3.2 程序编码

• gcc编译器以汇编代码形式产生输出，汇编代码是机器代码的文本表示，给出了程序中的每一条命令。
• 然后gcc调用汇编器和链接器，根据汇编代码生成的可执行机器代码。
• Linux使用了平坦寻址方式，因此可以将整个存储空间（包括栈、堆等）看做一个大的字节数组

 

执行 gcc -Og -o p p1.c p2.c

• 编译选项 -Og 告诉编译器使用会产生符合原始C代码整体结构的机器代码优化等级

执行 gcc -O1 -o p p1.c p2.c

• -O1 第一级优化

1. C预处理器扩展源代码，插入所有用#include指定的文件，并扩展所有用#define定义的宏；
2. 编译器产生两个源代码的汇编代码：p1.s和p2.s ；

1. 汇编器将汇编代码转化为二进制目标代码：p1.o和p2.o ，目标代码是机器代码的一种形式，包含所有指令的二进制表示，但是还没有填入地址的全局值；
2. 链接器将两个目标代码文件与实现函数库的代码合并，并产生最终的可执行文件p；

 

对于机器级编程，两种抽象尤为重要：

• 机器级程序的格式和行为：
  • 定义为指令集体系结构（Instruction set architecture），它定义了处理器状态、指令的格式、每条指令对状态的影响。
  • 大多数ISA把程序的行为描述成好像每条指令是按顺序执行的，实际处理器硬件远比描述的精细复杂，它们并发地执行许多指令，但是可以采取措施保证整体行为与ISA指定的顺序执行完全一致。
• 机器级程序使用的存储器地址，是虚拟地址：
  • 提供的存储器模型看上去是一个非常大的字节数组，存储器系统的实际实现是将多个硬件存储器和操作系统软件组合起来。
  • 虚拟内存：将主存和I/O设备抽象成一个非常大的字节数组

 

 

• 程序计数器：给出将要执行的下一条指令在内存中的地址
• 整数寄存器：存储地址或整数数据
• 条件码计数器：保存着最近执行的算术或逻辑指令的状态信息
• 向量寄存器：存放一个或多个整数或浮点数值

 

编译器会将C语言提供的相对比较抽象的执行模型表示的程序转化为处理器执行的非常基本的指令，即汇编代码。汇编代码的表示非常接近于机器代码。

 

sum:
  pushl %ebp
  movl  %esp,%ebp
  movl  12(%ebp),%eax
  addl  8(%ebp),%eax
  addl  %eax,accum
  popl  %ebp
  ret

 

例如：

 

int accum = 0 ;
int sum(int x, int y){
        int t = x + y;
        accum += t;
        return t;
}

 

执行 gcc -O1 -S code.c

将产生code.s

 

• 代码去除所有关于局部变量名或数据类型的信息
• 有一个对全局变量accum的引用——因为编译器还不能确定这个变量会放在存储器的哪个位置

 

执行 gcc -O1 -c code.c

将产生code.o

二进制文件

 

可以找到：

55 89 e5 8b 45 0c 03 45 08 01 05 00 00 00 00 5d c3

• 机器实际执行的程序只是对一系列指令进行编码的字节序列

 

执行 objdump -d code.o

（反汇编器）

 

00000000 <sum>:
 0:55                     pushl %ebp
 1:89 e5                  movl  %esp,%ebp
 3:8b 45 0c               movl  12(%ebp),%eax
 6:03 45 08               addl  8(%ebp),%eax
 9:01 05 00 00 00 00      addl  %eax,accum
 f:5d                     popl  %ebp
10:c3                     ret

 

生成实际可执行的代码需要对一组目标代码运行链接器，这一组目标代码文件中必须含有一个main函数。链接器将代码的地址移动到一段地址范围中，且会确定全局变量的地址：

 

• 每行前面的地址变更-->

 

08048394 <sum>:
 8048394:55                     pushl %ebp
 8048395:89 e5                  movl  %esp,%ebp
 8048397:8b 45 0c               movl  12(%ebp),%eax
 804839a:03 45 08               addl  8(%ebp),%eax
 804839d:01 05 00 00 00 00      addl  %eax,0x804a018
 80483a3:5d                     popl  %ebp
 80483a4:c3                     ret

 

• Q：最终链接后生成的文件会比较大？
• A：是因为它不仅包含了多个文件的代码，还包含了用来启动和终止程序的信息，以及用来与操作系统交互的信息。

---

3.3 数据格式

• 由于是从16位体系结构扩展成32位的，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）”。
• X86-64指令集包括完整的针对字节、字和双字的指令。
• 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完全不同的指令和寄存器

 

 

 

---