汇编语言学习笔记01

冯程
1,538 阅读13分钟

笔记系列，方便以后查阅。

高兴的是王爽老师的《汇编语言》一书非常容易上手，这书写的很有质量。非常适合循序渐进的深入学习汇编。突然想到一本书《C++ Primer》，巨厚、乏味冗长，真想狠狠的吐槽C++ 的作者。

基础

编程语言

  • 机器语言
    • 由0和1组成
  • 汇编语言（Assembly Language）
    • 用符号代替了0和1，比机器语言便于阅读和记忆
  • 高级语言
    • C\C++\Java\Swift等，更接近人类自然语言

比如操作：将寄存器BX的内容送入寄存器AX 机器语言：1000100111011000 汇编语言：mov ax, bx 高级语言：ax = bx; 编程语言执行过程

  • 汇编语言与机器语言一一对应，每一条机器指令都有与之对应的汇编指令
  • 汇编语言可以通过编译得到机器语言，机器语言可以通过反汇编得到汇编语言
  • 高级语言可以通过编译得到汇编语言\机器语言，但汇编语言\机器语言几乎不可能还原成高级语言

汇编语言的特点

  • 可以直接访问、控制各种硬件设备，比如存储器、CPU等，能最大限度地发挥硬件的功能
  • 汇编指令是机器指令的助记符,同机器指令一一对应。每一种CPU都有自己的机器指令集\汇编指令集，所以汇编语言不具备可移植性
  • 知识点过多，开发者需要对CPU等硬件结构有所了解，不易于编写、调试、维护
  • 不区分大小写，比如mov和MOV是一样的。

为甚学习汇编语言撒

  • 编写驱动程序、操作系统（比如Linux内核的某些关键部分）
  • 对性能要求极高的程序或者代码片段，可与高级语言混合使用（内联汇编）
  • 软件安全
    • 病毒分析与防治
    • 逆向\加壳\脱壳\外挂\免杀\加密解密\漏洞\黑客
  • 是理解整个计算机系统的最佳起点和最有效途径
  • 为编写高效代码打下基础
  • 弄清代码的本质
    • sizeof 是函数啊还是编译器特性啊
    • ++a + ++a + ++a
    • switch和if的效率究竟谁高？为什么？
    • 探讨本质：Show me the 汇编，or 你就是在耍流氓。

汇编语言的种类

  • 8086汇编（8086处理器是16bit的CPU）
  • Win32汇编
  • Win64汇编
  • AT&T汇编（Mac、iOS模拟器）
  • ARM汇编（嵌入式、iOS设备）

入门建议学习8086汇编，结构简单、经典，参考王爽《汇编语言》

学前须知

要了解程序的执行过程，最为关键的是了解CPU和内存，因为绝大部分的汇编指令都是跟CPU和内存相关的

程序执行过程

8086 CPU

下面这个图就是一个8086 CPU：

8086 CPU

学过数字电路的同学对此应该不陌生，在数字电路实验中经常会用到类似这样的各种芯片，比如下面的51单片机：

51单片机

下面这个是芯片管脚或者叫针脚、引脚的功能解释：

管脚功能

有没有让你回忆起大学做实验的难(ku)忘(bi)经历，😁 跑题了，言归正传。

总线

每一个CPU芯片都有许多管脚，这些管脚和总线相连，CPU通过总线跟外部器件进行交互。

总线：一根根导线的集合，总线里面有很多跟小导线，记住导线是传送电信号的，可不是直接传送数据什么的，在数字电路中电信号就分为高电平和低电平，分别用1和0表示，那么这不二进制的0、1就是这么来的。 高低电平如图所示：

高低电平

  • 三大总线：

    • 地址总线
      • 它的宽度决定了CPU的寻址能力
      • 8086的地址总线宽度是20，所以寻址能力是1M（ 2^20）
    • 数据总线
      • 它的宽度决定了CPU的单次数据传送量，也就是数据传送速度
      • 8086的数据总线宽度是16，所以单次最大传递2个字节的数据
    • 控制总线
      • 它的宽度决定了CPU对其他器件的控制能力、能有多少种控制

    先总体介绍下CPU 通过总线 是怎么和内存交互的：

CPU 从内存中读取数据的过程

假如CPU从内存的3号单元读取数据，大致描述一下： 1、CPU 通过地址总线把3输出，找到编号为3的内存单元 2、通脱控制总线输入要写还是要读的指令，比如输出读的指令 3、数据总线把3号内存单元内的数据输入取出，送给CPU。 要注意，首先CPU不可能输出10进制中的3这个数字的，只是个大概描述下。

