不得不提“先描述，再组织”。Linux中，这个进程/虚拟地址空间这个东西，叫做：

struct mm_struct
{
	long code_start; // 代码区开始
    long code_end; // 代码区结束
    long data_start; // 数据区开始
    long data_end; // 数据区结束
    long heap_start; // 堆区开始
    long heap_end; // 堆区结束
	long stack_start; // 栈区开始
    long stack_end; // 栈区结束
    ... // 其他属性
}

进程地址空间mm_struct里面其实就是维护了一张链表，每个节点是一个结构体vm_area_struct，里面存的就是一个区域的开始和结束地址。

4、虚拟地址与物理地址的关系

我们来写一段代码探究一下地址：

#include <stdio.h>
#include <unistd.h>
#include <sys/types.h>

int g_val = 100;                                                                                                                
int main()                            
{                                     
    pid_t id = fork();                
    if(id == 0)                       
    {                                 
        // child                      
        int cnt = 5;                  
        while(1)                                                                                             
        {                                                                                                    
            printf("child, Pid: %d, Ppid: %d, g_val: %d, &g_val = %p\n", getpid(), getppid(), g_val, &g_val);
            sleep(1);                 
            if(cnt == 0)              
            {                                            
                g_val = 200;                             
                printf("child change g_val: 100->200\n");
            }                         
            cnt--;                    
        }                             
    }                                 
    else                              
    {
        // father
        while(1)
        {
            printf("father, Pid: %d, Ppid: %d, g_val = %d, &g_val = %p\n", getpid(), getppid(), g_val, &g_val);
            sleep(1);
        }
    }

    return 0;
}

我们知道，在没有发生对数据的改写时，父子进程共用一份代码和数据，这里子进程对数据进行了修改，父子进程读到的值不同了，父子进程的全局变量地址怎么还是相同的？？？
问题：
父子进程对同一个地址进行读取，竟然读出了不同的值？
我们这就能得出之前的结论：我们C/C++看到的地址是虚拟地址。
有了上面的理解，我们再来谈谈虚拟地址和物理地址的关系：

经过虚拟地址的学习以及这张图，我们现在就可以解释，同一个地址的值不同。
当我们fork创建了子进程的时候，子进程与父进程共享一份代码和数据，此时子进程与父进程进程地址空间与页表是一份。
当子进程对值进行修改的时，操作系统将父进程的进程地址空间与页表拷贝一份给子进程。当写入时，产生写时拷贝，重新开一块物理地址存内容，并将子进程页表中物理地址修改即可，子进程的虚拟地址没有变。因此父子进程虚拟地址相同是表象，本质物理地址已经修改了。

5、页表的作用

页表的结构中还有一栏，访问权限，我们下面看一下：

根据此结构，我们知道了页表的第一个作用：页表的存在可以有效的进行进程访问内存的安全检查！
我们配合一段代码，大家更好理解：

char* str = "hello Linux";
*str = 'H';

我们都知道hello Linux是在字符常量区的，是不可被修改的，它不可被修改的本质就是：在页表中，访问权限被设置为r(只读权限)。并不是因为是在代码区不可被修改，内存是可以随意读写的，因为有页表权限的限制。
页表的第二个作用：将无序变有序。
物理内存是不分代码区，栈区，堆区等的，数据在物理内存中的存储是无序的。
页表的存在让进程以统一的视角看待内存，所以任意一个进程，可以通过地址空间+页表可以将乱序的内存数据，变为有序，分门别类的规划好！
CPU中有一个寄存器CR3，它会保存当前进程的页表地址，此页表地址直接就是物理地址。操作系统给用户一个映射的页表，是为了上面的两个作用，它自己是不需要的。

扩展

总结：

• 每一个进程都是有页表的；
• 进程切换，不仅仅是PCB与代码、数据的切换，切换时还要带走自己的进程地址空间与页表。

根据以上的学习，我们想一下，我们的内存只有16/32/64，但是运行一个几百G的大型游戏，是怎么运行的呢？
其实并不是要把这几百G的数据全部加载上来的，而是将数据边加载边执行，对挂起的一个模块数据与代码先换出，然后加载需要加载的，这样进程在内存中就动态的运行起来了。

这就是地址空间的分配。当我们其中一块代码被执行完，我们可以覆盖式的像物理内存中重新加载内容，或者重新开辟新的物理内存，重新建立新的映射关系，就可以让程序边加载边执行。
页表中，还有可能存在虚拟地址存在，其他都不存在的情况：
当访问到页表的虚拟地址存在，其他内容不存在时，此时访问暂停，操作系统先申请内存，再根据虚拟地址找到那个可执行程序，重新加载到内存里，并把对应的物理内存放入页表，这时再开始访问，就开始运行新加载的代码了。这个过程叫做缺页中断。

我们其实也不难发现，这背后的一切进程是完全不知道的，是os给做的，所以页表的第三个作用：
页表 左边是进程管理，右边是内存管理。降低进程管理和内存管理的耦合度。

6、为什么要有地址空间？

通过上面的学习，我们来总结一下这个问题的答案：

• 1、有效的保护了物理地址的安全。通过进程地址空间+页表的映射，对不合法的操作可以有效的拦截。
• 2、将物理地址的无序变为有序。物理内存是不分代码区，栈区，堆区等的，数据在物理内存中的存储是无序的。页表的存在让进程以统一的视角看待内存，所以任意一个进程，可以通过地址空间+页表可以将乱序的内存数据，变为有序，分门别类的规划好！
• 3、降低进程管理和物理内存管理之间的耦合度。因为进程地址空间和页表的存在，物理内存可以不关心数据类型，直接对数据进行加载，这样进程管理与物理内存管理就做到了解耦。
• 4、保证进程的独立性。因为地址空间的存在，各个进程都认为所有的内存空间都属于自己。每个进程都有自己的地址空间+页表，这两者配合实现了进程的独立性，每个不知道也不需要知道其他进程的存在！