当前位置：首页 > ds >正文

015 程序地址空间入门

ds 2025/7/15 6:01:38

🦄 个人主页: 小米里的大麦-CSDN博客
🎏 所属专栏: Linux_小米里的大麦的博客-CSDN博客
🎁 GitHub主页: 小米里的大麦的 GitHub
⚙️ 操作环境: Visual Studio 2022

在这里插入图片描述

文章目录

- 程序地址空间入门
- - 1. 地址空间的划分
  - - 1. 内核空间（Kernel Space）
    - 2. 命令行参数与环境变量区
    - 3. 栈（Stack）
    - 4. 保护页（Guard Page）
    - 5. 内存映射段（Memory Mapping Segment）
    - 6. 堆（Heap）
    - 7. BSS 段（未初始化数据段）
    - 8. 数据段（已初始化数据段）
    - 9. 文本段（Text Segment）
  - 2. 实验证明
  - 3. 虚拟地址 VS 物理地址
  - 主要了解虚拟地址，不做过多解释，点到为止：
  - - Q1：为什么子进程和父进程的 `g_val` 地址相同？
    - Q2：为什么数据相互独立？
    - 1. 虚拟地址相同的根本原因：分页机制 —— 类比为“字典”或“目录索引”
    - 2. 分页表（Page Table）是如何运作的？
    - 3. 分页是如何影响 `fork()` 的？
    - 4. fork() + 分页 + COW 的关系
  - 4. 小结
- 共勉

程序地址空间入门

程序的 地址空间 是操作系统为每个程序分配的内存区域，它决定了程序如何访问存储在计算机内存中的数据。程序地址空间包括了多个部分，每一部分有不同的用途。通过合理管理地址空间，操作系统可以有效地进行内存分配和保护。

1. 地址空间的划分

程序的地址空间通常分为多个段，每个段具有不同的功能。这些段的划分通常是由操作系统定义的。下图是基于 kernel 2.6.32 和 32位平台 的典型空间布局图：

然而，一个标准的程序地址空间布局图（32 位系统）包括：

更详细点来说则是：

+------------------------+  <-- 0xC0000000（内核空间起始，用户不可访问）  
|        内核空间         |  
+------------------------+  <-- 0xBFFFFFFF（用户空间结束）  
|        栈（Stack）      | ↓ 向低地址增长  
|  - 主线程栈             |  
+------------------------+  
|  命令行参数与环境变量区  | ← 位于栈的顶部下方（高地址区域）  
+------------------------+  
|        保护页           | ← 防止栈溢出  
+------------------------+  
|      内存映射段         |  
|  - 共享库（.so/.dll）   |  
|  - 文件映射（mmap）     |  
|  - 匿名映射（大块堆内存）|  
|  - 线程栈（多线程时）    | ← 其他线程栈通过 mmap 分配在此区域  
+------------------------+  
|        堆（Heap）       | ↑ 向高地址增长  
+------------------------+  
|        保护页           | ← 防止堆越界  
+------------------------+  
|    BSS段（未初始化数据） |  
+------------------------+  
|   数据段（已初始化数据） |  
+------------------------+  
|   文本段（程序代码）     |  
+------------------------+  <-- 0x00000000（低地址）

1. 内核空间（Kernel Space）

范围：0xC0000000 ~ 0xFFFFFFFF（占用 1GB 空间，32 位系统下）。

[!NOTE]

据搜索：Linux 现在广泛使用 64 位系统， 现在主流云服务商（如阿里云、腾讯云、华为云）的默认系统都是 64 位（包括 CentOS、Ubuntu、Debian 等）。CentOS 7 默认只提供 64 位版本，32 位需要手动编译，非常少见。

怎么查看自己的服务器是几位？

在 Xshell 里运行以下命令查看：uname -m

返回 x86_64：说明是 64 位系统。
返回 i686 或 i386：说明是 32 位系统（几乎不会出现）。

在 64 位系统 下，内核空间和用户空间的划分会有所不同。

虚拟地址空间总大小：
32 位系统：最大可寻址空间是 4GB（2³² = 4,294,967,296 字节）。
64 位系统：理论上最大可寻址空间是 16 EB（Exabyte）（2⁶⁴），但目前的操作系统通常不会直接使用全部 64 位地址空间。

