作 者：道哥，10+年的嵌入式開發老兵。
公眾號：【IOT物聯網小鎮】，專注於：C/C++、Linux操作系統、應用程序設計、物聯網、單片機和嵌入式開發等領域。 公眾號回復【書籍】，獲取 Linux、嵌入式領域經典書籍。
轉 載：歡迎轉載文章，轉載需注明出處。
飯是一口一口的吃，計算機也是一步一步的發展，例如下面這張英特爾公司的 CPU 型號歷史：
為了利用性能越來越強悍的計算機，操作系統的也是在逐步變得膨脹和復雜。
為了從最底層來學習操作系統的一些基本原理，我們只有拋開操作系統的外衣，從最原始的硬件和編程方式來入手，才能了解到一些根本的知識。
這篇文章我們就來繼續挖掘一下，8086 這個開天辟地的處理器中，是如何利用段機制來對內存進行尋址的。
什么是代碼段？
在上一篇文章：Linux 從頭學 01：CPU 是如何執行一條指令的？ 中，已經提到過，在處理器的內部，執行每一條指令碼時，CPU 是非常機械、非常單純地從 CS:IP 這 2 個寄存器計算得到轉換后的物理地址，從這個物理地址所指向的內存地址處，讀取一定長度的指令，然后交給邏輯運算單元(Arithmetic Logic Unit, ALU)去執行。
物理地址的計算方式是：CS * 16 + IP。
當 CPU 讀取一條指令后，根據指令操作碼它能夠自動知道這條指令一共需要讀取多少個字節。
指令被讀取之后，IP 寄存器中的內容就會自增，指向內存中下一條指令的地址。
例如，在內存 20000H 開始的地方，存在 2 條指令：
mov ax, 1122H
mov bx, 3344H
當執行第一條指令時，CS = 2000H，IP = 0000H，經過地址轉換之后的物理地址是：2000H * 16 + 0000 = 20000H(乘以 16 也就表示十六進制的數左移 1 位)：
當第一條指令碼 B8 22 11 這 3 個字節被讀取之后，IP 寄存器中的內容自動增加 3`，從而指向下一條指令：
當第二條指令碼 BB 44 33 這 3 個字節被讀取之后，IP 寄存器中的內容又增加 3，變為 0006H。
正如上篇文章所寫，CPU 只是反復的從 CS:IP 指向的內存地址中讀取指令碼、執行指令，再讀取指令碼、再執行指令。
可以看出，要完成一個有意義的工作，所有的指令碼必須集中在一起，統一放在內存中某個確定的地址空間中，才能被 CPU 依次的讀取、執行。
內存中的這塊地址空間就叫做一個段，又因為這個段中存儲的是代碼編譯得到的指令，因此又稱作代碼段。
因此，用來對代碼段進行尋址的這兩個寄存器 CS 和 IP，它們的含義就非常清楚了：
CS: 段寄存器，其中的值左移 1 位之后，得到的值就表示代碼段在內存中的首地址，或者稱作基地址;
IP: 指令指針寄存器，表示一條指令的地址，距離基地址的偏移量，也就是說，IP 寄存器是用來幫助 CPU 記住：哪些指令已經被處理過了，下一個要被處理的指令是哪一個;
什么是數據段？
作為一個有意義的程序，僅僅只有指令是不夠的，還必須操作數據。
這些數據也應該集中放在一起，位於內存中的某個地址空間中，這塊地址空間，也是一個段，稱作數據段。
也就是說：代碼段和數據段，就是內存中的兩個地址空間，其中分別存儲了指令和數據。
可以想象一下：假如指令和數據不是分開存放的，而是夾雜放在一起，那么 CPU 在讀取一條指令時，肯定就會把數據當做指令來讀取、執行，就像下面這樣，不發生錯誤才怪呢！
CPU 對內存中數據段的訪問方式，與訪問代碼段是類似的，也是通過一個基地址，再加上一個偏移量來得到數據段中的某個物理地址。
在 8086 處理其中，數據段的段寄存器是 DS，也就是說，當 CPU 執行一條指令，這條指令需要訪問數據段時，就會把 DS 這個數據段寄存器中的值左移 1 位之后得到的地址，當做數據段的基地址。
