24.线程概念和控制（一）

一、Linux线程概念

1.概念角度，感性地理解线程

从教材角度：

进程 = 内核数据结构 + 代码和数据（执行流）

线程：进程内部的一个执行分支（执行流）

内核和资源：

进程：承担系统分配资源的基本实体

线程：CPU调度的基本单位

进程模拟线程：

        进程访问的大部分数据都是通过进程地址空间访问的！-> 进程地址空间就是窗口，创建一个进程，把窗口共享，分配给多个task_struct，划分地址空间和虚拟地址范围 -> 那么就模拟出线程了（线程是进程内部的一个执行分支）

不同视角下的线程：

Linux操作系统视角：执行流

CPU视角：轻量级进程

初步理解：

结论1：Linux线程可以用进程来模拟

结论2：对资源的划分，本质就是对进程虚拟地址范围划分。虚拟地址，就是资源的代表。

结论3：代码区划分？函数就是虚拟地址（逻辑地址）空间的集合！就是让线程未来执行ELF程序的不同部分即可。

结论4：原理解的进程是进程的一种特殊情况，只有一个task_struct，一般情况有多个。

结论5：Linux的线程，就是轻量级进程或者用轻量级进程模拟实现的。

             操作系统学科只提供概念，具体的操作系统提供设计思路和设计方案。

问题1：为什么要这样设计？

复用代码，用轻量级进程来模拟线程，使得兼容性和代码的可维护性比较好。以及调度算法和管理都能沿用，不需要重新设计。

问题2：其他平台，比如windows也是这样设计的吗？

windows给线程设计了单独的结构TCB。

线程和进程的理解和区别：

进程强调独立性，部分共享（进程间通信）

线程强调共享，部分独占

具体例子理解：

        家庭是分配社会资源的基本载体，而家庭内有很多成员，成员有各自的目标和资源，家庭内有公共的资源。（家庭->进程，成员->线程）

2.从理性角度，资源划分（虚拟到物理，页表，页表相关概念，部分内存管理的理解）

物理内存在是连续不断的，并没有内存块的概念。（内存块是操作系统的概念）

OS访问磁盘是以块为单位来访问，大小为4KB。可执行程序就是文件，在磁盘中存储。可执行程序，存储的时候，天然就是4KB单位存储的，无论属性还是内容。

理解：4GB/4KB=1,048,576

4KB划分，是操作系统划分的，不管是磁盘（文件系统）还是内存。OS要不要管理页框？

先描述，在组织。

先有struct page结构，再用struct page mem[1048576]; 数组管理。

如何得知具体的page对应内存块的物理地址？（注：内存块不等于page）

        每一个page都有下标 -> 假设第一个page对应的内存块起始物理地址从0开始，每一个page对应内存块起始物理地址就知道了（index*4KB）-> 具体内存块物理地址 = 内存块起始物理地址 + 页内（4KB）偏移 -> 因此不需要在page内保存其对应内存块的物理地址

        文件结构struct file中有adress_space，里面有radix_tree，管理的是page，因此文件可以通过拿到page的物理地址，从而计算出下标，拿到page对应的内存块的物理地址。

        申请物理内存，本质就是在：1.查数据，改page   2.建立内核数据结构的对应关系。

page结构中几个比较重要的参数：

        flags ：用来存放页的状态。这些状态包括页是不是脏的，是不是被锁定在内存中等。flag的每一位单独表示一种状态，所以它至少可以同时表示出32种不同的状态。这些标志定义在<linux/page-flags.h>中。

        _mapcount ：表示在页表中有多少项指向概页，也就是这一页被引用了多少次。当计数值变为-1时，就说明当前内核并没有引用这一页，于是在新的分配中就可以使用它。

        virtual ：是页的虚拟地址。通常情况下，它就是页在虚拟内存中的地址。有些内存（即所谓的高端内存）并不永久地映射到内核地址空间上。在这种情况下，这个域的值为NULL，表示该物理页没有固定的内核虚拟地址，需要的时候，必须动态地映射这些页。

拓展高端内存：

        32位系统的地址空间限制：在32位系统中，理论地址空间为4GB。Linux默认将内核空间划分为高1GB（如0xC0000000~0xFFFFFFFF），用户空间为低3GB。若物理内存超过内核直接映射区（Direct Mapping Area，通常3GB~3GB+896MB），剩余物理内存（即“高端内存”，约超过896MB的部分）无法被内核空间永久映射。

页表

以32位操作系统举例，虚拟地址是4个字节，32比特位。

从高位到低位，第一组：高10位，第二组：次高10位，第三组：最后12位

取值范围分别是[0,1023]，[0,1023]，[0,4095]。

页表分为两级：

第一级：页目录，页目录存放的是页表的地址，一共1024个

第二级：页表，页表存放的是物理页的地址，一共1024个

为什么要分级设计？

        如果不分级设计，一个页表若要映射4GB空间，4GB/4KB=1,048,576，32位地址大小是4字节，1048576*4B=4MB，页表大小就是4MB。而且页表自身不能做到内存块的分离，页表自身需要的内存页就必须是连续的，总共要4MB/4KB=1024个内存页。页表设计初衷就是为了实现虚拟地址对应的物理页是离散分布的，自身就违背了。此外，根据局部性原理可知，很多时候进程在一段时间内只需要访问某几个页就可以正常运行了。因此也没有必要⼀次让所有的物理页都常驻内存。

结论：

细节1：申请内存->查找数组->找到没有被使用的page->page index->物理页框地址

细节2：写时拷贝，缺页中断，内存申请等等，背后可能都要重新建立新的页表和映射关系的操作。

细节3：进程，一张页目录+n张页表构建的映射体系，虚拟地址是索引，物理页框地址是目标，物理地址 = 虚拟地址低12位（页内偏移） + 页框地址 。

细节4：为什么是低12位数字？ELF格式编址，页框大小都是4KB。

        页目录的物理地址被 CR3 寄存器指向，这个寄存器中，保存了当前正在执行任务的页目录地址。

虚拟地址到物理地址转化有CPU内MMU自动完成。

3.线程深刻理解

执行流看到的资源本质：在合法的情况下，你有多少虚拟地址（虚拟地址是资源的代表）

虚拟地址空间 mm_struct +vm_area_struct 本质：进行资源的统计数据和整体数据

页表是一张从虚拟到物理的地图。

资源划分：本质是地址空间划分

资源共享：本质是虚拟地址的共享

线程进行资源划分：本质是划分地址空间，获得一定范围的合法虚拟地址，在本质，就是在划分页表（虚拟地址是索引，页表的范围）。

线程进行资源共享：本质是对地址空间的共享，在本质，就是对页表条目的共享。