linux进程概念——虚拟地址空间——重新认识进程！！！

2024-08-23 服务器 0

前言： 本节内容就将进入linux进程里面的又一个大板块，博主认为这个板块和PCB的板块是平级——两者独立；之前友友们可能认为进程分为PCB和代码与数据。但是本节过后，我们可以对进程重新定义——进程 = （PCB（linux下task_struct） + 虚拟地址空间 + 页表) + 代码与数据。

ps:本节内容和前面PCB小节是各自独立的。但是如果有前面知识的铺垫，本节会更加好理解。而本节最低适合已经了解进程概念的友友们进行观看。

引出地址空间

空间地址划分

栈和堆增长趋势

static的本质

父子进程的相同变量不同结果——对fork的更深理解

地址空间概念

大体结构

实际工作中理解地址空间

页表

进程切换

权限

缺页中断

再次理解进程地址空间

重新理解进程

首先我们来看一下我们在学习语言的时候，学习的内存划分结构：

我们在学习语言的时候，认为我们调试窗口，看到的地址就是真实内存的地址。但是这个地址真的是真实内存的地址吗？——答案是不是，那么为什么不是，就是本节要讨论的问题。

引出地址空间

空间地址划分

首先，我们要抛出一个概念——地址空间——要理解这个概念，我们这里写一个程序：

上面程序运行后，就是打印下图这一串串的地址：

然后我们观察这些地址：

然后我们仔细观察它们的地址大小顺序，就会发现，我们在程序中定义的这些变量——不管是全局变量，栈区变量、常量、代码段等等，实际上都是遵循上面的左图的。

那么，我们就可以信服一件事情——为什么对于堆区变量，全局变量能够一直有效，就是因为它们在堆区或者全局变量区开辟空间。而栈区变量在栈区开辟空间。常量之所以不能够修改是因为常量保存在常量区。

栈和堆增长趋势

现在我们来看一下栈区和堆区的增长趋势——注意，有些知识点博主讲到只是为了辅助理解，和本节内容有关系，但是不是直接相关。

如何验证栈区和堆区的地址增长趋势，我们只需要写两个下面这种程序：

针对栈区：

针对堆区：

两个程序的运行图分别是：

由上面两张运行图我们就能发现， 栈区是向低地址方向增长；堆区是向高地址方向增长。并且由图中可以发现一个很奇怪的现象。那就是栈区和堆区的地址相差极大！——这个是运行时堆栈的内容，博主没学过，但是和本节内容关系不大，有兴趣的友友自行学习即可。

static的本质

、我们知道，对于一个栈区变量来说，如果加上static就能从栈区变量变成一个全局变量。我们使用代码来看一下：

如下图：

从上面我们就能发现，static修饰的局部对象，编译的时候已经编译到了全局数据区。

父子进程的相同变量不同结果——对fork的更深理解

上面是我们运行实验时的代码，我们编译运行这串代码后，就可以看到如下：

会隔一秒打印一次，现在没有问题，那么我们再来修改一下我们的代码：

运行后，就能看到我们一个非常奇怪非常棘手的现象，也是我们本节主要要解决的问题——进程父子进程变量相同，结果不同：

看上图的蓝框框，蓝框框内的内容，明明变量名相同，变量的地址也相同，但是它们的结果却不相同。 ——我们学过fork，可以解释为子进程原本和父进程用同一块数据，但是当想要修改父进程数据的时候，却发生了写实拷贝。这个时候子进程的g_val和父进程的g_val不是同一份变量。但是这里又有一个问题，那就是我们从上图可以看到，子进程发生写实拷贝后，子进程的g_val和父进程的g_val的地址是一样的。既然地址一样，为什么变量却不是同一份呢？请问这是为什么？怎么可能同一份地址，读取到了不同的值？？