内核空间与用户空间划分：
在常见的 64 位 Linux 系统（如 CentOS、Ubuntu）中，用户空间与内核空间的划分通常是：
内核空间（Kernel Space）： 占用最高的 128TB（0xFFFF800000000000 到 0xFFFFFFFFFFFFFFFF），用户程序无法访问。
用户空间（User Space）： 占用最低的 128TB（0x0000000000000000 到 0x00007FFFFFFFFFFF），程序代码、堆、栈、共享库等都在这个范围内。
注意：实际物理内存远小于此，操作系统通过稀疏地址映射管理。

总结：
在 32 位系统 下，用户空间通常是 3GB，内核空间是 1GB。
在 64 位系统 下，用户空间可以高达 128TB，内核空间也可达 128TB，两者远比 32 位系统宽裕。

说明：内核空间是操作系统内核运行的地方，用户程序无法直接访问。 任何直接访问都会触发 段错误（Segmentation Fault）。
用途：管理硬件、进程调度、内存管理、系统调用等。

2. 命令行参数与环境变量区

位置：紧挨着栈的顶部。
说明： 当程序启动时，命令行参数（argc 和 argv）以及环境变量（envp）会存储在这个区域。通过 getenv()、argc/argv 来访问它们。
示例：运行 ./a.out hello world 时，argv 会保存 "hello" 和 "world" 这两个参数。

3. 栈（Stack）

方向：从高地址向低地址增长（↓）。
说明：栈用于管理函数调用，包括：
- 函数的返回地址。
- 局部变量、函数参数等。
- 栈帧（Stack Frame）：每次函数调用都会在栈上创建新的栈帧。
特点：
- 栈的内存分配是自动的，函数调用结束后，栈内存会自动回收。
- 如果栈空间耗尽，会触发 栈溢出（Stack Overflow）。

4. 保护页（Guard Page）

位置：保护页位于栈底和堆顶，防止越界
说明：保护页是操作系统设置的特殊内存页，目的是防止栈或堆意外越界。
机制：一旦程序试图访问保护页，系统会触发段错误（Segmentation Fault），保护程序免受内存破坏。

5. 内存映射段（Memory Mapping Segment）

位置： 堆和栈之间。
说明：该区域通过 mmap() 系统调用进行映射，包含：
- 共享库（Shared Libraries）：动态链接库（.so、.dll），如 libc.so。
- 文件映射（File Mapping）：用来映射文件到内存。
- 匿名映射（Anonymous Mapping）：用于分配大块堆内存或创建内存池。
- 线程栈（Thread Stack）：在多线程程序中，每个线程都有自己独立的栈，分布在这个区域。

6. 堆（Heap）

方向：从低地址向高地址增长（↑）。
说明：堆用于动态内存分配，通过 malloc()、calloc()、new 等操作分配，free()、delete 释放。
特点：
- 堆的生命周期由程序员管理，忘记释放内存会导致 内存泄漏。
- 堆的大小可以动态扩展，直到达到栈或内存映射段的边界。

7. BSS 段（未初始化数据段）

说明：存储程序中未初始化的全局变量和静态变量。系统在程序启动时自动将它们初始化为 0。

示例：

int global_var;  		// 未初始化的全局变量，放在 BSS 段

8. 数据段（已初始化数据段）

说明：存储已初始化的全局变量和静态变量。

示例：

int global_var = 10;    // 已初始化的全局变量，放在数据段

9. 文本段（Text Segment）

说明：存储程序的机器指令（代码部分），通常是只读的，防止程序运行时意外修改自身代码。
特点：
- 文本段不可写入，任何写操作都会触发段错误。
- 共享库的代码也加载到这部分，多个程序可以共享同一份代码副本。

2. 实验证明

代码段（.text）：存放可执行指令。
只读数据段（.rodata）：存放字符串常量和 const 全局变量。
数据段（.data）：存放已初始化全局变量。
BSS 段（.bss）：存放未初始化全局变量。
堆区（heap）：动态分配的内存，向高地址生长。
栈区（stack）：局部变量，向低地址生长。
命令行参数和环境变量：位于栈区附近的高地址。

实验一代码：

#include <stdio.h>
#include <stdlib.h>
int global_init = 10;               // 数据段
int global_uninit;                  // BSS段int main()
{int stack_var;                  // 栈static int static_init = 20;    // 数据段static int static_uninit;       // BSS段char* heap_var = malloc(10);    // 堆printf("文本段（代码）: %p\n", (void*)main);printf("数据段（已初始化全局变量）: %p\n", (void*)&global_init);printf("数据段（已初始化静态变量）: %p\n", (void*)&static_init);printf("BSS段（未初始化全局变量）: %p\n", (void*)&global_uninit);printf("BSS段（未初始化静态变量）: %p\n", (void*)&static_uninit);printf("堆（动态分配内存）: %p\n", (void*)heap_var);printf("栈（局部变量）: %p\n", (void*)&stack_var);free(heap_var);return 0;
}

