您的位置:首页 >要闻 >

8086处理器中,如何利用段机制对内存进行寻址?

时间:2021-07-15 14:17:39 来源:

什么是代码段?

什么是数据段?

数据的类型和长度

寻址范围

实模式和保护模式

Linux 中的分段策略

饭是一口一口的吃,计算机也是一步一步的发展,例如下面这张英特尔公司的 CPU 型号历史:

为了利用性能越来越强悍的计算机,操作系统的也是在逐步变得膨胀和复杂。

为了从最底层来学习操作系统的一些基本原理,我们只有抛开操作系统的外衣,从最原始的硬件和编程方式来入手,才能了解到一些根本的知识。

这篇文章我们就来继续挖掘一下,8086 这个开天辟地的处理器中,是如何利用段机制来对内存进行寻址的。

什么是代码段?

在上一篇文章:Linux 从头学 01:CPU 是如何执行一条指令的? 中,已经提到过,在处理器的内部,执行每一条指令码时,CPU 是非常机械、非常单纯地从 CS:IP 这 2 个寄存器计算得到转换后的物理地址,从这个物理地址所指向的内存地址处,读取一定长度的指令,然后交给逻辑运算单元(Arithmetic Logic Unit, ALU)去执行。

物理地址的计算方式是:CS * 16 + IP。

当 CPU 读取一条指令后,根据指令操作码它能够自动知道这条指令一共需要读取多少个字节。

指令被读取之后,IP 寄存器中的内容就会自增,指向内存中下一条指令的地址。

例如,在内存 20000H 开始的地方,存在 2 条指令:

mov ax, 1122Hmov bx, 3344H

当执行第一条指令时,CS = 2000H,IP = 0000H,经过地址转换之后的物理地址是:2000H * 16 + 0000 = 20000H(乘以 16 也就表示十六进制的数左移 1 位):

当第一条指令码 B8 22 11 这 3 个字节被读取之后,IP 寄存器中的内容自动增加 3`,从而指向下一条指令:

当第二条指令码 BB 44 33 这 3 个字节被读取之后,IP 寄存器中的内容又增加 3,变为 0006H。

正如上篇文章所写,CPU 只是反复的从 CS:IP 指向的内存地址中读取指令码、执行指令,再读取指令码、再执行指令。

可以看出,要完成一个有意义的工作,所有的指令码必须集中在一起,统一放在内存中某个确定的地址空间中,才能被 CPU 依次的读取、执行。

内存中的这块地址空间就叫做一个段,又因为这个段中存储的是代码编译得到的指令,因此又称作代码段。

因此,用来对代码段进行寻址的这两个寄存器 CS 和 IP,它们的含义就非常清楚了:

CS: 段寄存器,其中的值左移 1 位之后,得到的值就表示代码段在内存中的首地址,或者称作基地址;

IP: 指令指针寄存器,表示一条指令的地址,距离基地址的偏移量,也就是说,IP 寄存器是用来帮助 CPU 记住:哪些指令已经被处理过了,下一个要被处理的指令是哪一个;

什么是数据段?

作为一个有意义的程序,仅仅只有指令是不够的,还必须操作数据。

这些数据也应该集中放在一起,位于内存中的某个地址空间中,这块地址空间,也是一个段,称作数据段。

也就是说:代码段和数据段,就是内存中的两个地址空间,其中分别存储了指令和数据。

可以想象一下:假如指令和数据不是分开存放的,而是夹杂放在一起,那么 CPU 在读取一条指令时,肯定就会把数据当做指令来读取、执行,就像下面这样,不发生错误才怪呢!

