CSAPP：第3章 程序的机器级表示 3.1 历史观点 & 3.2 程序编码 & 3.3 数据格式

第3章 程序的机器级表示

• IA32 是 x86-64 的 32 位前身。

3.1 历史观点

• 摩尔定律：集成电路上可容纳的晶体管数量，大约每经过26个月便会翻一番。

3.2 程序编码

gcc命令调用一整套的程序，将源代码转化成可执行代码。

C预处理器扩展源代码，插入所有用#include命令指定的文件，并扩展所有用#define声明指定的宏；编译器产生源文件的汇编代码（.s文件）；汇编器将汇编代码转化成二进制目标代码（.o文件）；链接器将目标代码与实现库函数的代码合并，产生最终的可执行代码文件（.exe文件）。

1.机器级代码

• 两种抽象

  1. 指令集架构（ISA），将程序的行为描述成好像每条指令都是按顺序执行的。
  2. 虚拟地址，认为程序使用的内存模型是一个非常大的字节数组。

• x86-64 的机器代码和原始的 C 代码差别非常大。一些通常对 C 语言程序员隐藏的处理器状态都是可见的：

  • 程序计数器（PC。在x86-64中用 %rip表示）给出将要执行的下一条指令在内存中的地址。
  • 整数寄存器文件包含16个命名的位置，分别存储64位的值。这些寄存器可以存储地址或整数数据。有的寄存器被用来记录某些重要的程序状态，而其他的寄存器用来保存临时数据，例如过程的参数和局部变量，以及函数的返回值。
  • 条件码寄存器保存着最近执行的算术或逻辑指令的状态信息。它们用来实现控制或数据流中的条件变化，如实现if和while语句。
  • 一组向量寄存器可以存放一个或多个整数或浮点数值。
• C语言中的聚合数据类型，例如数组和结构，在机器代码中用一组连续的字节来表示。即使是对标量数据类型，汇编代码也不区分有符号或无符号整数，不区分各种类型的指针，甚至于不区分指针和整数。
• 程序内存包含：程序的可执行机器代码，操作系统需要的一些信息，用来管理过程调 用和返回的运行时栈，以及用户分配的内存块（比如说用 malloc库函数分配的）。

2.代码示例

long mult2(long, long);
void multstore(long x, long y, long* dest) {
    long t = mult2(x, y);
    *dest = t;
}

编译：

linux> gcc -Og -S mstore.c

汇编：

linux> gcc -Og -c mstore.c

反汇编：

linux> objdump -d mstore.o

下面是汇编代码：

multstore:
    pushq    %rbx
    movq    %rdx, %rbx
    call    mult2
    movq    %rax, (%rbx)
    popq    %rbx
    ret

3.关于格式的注解

• 所有以.开头的行都是指导汇编器和链接器工作的伪指令。我们通常可以忽略这些行。
• 对千一些应用程序，程序员必须用汇编代码来访问机器的低级特性。一种方法是用汇编代码编写整个函数，在链接阶段把它们和 C 函数组合起来。另一种方法是利用 GCC 的支持，直接在C程序中嵌入汇编代码。

3.3 数据格式

Intel 用术语”字(word)" 表示 16 位数据类型。因此，称 32 位数为“双字(double words)”，称 64 位数为“四字(quad words)”。

大多数GCC生成的汇编代码指令都有一个字符的后缀，表明操作数的大 小。例如，数据传送指令有四个变种： movb(传送字节）、 movw(传送字）、 movl(传送双 字）和 movq(传送四字）。

后缀 'l'用来表示双字，因为 32 位数被看成是“长字(long word)" 。

汇编代码也使用后缀'l'来表示 4 字节整数和 8 字节双精度浮点数。这不会产生歧义，因为浮点数使用的是一组完全不同的指令和寄存器。