遺憾的是，CPU 中並沒有提供一個類似 IP 寄存器的其他寄存器，來表示數據段的偏移地址寄存器。
這其實並不是壞事，因為一個程序在處理數據時，需要對數據進行什么樣操作，程序的開發者是最清楚的，因此我們就可以用更靈活的方式來告訴 CPU 應該如何計算數據的偏移地址。
就像猴子掰苞米一樣，不需要按照順序來掰，想掰哪個就掰哪個。同樣的，程序在操作數據時，無論操作哪一個數據，直接給出該數據的偏移地址的值就可以了。
數據的類型和長度
但是，在操作數據段中每一個數據，有一個比較重要的概念需要時刻銘記：數據的類型是什么，這個數據在內存中占據的字節數是多少。
我們在高級語言編程中(eg: C 語言)，在定義一個變量的時候，必須明確這個變量的類型是什么。一旦類型確定了，那么它在被加載到內存中之后，所占據的空間大小也就確定了。
比如下面這張圖:
假設 30000H 是數據段的基地址(也就意味着 DS 寄存器中的內容是 3000H)，那么 30000H 地址處的數據大小是多少：11H？2211H？還是 44332211H？
這幾個都有可能，因為沒有確定數據的類型！
我們知道，在 C 語言中，假如有一個指針 ptr 最終指向了這里的 30000H 物理地址處(C 代碼中的 ptr 是虛擬地址，經過地址轉換之后執行這里的 30000H 物理地址)。
如果 ptr 定義成：
char *ptr;
那么可以說 ptr 指針指向的數值是 11H。
如果 ptr 定義成：
int *ptrt;
就可以說 ptr 指針指向的數值就是 44332211H(假設是小端格式)。
也就是說，指針 ptr 指向的數據，取決於定義指針變量時的類型。
這是高級語言中的情況，那么在匯編語言中呢？
PS: 之前我曾說過，文章的主要目的是學習 Linux 操作系統，但是為了學習一些相對底層的內容，在開始階段必須拋開操作系統的外衣，進入到硬件最近的地方去看。
但是該怎么看呢？還是要借助一些原始的手段和工具，那么匯編代碼無疑就是最好的、也是唯一的手段;
不過，涉及到的匯編代碼都是最簡單的，僅僅是為了說明原理;
在匯編語言中，CPU 是通過指令碼中的相關寄存器來判斷操作數據的長度。
在上一篇文章中說過，相對於寄存器來說，CPU 操作內存的速度是很慢的。
因此，CPU 在對數據段中的數據進行處理的時候，一般都是先把原始數據讀取到通用寄存器中(比如：ax, bx, cx dx)，然后進行計算。
得到計算結果之后，再把結果寫回到內存的數據段中(如果需要的話)。
那么 CPU 在讀寫數據時，就根據指令碼中使用的寄存器，來決定讀寫數據的長度。例如:
mov ax, [0]
其中的 [0] 表示內存的數據段中偏移地址是 0 的位置。
CPU 在執行這條指令的時候，就會到 30000H(假設此時數據段寄存器 DS 的值為 3000H) 這個物理地址處，取出 2 個字節的數據，放到通用寄存器 ax 中，此時 ax 寄存器中的值就是 2211H。
為什么取出 2 個字節？因為 ax 寄存器的長度是 16 位，就是 2 個字節。
那如果只想取 1 個字節，該怎么辦？
16 位的通用寄存器 ax 可以拆成 2 個 8 位的寄存器里使用：ah 和 al。
mov al, [0]
因為指令碼中的 al 寄存器是 8 位，因此 CPU 就只讀取 30000H 處的一個字節 11，放到 al 寄存器中。(此時 ax 寄存器的高 8 位，也就是 ah 中的值保持不變)
那如果想取 3 個字節或 4 個字節怎么辦？
作為相當古老的處理器，8086 CPU 中是 16 位的，只能對 8 位或 16 位的數據進行操作。
尋址范圍
從以上內容可以總結得出：