CPU 对内存中数据段的访问方式,与访问代码段是类似的,也是通过一个基地址,再加上一个偏移量来得到数据段中的某个物理地址。

在 8086 处理其中,数据段的段寄存器是 DS,也就是说,当 CPU 执行一条指令,这条指令需要访问数据段时,就会把 DS 这个数据段寄存器中的值左移 1 位之后得到的地址,当做数据段的基地址。

遗憾的是,CPU 中并没有提供一个类似 IP 寄存器的其他寄存器,来表示数据段的偏移地址寄存器。

这其实并不是坏事,因为一个程序在处理数据时,需要对数据进行什么样操作,程序的开发者是最清楚的,因此我们就可以用更灵活的方式来告诉 CPU 应该如何计算数据的偏移地址。

就像猴子掰苞米一样,不需要按照顺序来掰,想掰哪个就掰哪个。同样的,程序在操作数据时,无论操作哪一个数据,直接给出该数据的偏移地址的值就可以了。

数据的类型和长度

但是,在操作数据段中每一个数据,有一个比较重要的概念需要时刻铭记:数据的类型是什么,这个数据在内存中占据的字节数是多少。

我们在高级语言编程中(eg: C 语言),在定义一个变量的时候,必须明确这个变量的类型是什么。一旦类型确定了,那么它在被加载到内存中之后,所占据的空间大小也就确定了。

比如下面这张图:

假设 30000H 是数据段的基地址(也就意味着 DS 寄存器中的内容是 3000H),那么 30000H 地址处的数据大小是多少:11H?2211H?还是 44332211H?

这几个都有可能,因为没有确定数据的类型!

我们知道,在 C 语言中,假如有一个指针 ptr 最终指向了这里的 30000H 物理地址处(C 代码中的 ptr 是虚拟地址,经过地址转换之后执行这里的 30000H 物理地址)。

如果 ptr 定义成:

char *ptr;

那么可以说 ptr 指针指向的数值是 11H。

如果 ptr 定义成:

int *ptrt;

就可以说 ptr 指针指向的数值就是 44332211H(假设是小端格式)。

也就是说,指针 ptr 指向的数据,取决于定义指针变量时的类型。

这是高级语言中的情况,那么在汇编语言中呢?

PS: 之前我曾说过,文章的主要目的是学习 Linux 操作系统,但是为了学习一些相对底层的内容,在开始阶段必须抛开操作系统的外衣,进入到硬件最近的地方去看。

但是该怎么看呢?还是要借助一些原始的手段和工具,那么汇编代码无疑就是最好的、也是唯一的手段;

不过,涉及到的汇编代码都是最简单的,仅仅是为了说明原理;

在汇编语言中,CPU 是通过指令码中的相关寄存器来判断操作数据的长度。

在上一篇文章中说过,相对于寄存器来说,CPU 操作内存的速度是很慢的。

因此,CPU 在对数据段中的数据进行处理的时候,一般都是先把原始数据读取到通用寄存器中(比如:ax, bx, cx dx),然后进行计算。

得到计算结果之后,再把结果写回到内存的数据段中(如果需要的话)。

那么 CPU 在读写数据时,就根据指令码中使用的寄存器,来决定读写数据的长度。例如:

mov ax, [0]

其中的 [0] 表示内存的数据段中偏移地址是 0 的位置。

CPU 在执行这条指令的时候,就会到 30000H(假设此时数据段寄存器 DS 的值为 3000H) 这个物理地址处,取出 2 个字节的数据,放到通用寄存器 ax 中,此时 ax 寄存器中的值就是 2211H。

为什么取出 2 个字节?因为 ax 寄存器的长度是 16 位,就是 2 个字节。

那如果只想取 1 个字节,该怎么办?

16 位的通用寄存器 ax 可以拆成 2 个 8 位的寄存器里使用:ah 和 al。

mov al, [0]

因为指令码中的 al 寄存器是 8 位,因此 CPU 就只读取 30000H 处的一个字节 11,放到 al 寄存器中。(此时 ax 寄存器的高 8 位,也就是 ah 中的值保持不变)

那如果想取 3 个字节或 4 个字节怎么办?

