第三章 程序的机器级表示

1、历史观点

 

2、程序编码

命令gcc---GCC C、C++编译器。是Linux上默认的编译器。

gcc命令调用一系列程序，将源代码转化成可执行代码：

Ø  首先，C预处理器扩展源代码*.c，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。

Ø  然后，编译器产生两个源代码的汇编代码，名字为*.s

Ø  接下来，汇编器将汇编代码转化成二进制目标代码（机器代码的一种形式）文件名为*.o

Ø  最后，衔接器将两个目标代码文件与实现库函数的代码合并，并产生最终的可执行代码文件。

2.1、机器级代码

机器代码：二进制格式

汇编代码：用可读性更好的文本格式来表示。

一条机器指令值执行一个非常基本的操作。

2.2、代码示例

code.c

在命令行上使用“-S”选项，gcc将*.c文件编译器产生汇编代码，产生*.s的可读汇编代码文件

gcc -o1 –S code.c

在命令行上使用“-C”选项，gcc将*.c文件编译并汇编该代码,产生目标代码文件*.o的二进制格式。

gcc –o1 –C code.c

 

反汇编器（disassembler）用于查看目标代码文件的内容，将目标文件反汇编为汇编代码文件*.s

objdump –d code.o

 

生成可执行文件

gcc –o1 –o main.c prog

 

2.3、关于格式的注解

 

3、数据格式

Intel 用术语“字”（word）表示16位数据类型。

32位数为“双字”（double words），64位数为“四字”（quadwords）。

汇编代码指令都有一个字符后缀，表明操作数的大小。

数据传送指令有三个变种：movb传送字节、movw传送字、movl传送双字。

4、访问信息

寄存器：用来存储整数数据和指针。

IA32CPU包含一组8个存储32位值的寄存器。以%e开头。

前6个寄存器是通用寄存器，最后两个寄存器保存指向程序栈中重要位置的指针。

 

4.1、操作数指示符

操作数operand

三种类型：

Ø  立即数（immediate）也就是常数值。

Ø  寄存器（register）表示某个寄存器的内容。

Ø  存储器引用（memory）根据计算出来的地址（寻址方式），访问某个存储器位置。

4.2、数据传送指令

MOV类中的指令，将源操作数的值复制到目的操作数中。

源操作数：指定的值是一个立即数，存储在寄存器或者存储器中。

目的操作数：指定一个位置，寄存器或者存储器地址。

 

程序栈：通过push和pop操作，程序栈存放在存储器中的某个区域。

在C语言中：

Ø  “指针”其实就是地址

Ø  间接引用指针就是将该指针存放在一个寄存器中，然后在存储器引用中使用这个寄存器。

Ø  局部变量通常保存着寄存器中，而不是存储器中。寄存器访问比存储器访问快的多。

 

5、算术和逻辑操作

5.1、加载有效地址

加载有效地址指令leal：从存储器读数据到寄存器。

目的操作数必须是一个寄存器。

5.2、一元操作和二元操作

一元操作，只有一个操作数，既是源又是目的。

二元操作，第二个操作数既是源又是目的。

5.3、移位操作

<< >>  移位量、要移位的数值

5.4、特殊的算术操作

6、控制

顺序执行。

jump指令：改变一组机器代码指令的执行顺序。

6.1、条件码

CPU维护一组单个位的条件码寄存器：描述最近的算术或逻辑操作的属性。

常用的条件码：

Ø  CF：进位标志

Ø  ZF：零标志

Ø  SF：符号标志

Ø  OF：溢出标志

6.2、访问条件码：条件码的使用方法：

²  根据条件码的某个组合，将一个字节设置为0或者1。---SET指令

²  条件跳转到程序的某个其他部分

²  有条件的传送数据

6.3、跳转指令及其编码

jump指令：导致执行切换到程序中一个全新的位置。

跳转的目的地通常用一个标号（label）指明。

6.4、条件分支

       if-else

6.5、循环

Ø  do-while

Ø  while

Ø  for

6.6、条件传送指令

6.7、switch语句

       根据一个整数索引值进行多重分支。

7、过程

过程调用：将数据（参数和返回值）和控制从代码的一部分传递到另一部分。

数据传递、局部变量的分配和释放---通过操纵程序栈实现。

7.1、栈帧

栈帧（stack frame）：为某个过程分配的那部分栈。（见有道云笔记）

 

递归过程

过程能够递归的调用它们自身。因为每个调用在栈中都有自己的私有空间，多个未完成调用的局部变量不会相互影响。

当过程被调用时分配局部存储，返回时释放存储。

 

8、数组的分配和访问

 

 

9、结构struct、联合union

9.1、struct

9.2、union

9.3、数据对齐

Linux沿用的对齐策略是：2字节数据类型（例如short）的地址必须是2的倍数，而较大的数据类型（例如int、int*、float、double）的地址必须是4的倍数。

 

 

10、理解指针

Ø  每个指针都对应一个类型

Ø  每个指针都有一个值

Ø  指针用&运算符创建

Ø  运算符*用于指针的间接引用

Ø  将指针从一种类型强制转换成另一种类型，只改变它的类型，而不改变它的值。

Ø  指针可以指向函数。

Ø   

给C语言初学者：函数指针

int (*f)(int *p)

区别于

int * f(int *p)

 

11、使用GDB调试器

What is GDB?

