《CSAPP》程序的机器级表示（第三章）

程序的机器级表示

GCC C语言编译器以汇编代码的形式产生输出，汇编代码是机器代码的文本表示，给出程序中的每一条指令。然后GCC调用汇编器和链接器，根据汇编代码生成可执行的机器代码。
为什么要学习机器代码呢？对于程序员来说，能够阅读和理解汇编代码仍是一项很重要的技能。
逆向工程：通过研究系统和逆向工作，来试图了解系统的创建过程。

机器级代码

对于机器级编程来说，其中两种抽象尤为重要。

• 第一种是由指令集体系结构或指令集架构（ISA）来定义机器级程序的格式和行为，它定义了处理器状态、指令的格式，以及每条指令对状态的影响。
• 第二种是机器级程序使用的内存地址是虚拟地址，提供的内存模型看上去是一个非常大的字节数组。

一些通常对C语言程序员隐藏的处理器状态都是可见的：

• 程序计数器（PC）给出将要执行的下一条指令在内存中的地址。
• 整数寄存器，有16个，分别存储64位的值。这些寄存器可以存储地址或整数数据。有的寄存器被用来记录某些重要的程序状态，而其他的寄存器用来保存临时数据。
• 条件码寄存器，保存着最近执行的算术或逻辑指令的状态信息。他们用来实现控制或数据流中的条件变化。
• 一组向量寄存器可以存放一个或多个整数或浮点数值。

虽然C语言提供了一种模型，可以在内存中声明和分配各种数据类型的对象，但是机器代码只是简单的将内存看成一个很大的、按字节寻址的数组。

程序内存包含：程序的可执行机器代码，操作系统需要的一些信息，用来管理过程调用和返回的运行时栈，以及用户分配的内存块。

代码示例

1. 由源程序查看汇编代码，使用如下命令：
   Linux> gcc -0g -S 源程序名.c
   这会使GCC运行编译器，产生一个汇编文件 源程序名.s，但是不做其他进一步的工作。

2. 使用-c命令行选项，GCC会编译并汇编该代码：
   Linux> gcc -0g -c 源程序名.c
   这就会产生目标代码文件 源程序名.o，他是二进制格式的，无法直接查看。
   例如：一段字节序列的十六进制表示：53 48 89 d3 e8 00 00 00 00 48 89 03 5b c3。
   机器执行的程序只是一个字节序列，它是对一系列指令的编码，机器对产生这些指令的源代码几乎一无所知。

3. 查看机器代码文件的内容，用反汇编器，根据机器代码产生一种类似于汇编代码的格式。
   使用命令：-d
   Linux> objdump -d 源程序名.o

关于格式的注解

用-S命令生成的汇编文件，有以.开头的行，所有以.开头的行都是指导汇编器和链接器工作的伪指令，我们通常可以忽略这些行。

数据格式

C语言数据类型在x86-64中的大小。在64位机器中，指针长8字节。

浮点数主要有两种形式：单精度值（4字节），对应于C语言数据类型float，双精度值（8字节），对应于C语言数据类型double。

访问信息

一个x86-64的中央处理单元（CPU）包含一组16个存储64位值的通用目的寄存器。这些寄存器用来存储整数数据和指针。

当这些指令以寄存器作为目标时，对于生成小于8字节结果的指令，寄存器中剩下的字节会怎么样，对此有两条规则：生成1字节和2字节数字的指令会保持剩下的字节不变，生成4字节数字的指令会把高位4个字节置0。

1. 操作数指示符
   大多数指令有一个或多个操作数，指示出执行一个操作中要使用的源数据值，以及放置结果的目的位置。
   各种不同的操作数的可能性被分为三种类型。

• 立即数：用来表示常数值。在ATT格式的汇编代码中，立即数的书写方式是‘$’后面跟一个用标准C表示法表示的整数，比如，$-577或$0x1F。
• 寄存器：它表示某个寄存器中的内容。16个寄存器的低位1字节、2字节、4字节或8字节中的一个作为操作数，这些字节数分别对应于8位、16位、32位或64位。用符号ra来表示任意寄存器a,用引用R[ra]来表示它的值。
• 内存引用：它会根据计算出来的地址（通常称为有效地址）访问某个内存位置。用符号Mb[Addr]表示对存储在内存中从Addr开始的b个字节值的引用，为了简便，通常省去下标b。

有多种不同的寻址模式，允许不同形式的内存引用。语法Imm(rb,ri,s)表示的是最常用的形式。分别表示：一个立即数偏移Imm，一个基址寄存器rb，一个变址寄存器ri，一个比例因子s，这里的s必须是1、2、4或者8。基址和变址寄存器都必须是64位寄存器，有效地址被计算位Imm+R[rb]+R[ri]*s。

2. 数据传送指令
   最简单形式的数据传送指令——mov类。这些指令把数据从源位置复制到目的位置，不做任何变化。
   源操作数指的值是一个立即数，存储在寄存器中或者内存中，目的操作数指定一个位置，要么是一个寄存器或者是一个内存地址。
   x86-64加了一条限制，传送指令的两个操作数不能都指向内存位置。将一个值从内存位置复制到另一个内存位置需要两条指令：第一条指令将源值加载到寄存器中，第二条将该寄存器值写入目的位置。
   

3. 压入和弹出栈数据
   栈在处理过程调用中起到至关重要的作用。
   栈可以实现为一个数组，总是从数组的一端插入和删除元素，这一端被称为栈顶。在x86-64中，程序栈存放在内存中某个区域，栈向下增长，栈顶元素的地址是所有栈中元素地址中最低的。栈底是高地址。栈指针%rsp保存着栈顶元素的地址。

pushq指令是把数据压入栈，popq指令是弹出数据，这些指令只有一个操作数——压入的数据源和弹出的数据目的。
将一个四字值压入栈，首先要将栈指针减8，然后将值写到新的栈顶地址。因此，指令pushq %rbp的行为等价于下面两条指令：
subq $8,%rsp
movq %rbp,(%rsp)
弹出一个四字的操作包括从栈顶位置读出数据，然后栈指针加8，因此，指令popq %rax等价于下面两条指令：
movq (%rsp),%rax
addq $8,%rsp