【补基础系列】初识汇编

Voiceu
409 阅读17分钟

前言

为了能看懂CSAPP第三章，卡在那个汇编部分好久了，再加上忙毕业论文，一直耽搁着，今天准备看一下汇编的基础，重要的参考文章如下：

本文还参考了一些其他的文章，不过没有列举，重点是前两篇中文文章以及b站up-九曲阑干的视频

首先直接列出对我有帮助的一些帖子或者评论，当做是本文的注释，省得万一有读者以后读到的时候，发现问题想不通的时候还得去搜，先把我学习中遇到的问题和答案直接摆出来，带着这些再去看本文就简单一些

调用者策略和被调用者策略

CSAPP-深入理解计算机系统第p31-《程序的机器级表示中》，视频第五分钟左右，知道了调用者策略和被调用者策略

简而言之该策略如下：

  1. 一个函数中引用了另一个函数，那么因为某些寄存器有固定用法的原因，可能被多次用到；

  2. 在上层函数中可能已经用到了某个寄存器，比如rbx，那么此时rbx中保存着上层函数的数据，此处假设保存了1；

  3. 在程序运行到内层函数的时候，有可能会再次需要用到rbx，所以为了数据不被覆盖，需要先保存之前的1，再运行该内层函数的逻辑，完事之后再恢复之前暂存的数据1到rbx中。

image.png

比如通常被调用者保存用的是如下汇编代码，push 来保存 寄存器rbx中的数据， pop 来恢复

_fun_B:
   push   %rbx
   ******
   函数具体功能
   ******
   pop    %rbx 
   ret
  • 那么就出现了困扰我的一个问题，这个暂存的数据，存到哪了 ？？？

《深入理解计算机系统》 练习题3.27-3.28 被调用者保存寄存器 栈指针这篇文章让我知道了，这些调用者策略或者被调用者策略中，用来暂时保存的寄存器中的数据，放到哪了，原来是放进了栈里面，怪不得是叫push和pop。如下图所示：

image.png

所以应该也是会在栈中占据比如4个字节的大小

栈中的帧

给我的感觉就是两个指针—ebp（帧底）和esp（帧顶），确定了一个区域（范围），比如一个main函数，各种数据占据了内存的一块区域，此处我们把这种存储看成管子，即是一条线，那么这条线中的哪一段才是表示该函数的，就是由这俩指针来确定的，俩指针中间的区域就是main的帧，而这个帧是处于栈中的。

阮一峰老师的文章中的评论有一条如下，我觉得就是说的还原_main函数帧底的操作

image.png image.png

所以按我的理解，在保留上一段帧的ebp的时候，存在了栈里，是会占据比如4个字节的大小的，这点与阮一峰老师文章里面的说法不太一样，是看的参考2文章里得到的结论，也能说得通，目前只是初识，暂时这样认为，后期深入了，如有错误再更正。

正文

本文先描述基本的概念和语法，然后结合阮一峰的帖子里的例题，画一遍自己的理解，跟他帖子里略有不同，结合了一些其他帖子，所以不保证是完全正确的，但是大部分能对得上，能自圆其说，若有错误欢迎指正。

高级语言与汇编语言

现在我们在vscode里写的都是易于理解的高级语言，但是计算机能运行的代码，并不是Java、Js这些语言，计算机只认高低电平，高电平电路怎么走，低电平电路又怎么走，前人总结后，对应下来也就是用 0 1 0 1 的形式来体现高低电平，所以计算机只认识机器码。

机器码全是二进制的0和1，不容易理解，不是不容易，是人根本就不能理解，就需要来一个中间的桥梁，进行转换，一边是人能理解的语言，一边是机器码。

具体机器码如何运作，需要结合寄存器，通过学习这个视频可以有个初步的认识—# 从0到1设计一台计算机，举个例子，简单来说就是让一个由0和1组成的32位的数字串，其中分成几部分，比如其中一部分的意思是从第x位到第y位表示xxx寄存器的内存读取地址（之类的意思），这样的一串 0 1 机器码组成的数字串就是指令。

image.png

一个指令可以让cpu内的各个寄存器互相配合完成一个加法运算，并存放结果到目标内存上去的一个操作，多个指令在一起就是指令集，我们所写的所有Js代码，最终目的都是要让计算机做出相应的操作，比如说我们写了一段加法的代码