那么，这里的地址真的是真实的物理地址吗？如果是真实的物理地址，就绝对不会出现上面的现象！！！所以，这里的地址，就绝对不是真实的物理地址！！

而这里的地址我们一般把它叫做线性地址&&虚拟地址，而我们平时用的C/C++指针，指着里面的地址全部不是物理地址，而是虚拟的。

地址空间概念

大体结构

地址空间其实就是一个虚拟内存，逻辑结构就如上图那样。其实里面是一个个整形的数据范围。而真正的内存是物理内存。物理内存就是真正的内存空间。它的物理结构就是如上图那样。

而物理内存和虚拟内存之间的练习是一个页表。这是一个kv数据结构。 k是虚拟内存，v是物理内存。整个结构图如下:

实际工作中理解地址空间

对于32位机器，有32位的地址和数据总线， CPU和内存相连。 ——》我们从c语言中就学过，每一根总线，只有0、1概念。一共有32根，那么就有2 ^ 32种组合。一共是4GB空间。

所以，什么是地址空间？我们的地址总线排列组合形成的地址个数（例如下图(0, 2^32））就叫做地址空间。

而现在我们从实际工作的角度上理解地址空间——这里有一个小故事

假如这里有两个小朋友——一个小胖，一个小花。这两个人是同桌。下面是他们的桌子：

他们的桌子是100cm。也就是说，他们的地址空间是0~100. 但是呢，小花很讨厌小胖，所以呢，小花就在桌子上面画了一根三八线。结果，小胖这个人不长记性，总是越过三八线，就导致小花总是胖揍小胖一顿。 ——现在，请问，小花画三八线的本质是什么？ ——本质就是区域划分！！！

我们可以使用计算机语言，那么就是说，小花和小胖画好三八线之后，就要管理好自己的地址空间。而我们知道，管理的本质就是——先描述，再组织。所以据需要一个数据类型来描述这个地址空间，供给两人进行管理。而今天，这个数据类型博主就告诉友友们大体如何定义：

struct area{    int start;    int end;}struct dest_ares{    struct area xiaopang;    struct area xiaohua;}

也可以：

struct dest_area{    int start_xiaopang;    int end_xiaopang;    int start_xiaopang;    int end_xiaohua;}

那么，现在小花和小胖可以管理自己的空间了。但是呢，有一天，小胖又越界了，小花呢，这一天心情不太好。所以小花看到小胖越界就很愤怒，她不仅将小胖打了一顿，而且将三八线向小胖那边挪动了一下：

而对应他们的结构体，是不是就是小胖管理的end_xiaopang -= 10, 小花管理的start_xiaohua += 10;

所以，所谓的区域的调整变大或者变小，本质上就是对这些struct结构体管理的end 还有start变大或者变小。

小胖是一个有强迫症的人，这个桌子对于小胖来说，假如这个桌子的范围是0 ~ 40。又因为是他自己管理，所以他就将它的铅笔放到了3厘米处，将他的本子放到了10厘米处。那么等到别人要借用他的本子或者笔的时候，他就可以直接使用坐标3，或者10.告诉别人本子或者笔在哪。那么，这个过程中，我们不仅仅要看到给小胖划分了多少空间，而且要看到在范围内连续的空间中，每一个单位都有一个地址，这个地址可以被小胖随意的使用！！！——即可以访问地址空间内的任意地址处。

所以，什么是地址空间呢？所谓的地址空间，本质上就是一个描述进程可视范围的大小！我们地址空间内一定要存在各种区域划分，对线性地址进行start和end即可。

由上面我们已经知道，操作系统在创建进程的时候，不仅要创建进程的PCB结构体，而且要创建进程的地址空间。 而这个地址空间，本质上就是一个数据结构对象。类似于PCB一样，地址空间也要被操作系统管理——先描述，再组织。