运行结果示例：

实验二代码：

#include <stdio.h>
#include <stdlib.h>
int g_unval;                            // 未初始化全局变量（BSS段）
int g_val = 100;                        // 已初始化全局变量（数据段）
const int g_const = 200;                // 只读常量（可能位于文本段或只读数据段）int main(int argc, char* argv[], char* envp[])
{// 1. 代码段和只读数据printf("==================== 代码段和只读数据 ====================\n");printf("main函数地址（代码段）          : %p\n", main);printf("字符串常量地址（只读数据）       : %p\n", "hello world");// 2. 数据段和BSS段printf("\n==================== 数据段和BSS段 ====================\n");printf("已初始化全局变量（g_val）        : %p\n", &g_val);printf("未初始化全局变量（g_unval）      : %p\n", &g_unval);printf("const全局常量（g_const）        : %p\n", &g_const);// 3. 堆区printf("\n==================== 堆区 ====================\n");int* p1 = (int*)malloc(10);int* p2 = (int*)malloc(20);printf("小堆块地址（p1）                : %p\n", p1);printf("大堆块地址（p2）                : %p\n", p2);printf("堆生长方向（p2 - p1）           : %ld\n", p2 - p1);  // 正数表示向高地址生长// 4. 栈区printf("\n==================== 栈区 ====================\n");int stack_var1;int stack_var2;printf("栈变量1（stack_var1）           : %p\n", &stack_var1);printf("栈变量2（stack_var2）           : %p\n", &stack_var2);printf("栈生长方向（&stack_var2 - &stack_var1）: %ld\n",(long)&stack_var2 - (long)&stack_var1);  // 负数表示向低地址生长// 5. 命令行参数和环境变量printf("\n==================== 命令行参数和环境变量 ====================\n");printf("argv数组地址                    : %p\n", argv);printf("envp数组地址                    : %p\n", envp);for (int i = 0; i < argc; i++){printf("argv[%d]地址                   : %p\n", i, argv[i]);}for (int i = 0; envp[i]; i++){printf("envp[%d]地址                   : %p\n", i, envp[i]);}// 6. 动态库加载地址printf("\n==================== 动态库 ====================\n");void* libc_addr = (void*)printf;printf("libc函数（printf）地址          : %p\n", libc_addr);free(p1);free(p2);return 0;
}

运行结果示例：

3. 虚拟地址 VS 物理地址

虚拟地址就像是邮寄地址，CPU 先找到它，再由内存管理单元（MMU）翻译成物理地址，就像邮递员最终找到具体的收件地点。

为了更好地理解地址空间的实际运作，需深入虚拟地址与物理地址的关系。先来段代码：

#include <stdio.h>
#include <sys/types.h>
#include <unistd.h>
int g_val = 100;                // 全局变量，存储在数据段int main()
{pid_t id = fork();          // 调用 fork() 创建子进程if (id == 0)                // 子进程{              g_val = 200;            // 修改全局变量的值printf("child:PID:%d, PPID:%d, g_val:%d, &g_val:%p\n", getpid(), getppid(), g_val, &g_val);}else if (id > 0)            // 父进程{  sleep(3);               // 父进程睡眠 3 秒，等待子进程运行printf("father:PID:%d, PPID:%d, g_val:%d, &g_val:%p\n", getpid(), getppid(), g_val, &g_val);}else                        // fork() 失败{  // 处理 fork() 错误}return 0;
}

运行结果：

我们发现，父子进程，输出地址是一致的，但是变量内容不一样！能得出如下结论：

变量内容不一样，所以父子进程输出的变量绝对不是同一个变量。
但地址值是一样的，说明该地址绝对不是物理地址！
在 Linux 地址下，这种地址叫做虚拟地址。

结论：虚拟地址相同，但值独立，证明物理地址不同。我们在用 C/C++ 语言所看到的地址，全部都是虚拟地址！物理地址用户一概看不到，由 OS 统一管理。OS 必须负责将虚拟地址转化成物理地址。