地址总线

地址总线的宽度怎么决定的寻址能力：

地址总线

上图黑方框代表地址总线，里面的三跟红线代表三个小导线，前面说了，导线只能传输电信号，也就是高低电平，那么没跟导线只能输出0或者1，那么三个导线不就是总共有 2✖️2✖️2 = 2^3 = 8 个可能性嘛，范围不就是000 ~ 111吗，那么8086的地址总线宽度是20，所以寻址能力是 2^20 也就是1M，还可以写成 0x00000 ~ 0xFFFFF

数据总线

如：8088的数据总线宽度是8，8086的数据总线宽度是16，分别向内存中写入89D8H，汇编中H或者h代表16进制，所以两块CPU要向内存中写入89D8，这是两个字节的数据。

8位数据总线上传送的信息

16位数据总线上传送的信息

图示清晰明了，不再赘述。

内存

  • 所有的内存单元都有唯一的地址，叫做物理地址
  • 各类存储器的物理地址情况
    • 内存地址空间的大小受CPU地址总线宽度的限制。8086的地址总线宽度为20，可以定位 2^20 个不同的内存单元（内存地址范围0x00000~0xFFFFF），所以8086的内存空间大小为1MB
    • 0x00000~0x9FFFF：主存储器。可读可写。
    • 0xA0000~0xBFFFF：向显存中写入数据，这些数据会被显卡输出到显示器。可读可写。
    • 0xC0000~0xFFFFF：存储各种硬件\系统信息。只读。

8086PC机内存地址空间分配

下图是各类存储器的逻辑连接-物理地址对应图：

将各类存储器看做一个逻辑存储器

8086的寻址方式

  • CPU访问内存单元时，要给出内存单元的地址
  • 8086有20位地址总线，可以传送20位的地址，1M的寻址能力
  • 但它又是16位结构的CPU，它内部能够一次性处理、传输、暂时存储的地址为16位。如果将地址从内部简单地发出，那么它只能送出16位的地址，表现出来的寻址能力只有64KB

那这是怎么回事呢？其实众多CPU中可能也就8086这么特殊，如今基本上所有的电脑CPU的位数和地址总线宽度都是一致的，比如32位CPU的地址总线宽度也是32位，64位的CPU地址总线宽度也是64位。 因为8086CPU内部做了一个地址加法器，把两个16位地址合成了20位的物理地址，具体看下怎么实现的：

8086CPU 相关部件的逻辑结构

8086CPU 寻址逻辑

具体如下：

地址加法器的工作过程

我们自己算一下不就知道了，举个例子：段地址：1200H，偏移地址：1000H

那么物理地址= 段地址✖️16 + 便宜地址。要注意16是十进制，转成十六进制是：10H 所以最终物理地址=1200H ✖️ 10H + 1000H = 12000H + 1000H = 13000H，那么现在得到了一个5位的十六进制地址，那么对应的二进制就是20位的地址。Done!

内存的分段管理

  • 8086是用“起始地址（段地址×16） + 偏移地址 = 物理地址”的方式给出物理地址
  • 为了开发方便，我们可以采取分段的方法来管理内存，比如：
    • 地址10000H~100FFH的内存单元组成一个段，该段的起始地址为10000H，段地址为1000H，大小为100H

分段

* 地址10000H~1007FH、10080H~100FFH的内存单元组成2个段，它们的起始地址为：10000H和10080H，段地址为1000H和1008H，大小都为80H

分段

  • 偏移地址为16位，16位地址的寻址能力为64KB，所以一个段的长度最大为64KB

内存地址小结

寄存器

一个典型的CPU是由运算器、控制器、寄存器等器件构成的，这些器件靠内部总线相连，前面介绍的地址总线等是相对于CPU内部来说是外部总线，内部总线实现CPU内部各个器件之间的联系，外部总线实现CPU和主板上其他器件的联系，简单来说如图所示：

8086CPU 内部大致结构

  • 对程序员来说，CPU中最主要部件是寄存器，可以通过改变寄存器的内容来实现对CPU的控制
  • 不同的CPU，寄存器的个数、结构是不相同的（8086是16位结构的CPU）
  • 8086有14个寄存器
    • 都是16位的寄存器
    • 可以存放2个字节

8086内部寄存器

通用寄存器

  • AX、BX、CX、DX这4个寄存器通常用来存放一般性的数据，称为通用寄存器（有时也有特定用途）
  • 通常，CPU会先将内存中的数据存储到通用寄存器中，然后再对通用寄存器中的数据进行运算
  • 假设内存中有块红色内存空间的值是3，现在想把它的值加1，并将结果存储到蓝色内存空间
    • CPU首先会将红色内存空间的值放到AX寄存器中：mov ax,红色内存空间
    • 然后让AX寄存器与1相加：add ax,1
    • 最后将值赋值给内存空间：mov 蓝色内存空间,ax