    let a = 1 , b = 2
    let c = a + b

高级语言通过编译程序变成汇编语言，再通过汇编程序，翻译到目标机器码的指令，指令作用到计算机上，就能运行相应的代码了。

以上是举的一个例子，实际情况不是完全一致，比如还要细分解释型语言和编译型语言，刚刚写的Js代码就是解释型，而C语言就是编译型，解释型语言需要解释程序（解释器），而编译型语言需要编译程序（编译器），具体可以看看这篇文章—# 编译型语言和解释型语言的区别，而Js是解释型语言，不需要经过编译程序，它只需要浏览器就可以运行，相当于浏览器充当解释器的角色，浏览器把Js的高级语言转换成了计算机能识别的机器码，其中可能是V8引擎或者什么浏览器内核之类的，这是我猜的，具体的以后有机会再去了解。

image.png

汇编语言

如果说高级语言是平时写的，人易读懂的语言，那么机器码就是人完全读不懂的语言，而汇编语言则是介于之间的一种，能读懂，但是却没那么容易读懂的语言，并且每一种 CPU 的机器指令都是不一样的，因此对应的汇编语言也不一样。本文介绍的是目前最常见的 x86 汇编语言，即 Intel 公司的 CPU 使用的那一种。

寄存器

上述讲到 0 1 组成的指令会让cpu进行一系列操作，而内部的操作，一般是通过寄存器来实现的，所以就需要了解寄存器的一些概念了，我的理解里，寄存器可以看作是初学代码的时候，那个中间变量，用于存放临时变量的作用，为什么要了解寄存器呢，因为汇编语言里面会用到。

    比如交换a和b的值
    let temp
    temp = a
    a = b
    b = temp

以上是我比较浅显的比喻，而实际上，因为cpu的运算速度极快，cache（缓存）或者RAM（内存）等都会拖慢速度，所以要用到更快的存储设备，这就是register（寄存器），cpu的一系列操作，比如产生的temp数据都先交给寄存器，再由寄存器交给内存，内存是靠地址区分数据的，而寄存器是靠名称，下面是CSAPP书中关于寄存器的截图

image.png

可以看到每个寄存器都有各自的作用，比如看到被调用者保存和调用者保存，就可以联系到刚刚讲到的调用者策略和被调用者策略。

内存模型：Heap 与 Stack

虽然寄存器的速度很快，但是存放的数据很少，所以在程序运行的时候，操作系统还会分配一段内存，用来存储程序和运行产生的数据，这里的内存就可以联系之前提到的帧了，一会儿再讲如何联系。借鉴阮一峰帖子里的图来表达：

首先内存中分配如下一段内存

image.png

1、内存模型：Heap（堆）

这里的堆跟数据结构里面的堆不一样，程序运行过程中，对于动态的内存占用请求（比如新建对象，或者使用malloc命令），系统就会从预先分配好的那段内存之中，划出一部分给用户，具体规则是从起始地址开始划分（实际上，起始地址会有一段静态数据，这里忽略）。举例来说，用户要求得到10个字节内存，那么从起始地址0x1000开始给他分配，一直分配到地址0x100A，如果再要求得到22个字节，那么就分配到0x1020。

image.png

这种因为用户主动请求而划分出来的内存区域，叫做 Heap（堆）。它由起始地址开始，从低位（地址）向高位（地址）增长。Heap 的一个重要特点就是不会自动消失，必须手动释放，或者由垃圾回收机制来回收。

以前就一直听说的什么数组啊、对象啊、引用类型的数据都是放到堆里的，如此看来就是这个堆了，栈里面保存下数组array的引用地址，指向的就是堆里的某一段内存地址，而堆里的这段地址就保存下该数组具体的数据，以后的查询就能顺着栈里的地址找过来，在堆里面查询具体的索引对应的数据了，而那种数值之类的简单数据就放到栈里，下面介绍栈。

2、内存模型：Stack（栈）

在刚才的那段内存地址中，除了堆，剩下的就是栈，它由高位地址开始，从高位（地址）向低位（地址）递减来扩容分配的但这仅仅是确定stack里面比如某个帧需要多少容量的时候从高到低的读取，实际上读取里面的具体数据的时候还是从低到高的读取，并且当程序开始的时候，会在stack里面创建一个主函数的帧，有其他函数的时候，会在运行到那个函数的时候再去创建那个帧，比如：

    int main() {
       int a = 2;
       int b = 3;
    }

那么一开始就会有一个main的帧，之前已经说过了，帧有帧顶和帧底，一起来确定这个main函数在stack中的哪个位置，在一开始，帧顶（ebp寄存器）和帧底（esp寄存器）是同一个位置，如下图，其中main包含了ebp和esp，而且在这个函数里的一系列操作，都是包含在main帧中的。