而如何描述呢？其实和小胖小花管理自己桌子是一样的，就是使用一个有着start, end的结构体，如下图：

理解地址空间这点是不够的，但是我们先理解一下页表。再回来更深一步理解地址空间。

页表

进程切换

、我们知道，我们的程序，只要创建了结构体，并且开辟了mm_struct——这个mm_struct里面是一个个int类型的范围，对应着物理内存的内存区域。——那么这个cpu中此时该进程一定处于被调度的状态。而且我们知道，为了让我们的进程的地址实现虚拟地址到物理地址的转化，进程同时也维护了一个页表结构。

而我们如何找到这个页表？ ——原因就是在cpu内部维护了一个寄存器，这个寄存器叫做cr3寄存器。如下图：

这个寄存器会保存当前进程页表的起始地址。 ——既然这个地址不存在于内存中，那么进程的切换，下次cpu还会记得这个页表吗？答案是会的，为什么？因为这个cpu中页表的起始地址对于进程来说，本质上他也是这个进程的硬件上下文。我们知道，对于一个进程的上下文来说，当进程切换的时候，它会被进程带走！当下次再次运行，这些上下文数据又会被放到cpu中进行执行。所以，我们进程从始至终都会在自己进行执行的时候，将自己需要的数据放到cpu中，不会影响自己的执行。

权限

假入页表中有一组kv。如下图：

那么我们就会发现，最后一个格子是干什么的呢？那么我们思考一下，对于一个变量来说，我们不同的身份会有不同的权限，那么我们怎么知道，我们对于某一个变量是可读还是可写的？答案就在这个页表之中。

上面的0x1234处的地址如果是变量区，那么这个变量的权限就是可读可写。但是如果此时又来一串代码。这串代码在虚拟内存的0x123处。他映射到了物理内存的0x112233处，并且我们知道，代码是可读但是不可写的。那么对于这串代码来说，他的操作权限就是r。

此时的页表就是如下：

当我们要访问这个代码，并且对于这个代码进行修改的时候，页表就会发现代码只有读，没有写。那么它就会拦截这个进程的操作。并且操作系统会直接干掉这个进程。 ——这，就是页表的权限的管理。

现在，我们就可以解释下面这个现象了：

看下面这串代码：

这串代码运行后显示之后会直接挂掉：

在没有学习这一节之前，我们对于这个的理解可能就是——因为代码段只读，修改代码程序直接挂掉。

但是那是语言层面的理解，我们只要深究就会发现，既然代码只读，那么它是如何加载到内存中的呢？现在我们利用新的知识，对于这个东西就有了新的立即——代码段本身并没有什么可读可写的概念，只是对于物理内存来说，只要是数据，它就会来者不拒，将这些数据放到相应的内存区。而之所以数据会有所谓的只读，只写或者可读可写。本质上是因为页表。页表会根据数据的类型规定相应的权限，只要越权，那么就会拦截，操作系统进而会干掉进程。

缺页中断

这里思考一个问题，就是我们平时玩一个很大型的游戏，这个游戏可能一百G，那么这么大的游戏，显然不可能全部加载到内存。这就说明了什么呢？ ——说明操作系统对于大文件，可以实现分批加载。

在我们的操作系统中，我们的操作系统当中可以实现分批加载。比如说我们加载了500M的空间，但是代码是一行一行跑的，短期内代码跑不完。而加载的这部分数据是不会被释放的。这就造成了空间上的浪费。所以实际上，操作系统对于内存的加载是采用惰性加载的方式。 ——也就是说虽然承诺加载了500M，但是实际上可能只分配了几十kb。

当我们查地址的时候，就要先看一下标志位，如果标志位显示加载到内存中。那么就是可以找到物理地址，并且进行访问。但是如果没有显示加载到内存，那么就是缺页中断。

如果触发缺页中断，就说明我们需要访问该处内存，却没有数据加载到物理内存，这个时候操作系统就会重新加载物理内存，将数据重新加载到物理内存中，然后将这个内存映射到页表之中。这个时候进程就可以访问物理内存中的数据。