GDB, the GNUProject debugger, allows you to see what is going on `inside' another programwhile it executes -- or what another program was doing at the moment itcrashed.

GDB can dofour main kinds of things (plus other things in support of these) to help youcatch bugs in the act:

• Start your program, specifying anything that might affect its behavior.
• Make your program stop on specified conditions.
• Examine what has happened, when your program has stopped.
• Change things in your program, so you can experiment with correcting the effects of one bug and go on to learn about another.

相对于使用命令行接口访问GDB，许多程序员更愿意使用DDD，它是GDB的一个扩展，提供了图形用户界面。

Whatis DDD?

GNU DDD is a graphical front-end for command-linedebuggers such as GDB, DBX, WDB, Ladebug, JDB, XDB, the Perl debugger, the bash debugger bashdb, the GNU Make debugger remake, or the Python debugger pydb. Besides ``usual'' front-end features such as viewing sourcetexts, DDD has become famous through its interactive graphical data display,where data structures are displayed as graphs.

 

 

 

12、存储器的越界引用和缓冲区溢出

数组---边界检查

缓冲区溢出（bufferoverflow）：通常，在栈中分配某个字节数组来保存一个字符串，但是字符串的长度超出了为数组分配的空间。

缓冲区溢出会覆盖栈上存储的某些信息，使得这些信息被破坏。

 

缓冲区溢出的一个更加致命的使用是：让程序执行它本来不愿意执行的函数。通过计算机网络攻击系统安全的方法。

通常，输入给程序一个字符串，这个字符串包含一些可执行代码的字节编码，称为“攻击代码”（exploit code），还有一些字节会用一个指向攻击代码的指针覆盖返回地址，那么，执行ret指令（即返回指令）的效果就是转到攻击代码。

 

对抗缓冲区溢出攻击的方法：

Ø  栈随机化

Ø  栈破坏检测

Ø  限制可执行代码区域

 

13、x86-64：将IA32扩展到64位

IA32：指代基于Intel的机器上运行传统32位Linux版本时，硬件和GCC代码的组合。

x86-64：指代在AMD和Intel 的较新的64位机器上运行的硬件和代码的组合。

用Linux和GCC的话来说，这两个平台分别称为“i386”和“x86-64”

x86-64 主要特性：

l  指针和长整数是64位长。整数运算支持8/16/32/64位数据类型。

l  通用目的寄存器组 从8个扩展到16个。

l  许多 程序状态 都保存在寄存器中，而不是栈上。整型和指针类型的过程参数（最多6个）通过寄存器传递。有些过程根本不需要

l  如果可能，条件操作 用 条件传送指令 实现，会得到比传统分支代码更好的性能。

l  浮点操作 用 面向寄存器的指令集来实现，而不是IA32支持的基于栈的方法来实现。

（1）       数据类型

大多数机器并不是真的支持 完全地址范围，当前的AMD和Intel x86-64 机器只支持256TB（2⁴⁸字节）虚拟存储器，但为指针分配完全的64位。

数据大小

数据类型的准确字节数依赖于机器和编译器。

图 C语言中数字数据类型的字节（byte）数

C声明	32位机器	64位机器
char	1	1
short int	2	2
int	4	4
long int	4	8
long long int	8	8
char *(指针使用机器的全字长)	4	8
float	4	4
double	8	8

在x86-64机器上，“long”将整数变成了64位，可以表示的值的范围大了很多。

                            “long long”与“long”变成一样的了。

 

（2）       汇编代码示例

通常，x86-64代码更简洁，需要较少的存储器访问，运行起来比相应的IA32代码更有效率。

 

（3）       访问信息

通用寄存器组对比

区别	x86-64	IA32
寄存器的数量	16个	8个
寄存器长度	64位	32位
寄存器命名	以（%r）开头： %rax %rcx %rdx %rbx %rsi %rdi %rsp %rbp 新增加的寄存器命名为： %r8~%r15	以（%e）开头： %eax %ecx %edx %ebx %esi %edi %esp %ebp
可以直接访问每个寄存器的	低32位 低16位 低8位	低16位

 

 

（4）       控制

（5）       数据结构

数组、结构、联合

数据对齐要求：对于任何需要K字节的标量数据类型来说，它的起始地址必须是K的倍数。

（6）       关于2x86-64的总结性评论

 

14、浮点程序的机器级表示