作为相当古老的处理器,8086 CPU 中是 16 位的,只能对 8 位或 16 位的数据进行操作。

寻址范围

从以上内容可以总结得出:

代码段和数据段都是通过 【基地址 + 偏移地址】的方式进行寻址;

基地址都放在各自的段寄存器中,CPU 会自动把段寄存器的值,左移 1 位之后,作为段的基地址;

偏移地址决定了段中的每一个具体的地址,最大偏移地址是 16 个 bit1,也即是 64KB 的空间;

注意:这里的段寄存器左移 1 位,是指十六进制的左移,相当于是乘以 16,因此段的基地址都是 16 的倍数。

我们再来看一下这里的 64 KB 空间,与 20 根地址线有什么瓜葛。

上篇文章说到:8086 处理器有 20 根地址线,一共可以表示 1MB 的内存空间,即使给它更大的空间,它也没有福气去享受,因为寻址不到大于 1 MB 的地址空间啊!

这 1MB 的内存空间,就可以分割为很多个段。

例如:第 1 个段的地址范围是:

我们来计算最后一个段的空间。

段寄存器和偏移地址都取最大值,就是 FFFF:FFFF,先偏移再相加:FFFF0 + FFFF = 10FFEF =1M + 64K - 16Bytes。

超过了 1 MB 的空间大小,但是毕竟只有 20 根地址线,肯定是无法寻址超过 1 MB 地址空间的,因此系统会采取回绕的方式来定位到一个地址空间,类似与数学中的取模操作。

此外还有一点,在表示一个内存地址的时候,一般不会直接给出物理地址的值(比如:3000A),而是使用 段地址:偏移地址 这样的形式来表示(比如:3000:000A)。

栈也是数据空间的一种,只不过它的操作方式有些特殊而已。

栈的操作方式就是 4 个字:后进先出。

在上面介绍数据段的时候,我们都是在指令码中手动对数据的偏移地址进行设置,指哪打哪,因为这些数据放在什么位置、表示什么意思、怎么来使用,开发者自己心里最门清。

但是栈有些不一样,虽然它的功能也是用来存储数据的,但是操作栈的方式,是由处理器提供的一些专门的指令来操作的:push 和 pop。

push(入栈): 往栈空间中放入一个数据;pop(出栈): 从栈空间中弹出一个数据;

注意:这里的数据是固定 2 个字节,也就是一个字。

写过 C/C++ 程序的小伙伴都知道:在函数调用的时候,存在入栈操作;在函数返回的时候,存在出栈操作。

既然栈也是指一块内存空间,那么也就是表现为内存中的一个段。

既然是一个段,那肯定就存在一个段寄存器,用来代表它的基地址,这个栈的段寄存器就是 SS。

此外,由于栈在入栈和出栈的时候,是按照连续的地址顺序操作的,因此处理器为栈也提供了一个偏移地址寄存器:SP(称作:栈顶指针),指向栈空间中最顶上的那个元素的位置。

例如下面这张图:

栈空间的基地址是 1000:0000,SS:SP 执行的地址空间是栈顶,此时栈顶中的元素是 44。

当执行下面这 2 条指令时:

mov ax, 1234Hpush as

栈顶指针寄存器 SP 中的值首先减 2,变成 000A:

然后,再把寄存器 ax 中的值 1234H 放入 SS:SP 指向的内存单元处:

出栈的操作顺序是相反的:

pop bx

首先把 SS:SP 指向的内存单元中的数据 1234H 放入寄存器 bx 中,然后把栈顶指针寄存器 SP 中的值加 2,变成 000C:

以上描述的是 8086 处理器中对栈操作的执行过程。

如果你看过其他一些栈相关的描述书籍,可以看出这里使用的是 “满递减” 的栈操作方式,另外还还有:满递增,空递减,空递增 这几种操作方式。

满:是指栈顶指针指向的那个空间中,是一个有效的数据。当一个新数据入栈时,栈顶指针先指向下一个空的位置,然后 把数据放入这个位置;