（1）ESP：栈指针寄存器(extended stack pointer)，其内存放着一个指针，该指针永远指向系统栈最上面一个栈帧的栈顶。

（2）EBP：基址指针寄存器(extended base pointer)，其内存放着一个指针，该指针永远指向系统栈最上面一个栈帧的底部。

image.png

如果调用了其他的函数，就会有新的帧被创建，然后入栈，寄存器ebp和esp就会记录新的帧顶和帧底

    int main() {
       int a = 2;
       int b = 3;
       return add_a_and_b(a, b);
    }

image.png 那么问题来了，当这个新函数add_a_and_b运行完毕后，如何return到上级函数里面，所以需要记录下上级函数（此处是main函数），此时上一个帧底的位置会保存好上一个帧的帧顶和帧底的内存地址，为了在后面ebp和esp进行回滚操作。

等到add_a_and_b运行结束，它的帧就会被回收，系统会回到函数main刚才中断执行的地方，继续往下执行。通过这种机制，就实现了函数的层层调用，并且每一层都能使用自己的本地变量。

Stack 是由内存区域的结束地址开始，从高位（地址）向低位（地址）分配。比如，内存区域的结束地址是0x8000，第一帧假定是16字节，那么下一次分配的地址就会从0x7FF0开始；第二帧假定需要64字节，那么地址就会移动到0x7FB0。

实例

直接引用阮一峰老师帖子的例子，加上自己的理解来记录这一节

了解寄存器和内存模型以后，就可以来看汇编语言到底是什么了。下面是一个简单的程序example.c。

    int add_a_and_b(int a, int b) {
       return a + b;
    }

    int main() {
       return add_a_and_b(2, 3);
    }

gcc 将这个程序转成汇编语言。

    $ gcc -S example.c

上面的命令执行以后，会生成一个文本文件example.s，里面就是汇编语言，包含了几十行指令。这么说吧，一个高级语言的简单操作，底层可能由几个，甚至几十个 CPU 指令构成。CPU 依次执行这些指令，完成这一步操作。

example.s经过简化以后，大概是下面的样子。

_add_a_and_b:
   push   %ebx
   mov    %eax, [%esp+8] 
   mov    %ebx, [%esp+12]
   add    %eax, %ebx 
   pop    %ebx 
   ret  

_main:
   push   3
   push   2
   call   _add_a_and_b 
   add    %esp, 8
   ret

可以看到，原程序的两个函数add_a_and_b和main，对应两个标签_add_a_and_b和_main。每个标签里面是该函数所转成的 CPU 运行流程。

每一行就是 CPU 执行的一次操作。它又分成两部分，就以其中一行为例。

    push   %ebx

这一行里面，push是 CPU 指令，%ebx是该指令要用到的运算子。一个 CPU 指令可以有零个到多个运算子。

那么现在我把自己理解的以上汇编代码的各行具体做了什么写出来，并且各个步骤中内存的堆栈是什么情况也画一下

1、分配内存

第一步肯定是从main进入嘛，所以第一行是 push 3 ，但是在这之前刚刚讲过会分配一段内存来做堆栈等等操作，所以把第一步算作这个，为了方便演示，统一所有数据当做4字节长度

根据上面的代码可以看到，在整个过程中用到的寄存器有四个，分别是 eax ebx ebp esp ，再对应前面章节的各个寄存器用法，假设分配的内存是 0xFFF0 0000 到 0xFFFF FFFF ，那么应该有如下图所示：

image.png

虽然Stack是从高地址往低分配的，但是读取/存入数据依然是低地址往高地址走，只是从高往低预留空间

2、创建帧

创建main帧，将帧顶位置写入esp，此时帧底ebp也是0xFFFF FFFF

image.png

3、执行代码 — push指令

然后执行 push 3 ，为了成功的把3 push 进栈里面，在此之前还得有个操作，因为说是栈，但其实也是push到栈里的main帧里面，此时ebp和esp是相同的，所以帧是没有空间的，因此首先要esp往低地址移动，给main帧扩容,先将esp减4个字节再写入esp

