程序的机器级表示

本节内容来源于深入理解计算机系统(csapp)一书第三章（精通细节是理解更深和更基本概念的先决条件）

序言

Inter从8位->32位->64位

期间晶体管大致沿着十八个月翻一翻的速度增成，这就是摩尔定理；这个增长速度是计算机革命的驱动力

机器编码中最重要的是指令集体系结构(Instruction Set Architecture, ISA)和虚拟地址

指令集定义了数据类型及格式，指令格式，寻址方式和可访问地址空间的大小等等，相当于定义了cpu的状态

指令

常见通用寄存器比如%rax，%rbx，这两都是64位的；

一个程序就是一个有限的顺序指令，执行程序就是依次取指执行的过程

虚拟地址则将不同进程的虚拟地址和不同内存的物理地址映射起来

指令

csapp里面用的是AT&T格式的指令，S->D，前面是源，后面是目的

指令又分为操作和操作数

操作数

操作数又分为源操作数和目的操作数，源操作数就是不随指令变化的操作数，目的操作数就是随着指令变化的操作数，前者可以看作变量，后者就是处理过后的量，成了因变量，所以叫目的操作数

操作数按类型分又可以分为：立即数$，寄存器%edx，存储器(%edx)

寻址方式

M[]表示在内存中，R[]表示在寄存器中，Imm立即数

比例变址寻址:M[Imm+R[rb]+R[ri]·S]

其他寻址方式类似比例变址

变址寻址:M[Imm+R[rb]+R[ri]]

基址偏移量寻址:M[Imm+R[rb]]

间接寻址:M[R[rb]]

间接寻址就是指针的用法

绝对寻址:M[Imm]

寄存器寻址:R[rb]

操作

操作规定了执行什么操作，并会规定执行的数据类型

数据类型

四字q 双字q 字w 字节b
quattuor double word byte
64位 32位 16位 一个字节是八位，8bit

mov指令

mov用来传值，例如

1
movq $0x0, %edx

这条指令会把立即数0，传到寄存器%edx中，传送数据类型为4字，64位数据

以传送类型分，因此mov有四种，为 movb,movw,movl,movq

由于x86-64惯例，movl会把目的操作数的高位置0

mov的扩展指令

MOVABSQ,传送绝对四字

MOVZ零扩展,会给目的操作数的剩余空位补0

MOVS符号扩展，会给目的操作数的剩余空位补符号位

数据传送实例

1
2
3
4
5
long ex(){
	long x=*xp;
	*xp=y;
	return x;
}

指令

1
2
3
4
5
//xp in %rdi  y in %rsi
ex:
   movq (%rdi),%rax
   movq %rsi,(%rdi)
   ret

movq (%rdi),%rax先根据寄存器%rdi内的地址，去内存中找到xp的值，直接把值赋给寄存器%rax

movq %rsi,(%rdi)此时%rsi的值是y，把%rsi直接赋给%rdi所指向的值，此时内存中的xp值被修改成了y

ret返回寄存器%rax的值，他的值此时是xp，所以返回xp

压栈出栈指令

栈是一种数据结构，特点是先进后出，进栈出栈都是在栈顶上操作

对应指令 pop出栈,push压栈

指向栈顶的指针%rsp（%esp）extend stack point，前面是64位，后面是32位

指向栈底的指针%rbp（%ebp）extend base point

所以，压栈和出栈都相当于两条指令

1
2
3
4
5
6
pushq S
	R[%rsp]-8->R[%rsp]
	S->M[R[%rsp]]
popq D
	M[R[%rsp]]->D
	R[%rsp]+8->R[%rsp]

假设栈顶的地址是 0x10

R[%rsp]-8->R[%rsp]给寄存器-8，记录新地址 0x8

S->M[R[%rsp]]把S的值赋到%rsp记录的新地址（0x8）下

M[R[%rsp]]->D把%rsp寄存器的值当作地址，找到对应地址下的值，此时即栈顶元素。赋给D

R[%rsp]+8->R[%rsp]%rsp自加8

可以看出，出栈其实没有删除掉出栈的元素，只是把出栈的那个值传到了别处，然后栈指针加8；不过，上一个元素虽然没被删除，但是可以被新增的元素覆盖掉

算数逻辑指令

一元指令就是一个操作数，比如自加1，二元就是两个操作数，其目的操作数又是源，参与运算，又是目的，存储值

加载有效地址

1
leaq   S, D  //&s->D

它的第一个操作数看上去是一个存储器引用，但该指令并不是从指定的位置读取数据，而是将有效地址写入到目的操作数，类似于 C 语言的取地址操作符“&”

移位运算

1
SAl k,D	//D<<k->D

SAL 和 SHL 都是左移指令，效果是一样的，移动几位，右边补上几位0；右移指令不同，算术右移 SAR 是补上符号位，即右边的第一位；逻辑右移 SHR 是补上 0

异或运算

1
XORq S,D //s^D->D

讨论下面两条指令的区别

1
2
xorq %rdx, %rdx
movq $0x0, %rdx

这两条指令都相当于给寄存器置为0，前者是计算为0，后者是传了个立即数0；但是，编为机器代码后，前者只有3字节，后者有7字节

为什么会这样，于是在gcc下验证

编写text.c汇编代码（为了方便对比，见下）

编译不链接

1
gcc -c text.c>text.s

执行完后 ls查看会生成 text.o文件

反汇编并保存到 1.txt中

1
objdump -d text.o>1.txt

查看 code 1.txt

text.s

1
2
3
4
5
6
7
8
9
10
11
12
13
14
xorw %dx, %dx
xorl %edx, %edx
xorq %rdx, %rdx
xorq %rdi, %rdi
xorq %rsi, %rsi
movq $0x0, %rdx
movq $0xa, %rdx
movq $0xaa, %rdx
movq $0xaaaa, %rdx
movq $0xaaaaaa, %rdx
movq $0xaaaaaaaa, %rdx
movq %rdi, %rdx
movq (%rdi), %rdx
movq %rdi, (%rdx)

反汇编

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
text.o:     file format elf64-x86-64
Disassembly of section .text:
0000000000000000 <.text>:
   0:	66 31 d2             	xor    %dx,%dx
   3:	31 d2                	xor    %edx,%edx
   5:	48 31 d2             	xor    %rdx,%rdx
   8:	48 31 ff             	xor    %rdi,%rdi
   b:	48 31 f6             	xor    %rsi,%rsi
   e:	48 c7 c2 00 00 00 00 	mov    $0x0,%rdx
  15:	48 c7 c2 0a 00 00 00 	mov    $0xa,%rdx
  1c:	48 c7 c2 aa 00 00 00 	mov    $0xaa,%rdx
  23:	48 c7 c2 aa aa 00 00 	mov    $0xaaaa,%rdx
  2a:	48 c7 c2 aa aa aa 00 	mov    $0xaaaaaa,%rdx
  31:	48 ba aa aa aa aa 00 	movabs $0xaaaaaaaa,%rdx
  38:	00 00 00 
  3b:	48 89 fa             	mov    %rdi,%rdx
  3e:	48 8b 17             	mov    (%rdi),%rdx
  41:	48 89 3a             	mov    %rdi,(%rdx)

可以看到，确实如书上所说，前3字节是操作，后4字节是操作数