那么，这里我们就可以重新理解下写时拷贝，写时拷贝其实也是一个缺页中断的过程。

那么，如果创建进程的时候，只创建PCB，进程地址空间，页表，但是不加载物理空间，可以吗？

进程创建的时候，实现创建内核数据结构呢？还是先加载对应的可以执行程序呢？

现在我们来思考一个问题，对于进程来说，当进程加载到内存或者进程切换的时候，就要将数据加载到物理内存，并且物理内存还要映射到当前页表当中。那么请问这个过程中，进程需要管理吗？答案是不需要，对于进程来说，进程不需要关心物理内存如何缓存数据，页表如何被映射物理内存，事实上，她也不会去关心。进程只需要管理好自己的PCB，管理好自己的进程地址空间和页表的映射即可，那么这个就形成了两个板块。

上面这两个板块， 一个是内存管理，一个是进程管理。对于进程来说，进程只需要管理自己的地址空间，地址空间去访问页表。如果页表中没有映射value，那么页表发生缺页中断，就会自动区物理内存中缓存数据并且形成映射。那么如何申请等等，就是内存管理事情。进程不需要关心。所以虚拟地址空间的存在，他把进程管理和内存管理实现了软件层面的解耦。

再次理解进程地址空间

学完页表，我们就可以知道了一个问题的部分答案——为什么要有虚拟内存？因为有地址空间和页表的存在，将进程管理模块和内存管理模块进行解耦合。

现在我们通过一个故事，来重新理解一下进程地址空间：

就是说假如有一个大富翁，这个大富翁有三个私生子，这个大富翁有10亿家产。如下图：

这些私生子，很显然并不知道大富翁有其他的孩子存在，以为大富翁只有他们自己一个孩子。

有一天，大富翁找到私生子1，说以后自己的10亿家产是他的。

又有一天大富翁找到私生子2，说以后自己的10亿家产是他的。

同样的一天，大富翁找到私生子3，说以后自己的10亿家产是他的。

现在，这三个私生子都坚信着，大富翁去世后，他的家产就是自己的了。一天，私生子1找大富翁借1亿，大富翁骂了他一顿，没有借。还有那么一天，私生子2，或者3都借了1亿。大富翁没有接。请问这个时候，这些私生子是不是相信大富翁的10亿家产是自己的？肯定是相信的，因为大富翁有10亿，而他们是大富翁的孩子，所以他们相信大富翁的家产未来是自己的。而实际上呢？可能吗——不可能，因为大富翁本质上有3个孩子，这些人顶多分3.3亿。

那么操作系统对于一个进程呢？大富翁其实就是这里的操作系统，进程呢？就是私生子。每一个进程都被操作系统画了一张大饼，这个大饼就是——进程地址空间。

这个进程地址空间就是用来标识操作系统所有内存的空间范围。每一个进程都有一个虚拟地址空间，但是要给进程可以全部占用物理内存吗？不可能。

那么每一个进程都有一个虚拟地址空间后，就能使用一样的视角——虚拟地址空间——来看待物理内存了。进程1可以使用虚拟内存中的0x111，进程1的子进程同样可以使用虚拟内存中的0x111——虚拟内存一样，但是映射到物理内存就是不一样的内存。

所以，我们就知道了为什么要有虚拟内存的第二点——有统一的视角。

同样的，对于进程来说，如果没有虚拟地址空间，进程如果发生了非法访问，那么自己的进程被操作系统干掉是小事。而如果非法访问影响到了其他程序呢？这个时候问题就大了，但是如果加上虚拟地址空间呢？就能在物理内存和进程之间加一个缓冲，如果进程发生了非法访问。那么虚拟地址空间内有这个地址，也就没有映射到页表当中，没有映射到页表当中，页表就会对进程进行拦截，然后操作系统就会直接干掉这个进程，防止发生危险。 ——这就是为什么要有虚拟地址空间的第三个原因：因为增加虚拟地址空间，可以在访问内存的时候，增加一个转化的过程。在这个转化的过程中可以进行系统级别的检查，所以一旦异常访问，直接拦截，该请求就不会直接到达物理内存，保护物理内存。