空:是指栈顶指针指向的那个空间中,是一个无效的数据。当一个新数据入栈时,先把数据放入这个位置,然后栈顶指针指向下一个空的位置;

递增:是指在数据入栈时,栈顶指针向高地址方向增长;

递减:是指在数据入栈时,栈顶指针向低地址方向递减;

实模式和保护模式

从以上对内存的寻址方式中可以看出:只要在可寻址的范围内,我们写的程序是可以对内存中任意一个位置的数据进行操作的。

这样的寻址方式,称之为实模式。实,就是实在、实际的意思,简洁、直接,没有什么弯弯绕。

既然编写代码的是人,就一定会犯一些低级的小错误。或者一些恶意的家伙,故意去操作那些不应该、不可以被操作的内存空间中的代码或数据。

为了对内存进行有效的保护,从 80386 开始,引入了 保护模式 来对内存进行寻址。

有些书籍中会提到 IA-32A 这个概念,IA-32 是英特尔 Architecture 32-bit简称,即英特尔32位体系架构,也是在386中首先采用。

虽然引进了保护模式,但是也存在实模式,即向前兼容。电脑开机后处于实模式,BIOS 加载主引导记录以及进行一些寄存器的设置之后就进入保护模式。

从 386 以后引入的保护模式下,地址线变成了 32 根,最大寻址空间可以达到 4GB。

当然,处理器中的寄存器也变成了 32 位。

我们还是用 段基址 + 偏移量 的方式来计算一个物理地址,假设段寄存器中内容为 0,偏移地址最大长度也是 32 位,那么一个段能表示的最大空间也就是 4GB 。

这也是为什么如今现代处理器中,每个进程的最大可寻址空间是 4GB(一般指的是虚拟地址)。

一句话总结:实模式和保护模式最根本的区别就是 内存是否收到保护。

Linux 中的分段策略

上面描述的分段机制是 x86 处理器中所提供的一种内存寻址机制,这仅仅是一种机制而已。

在 x86 处理器之上,运行着 Windows、Linux 获取其它操作系统。

我们开发者是面对操作系统来编程的,写出来的程序是被操作系统接管,并不是直接被 x86 处理器来接管。

相当于操作系统把应用程序和 x86 处理器之间进行了一层隔离:

因此,如何利用 x86 提供的分段机制是操作系统需要操心的问题。

而操作系统提供什么样的策略给应用程序来使用,这就是另外一个问题了。

那么,Linux 操作系统是如何来包装、使用 x86 提供的段寻址方式的呢?

是否还记得上一篇文章中的这张图:

这是 Linux2.6 版本中四个主要的段描述符,这里先不用管段描述符是什么,它们最终都是用来描述内存中的一块空间而已。

在现代操作系统中,分段和分页都是对内存的划分和管理方式,在功能上是有点重复的。

Linux 以非常有限的方式使用分段,更喜欢使用分页方式。

上面的这张图,一共定义了 4 个段,每一个段的基地址都是 0x00000000,每一个段的 Limit 都是 0xFFFFF。

从 Limit 的值可以得到:最大值是 2 的 20 次方,只有 1 MB 的空间。

但是其中的 G 字段表示了段的粒度,1 表示粒度是 4 K,因此 1 MB * 4K = 4 GB ,也就是说,段的最大空间是 4 GB。

这 4 个段的基地址和寻址范围都是一样的!主要的区别就是 Type 和 DPL 字段不同。

DPL 表示优先级,2 个用户段(代码段和数据段) 的优先级值是 3,优先级最低(值越大,优先级越低);2 个内核段(代码段和数据段)的优先级值是 0,优先级最高。

因此,可以得出 Linux 系统中的一个重要结论:逻辑地址与线性地址,在数值上是相等的,因为基地址是 0x00000000。

关于 Linux 中的内存分段和分页寻址方式更详细的内容,我们以后再慢慢聊。


郑重声明:文章仅代表原作者观点,不代表本站立场;如有侵权、违规,可直接反馈本站,我们将会作修改或删除处理。