前端小魔女

V1

2022/11/06阅读:29主题:蔷薇紫

计算机底层知识之汇编语言

大家往往高估自己一天能学会的东西,低估三年能学会的东西

大家好,我是柒八九

今天,我们继续计算机底层知识的探索。我们来谈谈关于汇编语言的相关知识点。

如果,想了解该系列的文章,可以参考我们已经发布的文章。如下是往期文章。

文章list

  1. 计算机底层知识之CPU
  2. 计算机底层知识之二进制
  3. 计算机底层知识之处理小数
  4. 计算机底层知识之内存和磁盘的关系&数据压缩
  5. 计算机底层知识之运行环境&可执行文件
  6. 计算机底层知识之操作系统

你能所学到的知识点

  1. 汇编语言和本地代码是一一对应推荐阅读指数 ⭐️⭐️⭐️⭐️⭐️
  2. 不会转换成本地代码的伪指令 推荐阅读指数 ⭐️⭐️⭐️
  3. 汇编语言的语法是操作码 + 操作数 推荐阅读指数 ⭐️⭐️⭐️⭐️⭐️
  4. mov指令 推荐阅读指数 ⭐️⭐️⭐️
  5. 对栈进行push 和 pop 推荐阅读指数 ⭐️⭐️⭐️
  6. 函数调用机制 推荐阅读指数 ⭐️⭐️⭐️⭐️⭐️
  7. 函数内部的处理 推荐阅读指数 ⭐️⭐️⭐️⭐️⭐️
  8. 全局变量用的内存空间 推荐阅读指数 ⭐️⭐️⭐️
  9. 循环处理的实现方法 推荐阅读指数 ⭐️⭐️⭐️⭐️⭐️

好了,天不早了,干点正事哇。


汇编语言和本地代码是一一对应的

在前面的文章中我们多次提到,计算机CPU能直接解释运行的只有本地代码(机器语言)程序。用C语言等编写的源代码,需要通过各自的编译器编译后,转换成本地代码。

通过调用本地代码的内容,可以了解程序最终是以何种形式来运行的。但是,直接打开本地代码来看,只能看到数值的罗列。

我们可以采用另外一种方式,在各本地代码中,附带上表示其功能的英语单词缩写。例如,在加法运算的本地代码中加上add、在比较运算的本地代码中加上cmp等。这些缩写被称为助记符,使用助记符的编程语言称为汇编语言

不过,即使是用汇编语言编写的源代码,最终也必须要转换成本地代码才能运行。负责准换工作的程序称为汇编器,转换这个一处理本身称为汇编

用汇编语言编写的源代码,和本地代码是一一对应的

本地代码也可以反过来转换成汇编语言的源代码。持有该功能的逆变换程序称为反汇编程序,逆变换这一处理本身称为反汇编


不会转换成本地代码的伪指令

汇编语言的源代码,是由转换本地代码的指令和针对汇编器的伪指令构成的。伪指令负责把程序的构造及汇编的方法指示给汇编器(转换程序)。不过,伪指令是无法汇编转换成本地代码。

如上是一个汇编代码片段。其中彩色部分是伪指令。

由伪指令segmentends围起来的部分,是给构成程序的命令和数据的集合体加上一个名字而得到的,称为段定义。 段定义的英文表达segment具有区域的意思。在程序中,段定义指的是命令和数据等程序的集合体的意思