代碼段和數據段都是通過 【基地址 + 偏移地址】的方式進行尋址;
基地址都放在各自的段寄存器中，CPU 會自動把段寄存器的值，左移 1 位之后，作為段的基地址;
偏移地址決定了段中的每一個具體的地址，最大偏移地址是 16 個 bit1，也即是 64KB 的空間;
注意：這里的段寄存器左移 1 位，是指十六進制的左移，相當於是乘以 16，因此段的基地址都是 16 的倍數。
我們再來看一下這里的 64 KB 空間，與 20 根地址線有什么瓜葛。
上篇文章說到：8086 處理器有 20 根地址線，一共可以表示 1MB 的內存空間，即使給它更大的空間，它也沒有福氣去享受，因為尋址不到大於 1 MB 的地址空間啊！
這 1MB 的內存空間，就可以分割為很多個段。
例如：第 1 個段的地址范圍是：
我們來計算最后一個段的空間。
段寄存器和偏移地址都取最大值，就是 FFFF:FFFF，先偏移再相加：FFFF0 + FFFF = 10FFEF =1M + 64K - 16Bytes。
超過了 1 MB 的空間大小，但是畢竟只有 20 根地址線，肯定是無法尋址超過 1 MB 地址空間的，因此系統會采取回繞的方式來定位到一個地址空間，類似與數學中的取模操作。
此外還有一點，在表示一個內存地址的時候，一般不會直接給出物理地址的值(比如：3000A)，而是使用 段地址:偏移地址 這樣的形式來表示(比如：3000:000A)。
棧
棧也是數據空間的一種，只不過它的操作方式有些特殊而已。
棧的操作方式就是 4 個字：后進先出。
在上面介紹數據段的時候，我們都是在指令碼中手動對數據的偏移地址進行設置，指哪打哪，因為這些數據放在什么位置、表示什么意思、怎么來使用，開發者自己心里最門清。
但是棧有些不一樣，雖然它的功能也是用來存儲數據的，但是操作棧的方式，是由處理器提供的一些專門的指令來操作的：push 和 pop。
push(入棧): 往棧空間中放入一個數據;
pop(出棧): 從棧空間中彈出一個數據;
注意：這里的數據是固定 2 個字節，也就是一個字。
寫過 C/C++ 程序的小伙伴都知道：在函數調用的時候，存在入棧操作；在函數返回的時候，存在出棧操作。
既然棧也是指一塊內存空間，那么也就是表現為內存中的一個段。
既然是一個段，那肯定就存在一個段寄存器，用來代表它的基地址，這個棧的段寄存器就是 SS。
此外，由於棧在入棧和出棧的時候，是按照連續的地址順序操作的，因此處理器為棧也提供了一個偏移地址寄存器：SP(稱作：棧頂指針)，指向棧空間中最頂上的那個元素的位置。
例如下面這張圖：
棧空間的基地址是 1000:0000，SS:SP 執行的地址空間是棧頂，此時棧頂中的元素是 44。
當執行下面這 2 條指令時：
mov ax, 1234H
push as
棧頂指針寄存器 SP 中的值首先減 2，變成 000A：
然后，再把寄存器 ax 中的值 1234H 放入 SS:SP 指向的內存單元處：
出棧的操作順序是相反的：
pop bx
首先把 SS:SP 指向的內存單元中的數據 1234H 放入寄存器 bx 中，然后把棧頂指針寄存器 SP 中的值加 2，變成 000C：
以上描述的是 8086 處理器中對棧操作的執行過程。
如果你看過其他一些棧相關的描述書籍，可以看出這里使用的是 “滿遞減” 的棧操作方式，另外還還有：滿遞增，空遞減，空遞增 這幾種操作方式。
滿：是指棧頂指針指向的那個空間中，是一個有效的數據。當一個新數據入棧時，棧頂指針先指向下一個空的位置，然后 把數據放入這個位置;
空：是指棧頂指針指向的那個空間中，是一個無效的數據。當一個新數據入棧時，先把數據放入這個位置，然后棧頂指針指向下一個空的位置;
遞增：是指在數據入棧時，棧頂指針向高地址方向增長;