16位寄存器及分成的两个8位寄存器的数据存储情况

字的存储

  • 处于对兼容性的考虑，8086CPU 可以一次性处理一下两种尺寸的数据：
    • 字节：byte，1个字节由8bit组成，可以存储在8位寄存器中
    • 字：word，1个字由2个字节组成，这2个字节分别称为字的高位字节和低位字节
  • 比如数据20000（4E20H，0100111000100000B），高字节的值是78，低字节的值是32

一个字由两个字节组成

  • 1个字可以存在1个16位寄存器中，这个字的高字节、低字节分别存储在这个寄存器的高8位寄存器、低8位寄存器中

段寄存器

  • 8086在访问内存时要由相关部件提供内存单元的段地址和偏移地址，送入地址加法器合成物理地址
  • 是什么部件提供段地址？段地址在8086的段寄存器中存放
  • 8086有4个段寄存器：CS、DS、SS、ES，当CPU需要访问内存时由这4个段寄存器提供内存单元的段地址
    • CS (Code Segment)：代码段寄存器
    • DS (Data Segment)：数据段寄存器
    • SS (Stack Segment)：堆栈段寄存器
    • ES (Extra Segment)：附加段寄存器

CS 和 IP

  • CS为代码段寄存器，IP为指令指针寄存器，它们指示了CPU当前要读取指令的地址
  • 任意时刻，8086CPU都会将CS:IP指向的指令作为下一条需要取出执行的指令

8086PC 读取和执行指令的相关部件

上图的说明

指令的执行过程

8086CPU 的工作过程简要描述

CS和IP的的内容提供了CPU要执行指令的地址。指令和数据没有任何区别，他们存在内存中都是二进制的0或者1.CPU在工作的时候把有的信息仿作指令，有的信息当做数据。那么CPU根据什么才把内存中的信息当做指令呢？答案是CPU讲CS:IP指向的内存单元中的内容当做指令，因为在任何时候CPU都会把CS、IP中的内容当做指令的段地址和便宜地址，用他们合成指令的物理地址，到内存中读取指令码，执行！

jmp：修改CS、IP的指令

  • CPU 从何处执行指令是由CS、IP中的内容决定的，那么我们可以修改CS、IP中的内容进而控制CPU执行目标指令。
  • 8086提供了一个mov指令（传送指令），可以用来修改大部分寄存器的值，比如
    • mov ax,10、mov bx,20、mov cx,30、mov dx,40
  • 但是，mov指令不能用于设置CS、IP的值，8086没有提供这样的功能
  • 8086提供了另外的指令来修改CS、IP的值，这些指令统称为转移指令，最简单的是jmp指令：“jmp 段地址:偏移地址” “jmp 段地址:偏移地址”功能为：用指令中给出的段地址修改CS，偏移地址修改IP

  • 另外，也可以“jmp 直接值”来改变IP的值，比如“jmp 0100H”

下面进行个练习：

DS和[address]

  • CPU要读写一个内存单元时，必须要先给出这个内存单元的地址，在8086中，内存地址由段地址和偏移地址组成
  • 8086中有一个DS段寄存器，通常用来存放要访问数据的段地址
    • 上面3条指令的作用将10000H（1000:0）中的内存数据赋值到al寄存器中
    • mov al,[address]的意思将DS:address中的内存数据赋值到al寄存器中
    • 由于al是8位寄存器，所以是将一个字节的数据赋值给al寄存器
  • 8086不支持将数据直接送入段寄存器中，mov ds,1000H是错误的

字的传送

  • 8086CPU 是16位结构，数据总线有16跟导线，可以一次性传送16位的数据也就说一次性可以传送一个字。
  • 只要mov 指令中给出了16位的寄存器，就默认进行16位数据的传送，比如下面：
mov bx, 1000H
mov ds, bx
;1000:0地址处的数据送给ax，因为ax寄存器是16位的，所以默认从1000:0地址处取16位数据也就是一个字也就是两个字节大小的数据给ax
mov ax, [0]
;同理，把cx寄存器中16位数据送给1000:0地址的内存单元
mov [0], cx

大小端

  • 大端模式，是指数据的高字节保存在内存的低地址中，而数据的低字节保存在内存的高地址中（高低\低高） (Big Endian)
  • 小端模式，是指数据的高字节保存在内存的高地址中，而数据的低字节保存在内存的低地址中（高高\低低） (Little Endian)
avatar
文章
阅读
粉丝