计算机中的物理地址与内存

这两天有个问题一直萦绕着，计算机中的物理地址和内存地址，虚地址究竟是怎么回事？地址是怎样分配的呢？

翻了下操作系统课本，恩，晚上回去看看存储器管理，虚拟存储器，磁盘存储器管理这几章。隐约还记得微机原理学的寄存器寻址，现在网上看看，搜集一下待做整理。

昨天看到论坛上有人问，调程序的时候编译器分配的是物理地址还是虚地址（差不多是这意思），看到大家基本回答是说虚地址，操作系统之上的根本就不可能接触物理地址，而且可用的物理地址是相当混乱的，必须由操作系统整理映射。（差不多吧？个人认为应该没错）刚刚搜索的结果有说：程序里指针用的地址都是些虚拟地址，而且其范围完全可以大于你拥有的内存大小。当要执行这些程序段落时，系统首先要把机器码装进内存，这里就有个把虚拟地址映射到物理地址的问题。

在一台计算机中，计算机系统为了唯一的标示一个内存单元，操作系统会给每一个内存单元编上一个绝对的号，计算机系统就通过这个编号来定为每一个内存单元的物理位置，这个编号称为内存的物理地址。

针对程序编译过程中的地址问题：

汇编器（assembler）只是生成一个需重定位的object文件。这个目标文件需经过链接器（Linker）与相应的库链接起来生成一个可执行的文件。 assembler 产生的代码是从 0 开始编址。经过 Lineker 重定位后生成的可执行映象按OS的不同而不同。至于内存中的全局以及静态变量的编址也是需重定位的。局部变量则无需重定位。

汇编生成的，是一些浮动模块和一张符号表。链接器按照这张符号表，把这些模块装配成一个整体。在运行时，系统的装载器做重定位，才真正确定了地址。这个地址还是虚拟地址。系统的存储管理子系统为其分配真正的物理地址。

some additional stuffs:

内存地址对齐(Byte Alignment)

http://blog.chinaunix.net/u/25572/showart_425515.html

大部分16位和32位的CPU不允许将字或者长字存储到内存中的任意地址. 比如Motorola 68000不允许将16位的字存储到奇数地址中, 将一个16位的字写到奇数地址将引发异常.

实际上, 对于c中的字节组织, 有这样的对齐规则:

单个字节(char)能对齐到任意地址
2字节(short)以2字节边界对齐
4字节(int, long)以4字节边界对齐

不同CPU的对其规则可能不同, 请参考手册.

为什么会有上述的限制呢? 理解了内存组织, 就会清楚了
CPU通过地址总线来存取内存中的数据, 32位的CPU的地址总线宽度既为32位置, 标为A[0:31]. 在一个总线周期内, CPU从内存读/写32位. 但是CPU只能在能够被4整除的地址进行内存访问, 这是因为: 32位CPU不使用地址总线的A1和A2. (比如ARM, 它的A[0:1]用于字节选择, 用于逻辑控制, 而不和存储器相连, 存储器连接到A[2:31].)

访问内存的最小单位是字节(byte), A0和A1不使用, 那么对于地址来说, 最低两位是无效的, 所以它只能识别能被4整除的地址了. 在4字节中, 通过A0和A1确定某一个字节.

再看看刚才的message结构, 你想想它占了多少字节? 别想当然的以为是10个字节. 实际上它占了12个字节. 不信? 用sizeof(message)看吧. 对于结构体, 编译器会针对起中的元素添加"pad"以满足字节对齐规则. message会被编译器改为下面的形式:

struct Message

{   short opcode;   char subfield;   char pad1;             // Pad to start the long word at a 4 byte boundary   long message_length;   char version;   char pad2;             // Pad to start a short at a 2 byte boundary   short destination_processor;   char pad3[4];          // Pad to align the complete structure to a 16 byte boundary};

如果不同的编译器采用不同的对齐规则, 对传递message可就麻烦了.

Byte Endian

是指字节在内存中的组织，所以也称它为Byte Ordering.

对于数据中跨越多个字节的对象, 我们必须为它建立这样的约定:

(1) 它的地址是多少?

(2) 它的字节在内存中是如何组织的?

针对第一个问题，有这样的解释:

对于跨越多个字节的对象，一般它所占的字节都是连续的, 它的地址等于它所占字节最低地址.(链表可能是个例外, 但链表的地址可看作链表头的地址).

比如: int x, 它的地址为0x100. 那么它占据了内存中的Ox100, 0x101, 0x102, 0x103这四个字节.

上面只是内存字节组织的一种情况: 多字节对象在内存中的组织有一般有两种约定. 考虑一个W位的整数. 它的各位表达如下:

[Xw-1, Xw-2, ... , X1, X0]

它的MSB (Most Significant Byte, 最高有效字节)为[Xw-1, Xw-2, ... Xw-8]; LSB (Least Significant Byte, 最低有效字节)为 [X7, X6, ..., X0]. 其余的字节位于MSB, LSB之间.

LSB和MSB谁位于内存的最低地址, 即谁代表该对象的地址? 这就引出了大端(Big Endian)与小端(Little Endian)的问题。

如果LSB在MSB前面, 既LSB是低地址, 则该机器是小端; 反之则是大端. DEC (Digital Equipment Corporation, 现在是Compaq公司的一部分)和Intel的机器一般采用小端. IBM, Motorola, Sun的机器一般采用大端. 当然, 这不代表所有情况. 有的CPU即能工作于小端, 又能工作于大端, 比如ARM, PowerPC, Alpha. 具体情形参考处理器手册.

举个例子来说名大小端: 比如一个int x, 地址为0x100, 它的值为0x1234567. 则它所占据的0x100, 0x101, 0x102, 0x103地址组织如下图:

0x01234567的MSB为0x01, LSB为0x67. 0x01在低地址(或理解为"MSB出现在LSB前面，因为这里讨论的地址都是递增的), 则为大端; 0x67在低地址则为小端.

认清这样一个事实: C中的数据类型都是从内存的低地址向高地址扩展，取址运算"&"都是取低地址.

在Ｃ＋＋中，内存被分为五个块：　堆，栈，自由存储区，全局／静态变量区和常量存储区．

栈：　是编译器在需要的时候分配，在不需要的时候自动清除的一块区域．通常用来存储局部变量，形式参数．

堆：　一般是由new分配的区域，编译器不会去管这块存储区域，主要是由程序员控制，一个new对应一个delete．如果用new分配了一块内存而没有进行释放的话,只有等到进程结束的时候被系统自动收回.

自由存储区: 由malloc分配的区域,和堆十分相似,不同的地方是它的释放用free.

全局/静态变量区: 用来存储全局变量和静态变量.

常量存储区: 这是一块很特殊的区域,不允许程序员修改里边的量。