遞減：是指在數據入棧時，棧頂指針向低地址方向遞減;
實模式和保護模式
從以上對內存的尋址方式中可以看出：只要在可尋址的范圍內，我們寫的程序是可以對內存中任意一個位置的數據進行操作的。
這樣的尋址方式，稱之為實模式。實，就是實在、實際的意思，簡潔、直接，沒有什么彎彎繞。
既然編寫代碼的是人，就一定會犯一些低級的小錯誤。或者一些惡意的家伙，故意去操作那些不應該、不可以被操作的內存空間中的代碼或數據。
為了對內存進行有效的保護，從 80386 開始，引入了 保護模式 來對內存進行尋址。
有些書籍中會提到 IA-32A 這個概念，IA-32 是英特爾 Architecture 32-bit簡稱，即英特爾32位體系架構，也是在386中首先采用。
雖然引進了保護模式，但是也存在實模式，即向前兼容。電腦開機后處於實模式，BIOS 加載主引導記錄以及進行一些寄存器的設置之后就進入保護模式。
從 386 以后引入的保護模式下，地址線變成了 32 根，最大尋址空間可以達到 4GB。
當然，處理器中的寄存器也變成了 32 位。
我們還是用 段基址 + 偏移量 的方式來計算一個物理地址，假設段寄存器中內容為 0，偏移地址最大長度也是 32 位，那么一個段能表示的最大空間也就是 4GB 。
這也是為什么如今現代處理器中，每個進程的最大可尋址空間是 4GB(一般指的是虛擬地址)。
一句話總結：實模式和保護模式最根本的區別就是 內存是否收到保護。
Linux 中的分段策略
上面描述的分段機制是 x86 處理器中所提供的一種內存尋址機制，這僅僅是一種機制而已。
在 x86 處理器之上，運行着 Windows、Linux 獲取其它操作系統。
我們開發者是面對操作系統來編程的，寫出來的程序是被操作系統接管，並不是直接被 x86 處理器來接管。
相當於操作系統把應用程序和 x86 處理器之間進行了一層隔離:
因此，如何利用 x86 提供的分段機制是操作系統需要操心的問題。
而操作系統提供什么樣的策略給應用程序來使用，這就是另外一個問題了。
那么，Linux 操作系統是如何來包裝、使用 x86 提供的段尋址方式的呢？
是否還記得上一篇文章中的這張圖：
這是 Linux2.6 版本中四個主要的段描述符，這里先不用管段描述符是什么，它們最終都是用來描述內存中的一塊空間而已。
在現代操作系統中，分段和分頁都是對內存的划分和管理方式，在功能上是有點重復的。
Linux 以非常有限的方式使用分段，更喜歡使用分頁方式。
上面的這張圖，一共定義了 4 個段，每一個段的基地址都是 0x00000000，每一個段的 Limit 都是 0xFFFFF。
從 Limit 的值可以得到：最大值是 2 的 20 次方，只有 1 MB 的空間。
但是其中的 G 字段表示了段的粒度，1 表示粒度是 4 K，因此 1 MB * 4K = 4 GB ，也就是說，段的最大空間是 4 GB。
這 4 個段的基地址和尋址范圍都是一樣的！主要的區別就是 Type 和 DPL 字段不同。
DPL 表示優先級，2 個用戶段(代碼段和數據段) 的優先級值是 3，優先級最低（值越大，優先級越低）；2 個內核段(代碼段和數據段)的優先級值是 0，優先級最高。
因此，可以得出 Linux 系統中的一個重要結論：邏輯地址與線性地址，在數值上是相等的，因為基地址是 0x00000000。
關於 Linux 中的內存分段和分頁尋址方式更詳細的內容，我們以后再慢慢聊。
推薦閱讀
【1】C語言指針-從底層原理到花式技巧，用圖文和代碼幫你講解透徹
【2】一步步分析-如何用C實現面向對象編程
【3】原來gdb的底層調試原理這么簡單
【4】內聯匯編很可怕嗎？看完這篇文章，終結它！
其他系列專輯：精選文章、C語言、Linux操作系統、應用程序設計、物聯網