image.png

然后执行 push 3，将3压入栈，放在esp存放的地址指针指向的地址开始—即0xFFFE FFFF。

image.png

所以push 2同理，先是esp继续往下移动，然后再把2压入栈，

image.png

4、call指令

执行 call，此时会去寻找_add_a_and_b函数并调用，会给该函数创建新的帧

    call   _add_a_and_b

在创建新的帧之前，需要保存上一个帧的帧底和帧顶地址，以便该函数执行完毕后，回到上级函数的时候，进行回滚操作，不过我暂时不知道这个是不是对的，而且不知道是保存到main帧里面还是两个帧之间的栈里，此处就先写在stack之间吧

image.png

然后再继续之前的操作，创建一个_add_a_and_b的帧，具体还是先创建一个帧，然后esp和ebp都一样，在遇到push操作的时候，esp往低地址移动4字节.

image.png

随后遇到第一个这个函数的第一行代码，一个push指令，所以esp会在push操作之前先移动4字节

    push   %ebx

image.png

然后开始把ebx寄存器存储的数据压入栈，此处解释一下为什么要先这样，联系到之前的调用者策略与被调用者策略，这是因为在此函数里面会用到ebx寄存器，但是在上级函数里面，有可能已经用到了ebx，所以为了在调用函数完成之后回滚（恢复）ebx的数据，需要先保存一下，跟刚刚的保存main的ebp和esp是一个道理，在这里因为是被调用者在执行保存数据的操作，所以是被调用者策略，而且ebx也是专门用来做这个的寄存器。

image.png

5、move指令

接下来就是move了，这里的 [ ] 意思表示地址，比如刚刚esp里面存的是 0xFFFB FFFF ，[%esp+8]表示esp存的地址加上8个字节后的值，当做一个内存地址，并将这个内存地址里面所存的数据写入eax，（不写这个就代表esp寄存器的数据加8字节后的值直接存入eax，而不是再去当做内存地址找数据，如果是这样的话，那么存入eax的就是一串内存地址而不是这个内存地址所对应的数据了？暂时不知道以后学到了再回来纠正）

    mov    %eax, [%esp+8]

从上面的图可以看出，从这里（0xFFFB FFFF）往前加8个字节，是0xFFFD FFFF，正是0x0000 0002存放的地址开始。

image.png

下一行，是同样的操作，这次找到的是0xFFFE FFFF，就是 0x0000 0003，放到ebx

    mov    %ebx, [%esp+12]

image.png

6、add指令

add指令就很好理解了，就是俩寄存器的数据加起来，放到前面一个寄存器里，有点像高级语言比如JavaScript里的a+=b，所以在这里就是把ebx中的3加eax中的2，得到5再放入eax

    add    %eax, %ebx

image.png

7、pop指令

之前有吧ebx的数据push进帧里面，那么现在就有pop来恢复数据，有入栈就有出栈嘛，ebx恢复到之前的null

    pop    %ebx

image.png

在push之前有对esp减4字节的操作，那么pop之后会对esp加4字节，来回收该内存空间

image.png

8、ret指令

ret指令就是return的简写

    ret

这一步没有运算子，只需要回收当前帧并恢复到上层函数即可，所以是把之前的数据都恢复，比如main帧的esp和ebp从栈中读取回来，再把这部分内存空间回收

image.png

回收存储main帧的esp和ebp的内存空间

image.png

此时就回到了main函数里面，并开始继续执行main函数里的代码

    add    %esp, 8

上面的代码表示，将 ESP 寄存器里面的地址，手动加上8个字节，再写回 ESP 寄存器。这里再回收8个字节，等于全部回收。

image.png

然后进行最后一步，ret，回收掉当前帧，此时就全都没有了，所以完了之后就退出程序，读取eax寄存器的值，因为eax是返回值的寄存器，所以整个程序的结果是eax的值—5

    ret

image.png

结语

至此，算是勉强搞懂了几条汇编语言的实际操作步骤，如有错误，欢迎指正，毕竟还没系统的看汇编，大多数是看帖子和自己推导，以后有机会学习了再来修改，毕业论文也快送审了，希望顺利，后面就是继续学习CSAPP还有vue+ts。

avatar
文章
阅读
粉丝