程序的开发流程

以c语言为例，常规开发流程如下：

首先写一份helloworld.c：

#include
int main()
{
	printf("HelloWorld!\n");
	return 0;
}
1
2
3
4
5
6

然后使用gcc生成可执行文件hello：

gcc -o hello helloworld.c
1

最后在终端运行hello：

./hello
#HelloWorld!
1
2

从可执行文件反推计算机的运行原理

首先介绍一下术语：
helloworld.c叫程序；
hello叫可执行文件；
稍后会介绍进程；

从程序到执行文件，gcc帮我们做了预处理，编译和链接三个过程。

预处理就是一次文本替换。

为什么需要预处理呢？
因为c语言相对于汇编语言是高级语言，高级语言的目的就是为了让人能像写文字一样写机器代码。
为什么需要像写文字一样写机器代码呢？
因为计算机运行时执行的是指令，指令是由0和1组成的二进制构成的，一条指令如下：

那汇编和指令集又是什么呢？
首先解释指令集和微架构的概念。指令就是告诉计算运行哪些部件，从简单的加法器开始，到计算图形的GPU，各种元器件层出不穷，指令集的作用就是屏蔽这些元器件的构造方式，用概念来描述行为。比如，加法器可以用电磁铁来实现，也可以用晶体管来实现，但其实他们作用是相同的，都是做加法运算的。基于模块化思维，从硬件层抽象出了指令集的概念，指令集是一套协议，就是一套规则，是字面描述，而微架构就是电路的制造工艺、以及布线方式等等。举个例子，赋值是x86指令集中的一个指令，用于将寄存器或者内存的位置存上某个值，这就是认为抽象出的概念，那么完成MOV可能需要加法器等，那么这个硬件加法器就是微架构，因为制作工艺不同，因此加法器的实现方式也不同。因此，指令集不是硬件，是概念，而微架构是硬件，是制作工艺，一条指令可能要调动多个元器件。但此时的指令还是用0和1来描述的。

由于指令的长度是不等的，且CPU又有不同的指令集，包括x86指令集、ARM指令集、MIPS指令集、RSC-V指令集等，因此，在指令的基础上又抽象出汇编的概念。汇编是为了屏蔽各种指令集中指令的差异而抽象出的概念，比如x86的赋值指令可能需要8位来描述，而ARM的赋值指令可能需要4位来描述，但大家又都是赋值，因此出现了汇编，使用MOV来表示赋值指令，具体是x86的指令还是ARM的指令，由实现者去完成。因此说汇编是一种助记符，而不是语言。但其实c语言也是类似实现的，c语言在各个平台的语法和接口都是一样的，屏蔽了底层的实现差异，但c语言是c语言创作者实现的，而汇编不是指令集的创造者，只是辅助者，因此，汇编是助记符，c语言是编程语言。
话说，语言的本质是？ 交流！

为什么计算机只能识别0和1呢？
这要从信息论说起，其实计算机可以用任何进制实现，除了1进制，因为1进制没法表示变化。那么我们可以想象，灯泡的开、关，灯塔的亮、灭，电压的高、低，电磁体的有磁性和无磁性，二极管的导通和阻塞，万事万物，能表示两种状态的东西太多了，因此二进制是实现最简单的方式。自然而然的，不用二进制的原因是我们想用十进制，十进制用啥表示呢，用什么能表示10种状态呢，10种电压？还是有啥？很少很少。
至此，可以知道，是为了信息能够有效的传输和储存，我们选择的二进制！

编译和链接

书接上回：

从程序到执行文件，gcc帮我们做了预处理，编译和链接三个过程。
预处理就是一次文本替换。

预处理就是将.c文件中所有带井号#的语句都处理一遍，把#define语句中前后进行文本替换，把#if 0的段落都删掉，把注释语句全删掉…
所以c语言作为高级语言，为了能让人像写文字一样和机器交流，背后做了很多工作。那么这些工作是谁来做的呢？就是c语言运行时！c语言运行时内知道了每个c语言实现的操作系统中，因此我们感觉不到他，但他和java语言一样，是因为有运行时帮助我们处理文件，管理运行状态，这些语言才能起作用的，不然就只能靠汇编了，就算汇编也需要汇编器。
预处理完成后，是删减和修改.c文件后的最简状态，存为.i文件。

编译，编译就是将.i文件生成.o文件，.o文件已经是可执行文件格式了，只是其中的外部函数和变量的地址都是占位符，不是真实的地址。为什么会这样呢？因为这是为了避免修改一处代码，所有文件都要编译的现象。如果让所有文件都单独编译，那么修改一个文件，就只需要编译一个文件就好了。因此文件a中需要引用文件b中的函数或变量，一定要在文件a中有定义，但可以没有实现，这样才能写上占位符，以便链接用。

链接，链接就是将各种.o文件合成一个可执行文件，将.o文件中的占位符通过查找其他文件中的地址，写上真实地址，此时所有需要执行的命令和数据都在这个可执行文件中，所有内存地址也都是真实内存地址。这样一个可执行文件就生成了，在Linux下知可行文件是elf格式。

可执行文件格式

我们写程序时是按自然逻辑写的，比如全局变量写在main函数上边。
但是可执行文件不是这样存储的，可执行文件elf将代码重组，分成了代码段(.text)、数据段(.data)、堆栈等多个段。
代码段存放所有代码，数据段存放所有数据，为什么分开放还能正常运行呢？因为所有操作依赖的都是内存地址，每个变量和函数都有地址，且指令记录的也是内存地址，因此，分开放也不影响。

运行程序

elf文件介绍后，我们来介绍执行elf文件：

./hello
1

这一步做的是，将elf文件加载到内存，然后cpu定位到内存中hello的主函数main，开始执行。
这是程序最开始的样子，现代的加载方式包括了虚拟内存、写时复制等技术，下面表述。
因此，放在硬盘上的helloworld.c是源码，放在硬盘上的可执行程序hello是程序，通过命令行加载到内存的elf文件是进程，可以理解为“进行中的程序？”，最后进程结构体是描述一个进程的核心数据格式。

程序在内存中的存储方式

什么是内存模型？
本文中，内存模型指的是数据在内存中存储和读取方式。

在elf文件中，数据段分为：静态数据和动态数据，分别存在静态存储区和动态存储区。
静态存储区用于存储全局变量和静态变量（static声明的）；
动态存储区分为堆和栈，栈是从内存高地址向内存低地址增长的，堆是从内存低地址向内存高地址增长的，当然除了栈，其他内存模型都是从内存低地址向内存高地址增长。
栈是用于存放函数调用的，不存函数外的变量哦，函数外的变量存在静态存储区。
栈存放的数据包括，函数的参数、返回值和局部变量，这些入栈和出栈的操作由系统管理，因此会自动释放局部变量。
画个图~
堆，是为了突破自动管理变量限制，让程序员能手动管理变量声明周期而设计的，堆也是后进先出？但是其释放时间由程序员用delete管理。