一个程序由多个段定义构成

如上图所示。源代码的开始位置,定义了3个名称分别为_TEXT_DATA_BSS的段定义。

  • _TEXT是指令的段定义
  • _DATA是被初始化(有初始值)的数据的段定义
  • _BSS是尚未初始化的数据的段定义

而这些段定义的名称及划分方法,不同的编译器都有自己的一套规则。

伪指令procendp围起来的部分,表示的是过程Proceduce的范围。在汇编语言中,这种相当于C语言的函数的形式称为过程。


汇编语言的语法是操作码 + 操作数

在汇编语言中,1行表示对CPU的一个指令。汇编语言指令的语法结构是操作码+操作数

  • 操作码表示的是指令动作
  • 操作数表示的是指令对象

操作码和操作数罗列在一起的语法,就是一个英文的指令文本。操作码是动词,操作数相当于宾语。

能够使用何种形式的操作码,是由CPU的种类决定的。

常用操作码的功能
常用操作码的功能

本地代码加载到内存后才能运行。内存中存储着构成本地代码的指令和数据。程序运行时,CPU会从内存中把指令和数据读出,然后再将存储在CPU内部的寄存器中进行处理。

寄存器是CPU中的存储区域。不过,寄存器并不仅仅具有存储指令和数据的功能,也有运算功能。寄存器的名称会通过汇编语言的源代码指定给操作数。内存中的存储区域是用地址编号来区分的。CPU内的寄存器是用eaxebx这些名称开区分的。

下图是CPU的寄存器的主要种类和角色


mov指令

mov指令的两个操作数,分别是用来指定数据的存储地读出源

操作数可以指定寄存器、常数、标签(附近在地址前)以及用方括号([])围起来的这些内容。

  • 如果指定了没有用方括号围起来的内容,就表示对该值进行处理
  • 如果指定了用方括号围起来的内容,方括号中的值则会被解释为内存地址,然后就会对该内存地址对应的值进行读写操作
mov ebp,esp;
mov eax,dword ptr [ebp+8];

mov ebp,esp中,esp寄存器中的值被直接存储在ebp寄存器中。 esp寄存器的值是100ebp寄存器的值也是100

mov eax,dword ptr [ebp+8];中,ebp寄存器的值加8后得到的值会被解释为内存地址。如果ebp寄存器的值是100的话,那么eax寄存器中存储的就是100 + 8 = 108地址的数据。


对栈进行push 和 pop

程序运行时,会在内存上申请分配一个称为的数据空间。

在栈中,数据在存储时是从内存的下层(大的地址编号)逐渐往上层(小的地址编号)累积,读出时则是按照从上往下的顺序进行。

栈是存储临时数据的区域,它的特点是通过push指令和pop指令进行数据的存储和读出。push指令和pop指令中只有一个操作数。该操作数表示的是push的是什么及pop的是什么,而不需要指定”对哪一个地址编号的内存进行pushpop“。

这是因为,对栈进行读写的内存地址是有esp寄存器(栈指针)进行管理的。push指令和pop指令运行后,esp寄存器的值会自动进行更新push指令是-4,pop指令是+4),因而就没有必要指定内存地址了。


函数调用机制

假设存在如下的C语言代码片段。

// 返回两个参数值之和的函数
int  AddNum(int a,int b){
  return a + b;
}

// 调用AddNum函数的函数
void MyFunc(){
  int c;
  c = AddNum(123,456);
}

转换成对应的汇编语言的代码如下。

这里我们先介绍(3)~(6)的部分,这对了解函数调用的机制很重要。

(3)(4)表示的是将传递给AddNum函数的参数通过push入栈。在C语言中,虽然记述为函数AddNum(123,456),但入栈的则会按照456123这样的顺序,也就是位于后面的数值先入栈

(5)call指令,把程序流程跳转到了操作数中指定的AddNum函数所在的内存地址处。 在汇编语言中,函数名表示的是函数所在的内存地址AddNum函数处理完毕后,程序流程必须要返回到编号(6)这一行。 call指令运行后,call指令的下一行((6)这一行)的内存地址会自动push入栈。 该值会在AddNum函数处理的最后通过ret指令pop出栈,然后程序流程就会返回到(6)这一行。

(6)部分会把栈中存储的两个参数(456123)进行销毁处理,也就是栈清理处理。虽然通过使用两次pop指令也可以实现,不过采用esp寄存器加8的方式更有效率(处理一次)。对栈进行数值的输入输出时,数值的单位是4字节。因此,通过在栈地址管理的esp寄存器加上4的2倍8,就可以达到和运行两次pop命令同样的效果。