虚拟地址空间独立性
- 每个进程的虚拟地址空间独立，与物理内存解耦，由 MMU 映射到物理内存。
  - 进程访问的地址是虚拟地址，由 MMU（内存管理单元） 转换为物理地址。
- 虚拟地址相同 ≠ 物理地址相同：父子进程的相同虚拟地址可能指向不同的物理内存。
写时复制（Copy-On-Write, COW）机制
1. 优势
  - 隔离性：进程间内存互不可见，防止相互干扰。
  - 简化开发：程序员无需关心物理内存布局。
  - 高效利用：支持分页、交换等技术，扩展可用内存。
2. fork() 创建子进程时：
  - 子进程复制父进程的虚拟地址空间结构（如代码段、数据段）。
  - 实际物理内存未被复制，父子进程共享同一物理页，标记为只读。
3. COW 机制（[Linux 5.11.4 内核 COW 机制源码分析](Linux 5.11.4内核COW机制源码分析 | woodpenker’s blog)）： 在 fork() 之后，父子进程会 共享同一块物理内存，但如果 任何一个进程试图修改，Linux 才会创建新的物理内存，从而保证它们的数据互不影响。
  [!CAUTION]
  - 当任一进程尝试写入共享页（如子进程修改 g_val），触发 页错误（Page Fault）。
  - 操作系统 复制该物理页，为子进程创建新副本，更新页表映射。
  - 此后，父子进程的相同虚拟地址指向 不同的物理内存。
地址相同的本质
- 虚拟地址是进程内部的逻辑地址，由编译器和链接器在程序加载时确定。
- 子进程继承父进程的虚拟地址布局，因此变量地址值相同。

主要了解虚拟地址，不做过多解释，点到为止：

Q1：为什么子进程和父进程的 g_val 地址相同？

在 Linux 进程管理中，每个进程都有 独立的虚拟地址空间，但是多个进程可以在 各自的虚拟地址空间 中看到相同的地址。

fork() 之后，子进程获得了父进程的完整拷贝。fork() 会创建一个 新的进程，这个新进程的 地址空间 是 父进程的完整副本，由于子进程 继承了父进程的虚拟地址空间布局，它的全局变量 g_val 也会出现在相同的虚拟地址。

Q2：为什么数据相互独立？

虽然子进程和父进程的变量 在虚拟地址上相同，但它们 实际上是两个独立的物理内存区域。

1. 虚拟地址相同的根本原因：分页机制 —— 类比为“字典”或“目录索引”

上面的现象其实与分页机制有密切关系！ 结合分页的概念再解释：

在 Linux 和大多数现代操作系统中，进程的 地址空间是基于“分页（Paging）”管理的。分页的作用主要是：

将进程的虚拟地址映射到物理地址，实现内存的高效管理。
隔离进程的内存空间，不同进程看到的地址相同，但实际物理地址不同。

2. 分页表（Page Table）是如何运作的？

在 Linux 的 分页机制 中，每个进程都有一个 页表（Page Table），它 记录虚拟地址到物理地址的映射。
fork() 后，子进程 的页表会复制父进程的页表，但两者 指向相同的物理页，直到发生 写操作 时，才会真正分配新物理页。

3. 分页是如何影响 `fork()` 的？

fork() 后，子进程会 继承父进程的虚拟地址空间，因此在 虚拟地址 层面，它们的全局变量 g_val 地址相同（0x601054）。
但是，操作系统 并不会立即复制父进程的所有物理内存页，而是采用 写时复制（Copy-On-Write, COW） 机制。

示意图（分页机制 + COW）

父进程：
+------------+      +------------+
| 0x601054   | ---> | 物理页 A   |
+------------+      +------------+子进程（fork后）：
+------------+      +------------+
| 0x601054   | ---> | 物理页 A   | （共享）
+------------+      +------------+子进程（修改 g_val = 200 后）：
+------------+      +------------+     +------------+
| 0x601054   | ---> | 物理页 B   |     | 物理页 A   |
+------------+      +------------+     +------------+(子进程获得新的物理页)      (父进程的物理页)

4. fork() + 分页 + COW 的关系

机制	影响
分页	每个进程有独立的虚拟地址空间，但可以共享物理页。
页表（Page Table）	记录虚拟地址到物理地址的映射，fork() 后子进程继承父进程的页表。
写时复制（COW）	直到子进程或父进程修改数据时，才会真正分配新的物理内存页。
进程隔离	虽然地址相同，但修改数据后，两者的物理页不再共享。