进程地址空间

1. 程序地址空间

在我们以前学习C/C++时，我画过一些程序地址空间的图：

但是我们并不能正确的去理解。下面我们就需要弄清楚这个东西。
首先，我像问一下大家：程序地址空间是内存吗？
答案是：不是的。其实程序地址空间的叫法是不准确的，应该叫它进程地址空间。
既然我们说地址空间是这样发布的，那么我们就来验证一下。

我们在这里用一个代表把这个地址打印出来。共享区暂时没法验证，，后面再说。

从运行结果可以看出地址是逐渐升高的。

而这里我们可以看到堆栈之间有很大的镂空，里面是有共享区的。

然后我们需要验证堆和栈的增长方向的问题。

我们多创建两个变量。

所以，堆区向地址增大方向增长，栈区向地址减少方向增长。

如何理解static变量？

运行结果如下：

函数内定义的变量用static修饰，编译器会把该变量编译进全局数据区。

下面我用代码来让大家感受一下地址空间的存在：

这个代码的意思是：前3秒子进程和父进程的值是一样，3秒过后子进程里把全局数据改成20。我们来看一下运行结果：

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。当修改全局变量后，父子进程读取同一个变量(地址一样)，但父子进程读取的内容不一样。所以，我们在C/C++中使用的地址，绝对不是物理地址。因为如果是物理地址，不可能出现同一个内存中存在不同的值。那么是什么呢？答案是：虚拟地址。

2. 进程地址空间

每一个进程在启动的时候，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。

每一个进程都会有一个自己的进程地址空间。那么操作系统肯定需要管理这些进程地址空间，我们的管理观念就是先描述再组织。所以，进程地址空间，其实是内核里的一个数据结构(struct mm_struct)。

什么是进程地址空间？
进程地址空间其实是操作系统给进程画的一个大饼，让每一个进程都认为自己是独占操作系统中的所有资源。

2.1 程序是如何变成进程的

在内核中，每一个进程都有一个task_struct，在task_struct里有一个指向虚拟地址的指针，而虚拟地址需要通过页表映射到物理地址。

那么怎么通过页表映射呢？
其实虚拟地址划分了许多区域：

而这些区域在mm_struct里通过start和end来规定每个区域的大小。

每个区域都有自己的开始地址和结束地址。而这些地址就作为页表左侧的虚拟地址，页表右侧作为物理地址，然后进行映射。

下面，问大家两个问题：
1.程序被编译出来，没有被加载的时候，程序内部有地址吗？
答案是：有的。像我们之前说的链接。就是把我的程序和库里的代码产生关联。就是把库里函数的地址填到我们代码的地方。

2.程序被编译出来，没有被加载的时候，程序内部有区域吗？
答案是：有的。

现在，在磁盘里有一个可执行程序它的代码区在它的地址里的0x1F处。我们想把这个可执行程序加载到物理内存代码区的0x100处。那么可执行程序在物理内存的地址就是0x11F。

这叫全新的地址叫做相对地址，也叫做虚拟地址。然后进程地址空间通过页表来映射物理内存。

当CPU读取代码和数据时，一定是虚拟地址，因为物理内存在读取前就已经是虚拟地址了。然后我们去找虚拟地址的时候，经过页表的转换，一定能找到物理地址。

现在我们再解释一下一开始的代码：
当没有修改全局变量的时候，父进程和子进程是共享的：

当子进程修改全局数据时，就会重新复制一段内存，然后把100改成200。这个也叫做写时拷贝。

我们只是改变了右边页表的内容，左边页表的内容没有修改。

所以，我们从运行结果看出，它们的虚拟地址一样，但是打印出来的值不一样。

fork有两个返回值，同一个变量，为什么会有不同的值?
pid_t id是属于父进程栈空间中定义的变量，fork内部，return会执行两次，return的本质就是通过寄存器将返回值写入到接受返回值的变量中。
当id=fork()的时候，谁先返回，谁就要发生写时拷贝。所以，同一个变量，会有不同的内容值。本质是虚拟地址是一样的，但物理地址不一样。

为什么要有虚拟地址空间？
因为直接让进程访问物理内存是不安全的。如果有一个野指针，没有虚拟地址空间，此时野指针就可能直接修改物理内存的数据。

而有虚拟地址空间，如果访问野指针，页表里没有建立映射关系，就不会访问到物理内存。页表映射转换失败，就会把进程杀掉。
第一个原因：保护内存。
第二个原因：让进程管理和内存管理通过地址空间，进行功能模块的解耦。
什么意思呢？就是如果我们想在堆上开辟一块空间。它会先在虚拟地址空间开辟出来，然后等CPU调度到此开辟空间的代码才会通过页表的映射去物理地址上开辟。为什么会这样？原因是：如果我们在虚拟地址堆上开辟了一段空间，直接在物理地址上开辟。但此时我们没有到用此空间的地方，那么就会白白占用空间资源。如果没有虚拟地址，那么当CPU调度时，执行到malloc代码时，就会跑到物理内存上开辟这叫做没有解耦。
第三个原因：让进程或者程序可以以一种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可执行程序，简化进程本身的设计与实现。