AddNum函数调用前后栈的状态变化
AddNum函数调用前后栈的状态变化

函数内部的处理

继续分析执行AddNum函数的源代码部分。

ebp寄存器的值在(1)中入栈,在(5)中出栈。这主要是为了把函数中用到的ebp寄存器的内容,恢复到函数调用前的状态。CPU拥有的寄存器是有数量的限制的。在函数调用前,调用源有可能已经在使用ebp寄存器了。因而,在函数内部用的寄存器,要尽量返回到函数调用前的状态

(2)中负责管理栈地址的esp寄存器的值赋值到了ebp寄存器中。这是因为,在mov指令中方括号内的参数,是不允许指定esp寄存器的。因此,这里就采用了不直接通过esp,而是用ebp寄存器来读写栈内容的方法。

(3)是用[ebp+8]指定栈中存储的第1个参数123,并将其读出到eax寄存器中。eax寄存器是负责运算的累加寄存器

通过(4)add指令,把当前eax寄存器的值同第2个参数相加后的结果存储在eax寄存器中。函数的参数是通过栈来传递,返回值是通过寄存器来返回的

(6)ret指令运行后,函数返回目的地的内存地址会自动出栈。

函数内部的栈状态变化
AddNum函数内部的栈状态变化

全局变量用的内存空间

在一些高级编程语言中,在函数外部定义的变量称为全局变量,在函数内部定义的变量称为局部变量。全局变量可以在源代码的任意部分被引用,而局部变量只能在定义该变量的函数内进行引用。

高级程序语言被编译后,会被归类到名为定义的组。

  • 初始化的全局变量被汇总到名为_DATA的段定义中
  • 没有初始化的全局变量被汇总到名为_BSS的段定义中
  • 指令被汇总到名为_TEXT的段定义中

局部变量的内存空间

局部变量只能在定义该变量的函数内进行引用,这是因为,局部变量是临时保存在寄存器和栈中的。

函数内部利用的栈,在函数处理完毕后会恢复到初始状态,因此局部变量的值也就会被销毁,而寄存器也可能被用于其他目的。因此,局部变量只是在函数处理运行期间临时存储在寄存器和栈上。

用于局部变量的栈空间的申请分配和释放
用于局部变量的栈空间的申请分配和释放

循环处理的实现方法

假设我们存在如下的代码,将局部变量i作为循环计数器连续进行10次循环的C语言源代码。

// 定义MySub函数
void MySub(){
  // 省略部分处理
}
// 定义MyFunc函数
void MyFunc(){
  int i;
  for(i=0;i<10;i++){
    // 重复调用MySub函数10次
    MySub();
  }
}

将上述的代码转换成汇编语言如下(仅展示for片段)

C语言for语句是通过在括号中指定循环计数器的初始值(i=0)、循环的继续条件(i<10)、循环计数器的更新(i++)这3种形式来进行循环处理。与此相对,

在汇编语言的源代码中,循环是通过比较指令cmp)和跳转指令jl)来实现。

具体流程我们就不在这里赘述。这里挑选比较重要的点来分析下。

cmp指令是用来对第一个操作数和第二个操作数的数值进行比较的指令。cmp ebx,10就相当于C语言i<10这一处理,意思是把ebx寄存器的数值同10进行比较。汇编语言中比较指令的结果,会存储在CPU标志寄存器中。

最后一行的jljump on less than(小于的话就跳转)的意思。也就是说,jl short @4的意思就是,前面运行的比较指令的结果,若的话就跳转到@4这个标签


条件分支的实现方式

条件分支的实现方法同循环的实现方法类似,使用的也是cmp指令和跳转指令。


后记

分享是一种态度

参考资料:《程序是怎样跑起来的》

全文完,既然看到这里了,如果觉得不错,随手点个赞和“在看”吧。

分类:

前端

标签:

JavaScript

作者介绍

前端小魔女
V1

微信公众号:前端柒八九