简单理解内存地址

Posted on In

简单整理内存地址的一些概念，方便后续深入了解，硬件平台是经典的 x86，其他平台可能存在出入。

物理地址

物理地址是加载到内存地址寄存器中的地址，是内存单元的真正地址，与和 CPU 相连接的地址总线相对应。在前端总线（连接 CPU 与北桥，很早之前就已经被淘汰了）上传输的内存地址都是物理地址，编号从 0 开始一直到可用的物理内存的最大值，这些值被北桥（现在也被淘汰了，北桥是以前的内存控制器，现在的内存控制器都集成到了 CPU 内部）映射到实际的内存条上。实际上我们可以将物理内存看作是一个从 0 字节一直到最大容量的逐个字节编号的大数组，虽然不准确但是容易理解。

虚拟内存

与物理地址对应的真实内存不同，虚拟内存并不是真实存在的，现代操作系统都提供了一种内存管理的抽象，进程使用的虚拟内存的地址会由操作系统与相关硬件协作，转换成真正的物理内存地址。有了这种抽象，一个程序才可以使用比真实物理地址大得多的地址空间。

逻辑地址

逻辑地址指的是机器语言执行中，用来指定一个操作数或者是一条指令的地址，比如说：mov 0x80495b0, %eax 这条指令，其中的 0x80495b0 就是一个逻辑地址。在段式内存管理中比较完整说法是，逻辑地址应该由一个段选择符加上一个段内偏移量，表示为段选择符:段内偏移量，比如上面的逻辑地址应该表示为 代码段选择符:0x80495b0。

实模式下的逻辑地址与保护模式下的逻辑地址虽然都是使用段（segment）:偏移量（offset）表示，但是在保护模式下，段的概念发生了根本性的变化。在实模式下，段值还是可以看作最终地址的一部分，比如段值 xxxxh 表示以 xxxx0h 开始的一段内存；而在保护模式下，虽然段值仍然使用原来的 cs、ds 等寄存器存储，但此时它的值仅仅变成了一个索引，这个索引指向了一个数据结构的表项，表项中详细定义了段的起始地址、界限、属性等内容，这个数据结构就是 GDT（全局描述符表），也有可能是 LDT（局部描述符表）。

线性地址

线性地址其实就是段基址加上段内偏移量。可能你会诧异，这不就是逻辑地址吗？我的理解是，其实逻辑地址真正的值是段内偏移量部分，段选择符:段内偏移量这种只是逻辑地址的表示形式。

逻辑地址是段式内存管理中进行转换前的地址，而线性地址是页式内存管理中转换前的地址。CPU 将一个虚拟内存空间中的地址转换为物理地址，需要经过两步：首先给定的一个逻辑地址（其实是段内偏移量），CPU 利用其段式内存管理单元将逻辑地址转换成一个线性地址，接下来需要再利用其页式内存管理单元，将线性地址转换成最终的物理地址。这样转换确实很麻烦，完全可以直接将线性地址交给进程，intel 之所以这么做，完全是为了兼容以前的段式内存管理方式。

需要说明的是，如果没有开启分页功能，那么线性地址其实就是最终的物理地址；如果开启了分页，则需要再将线性地址经过页式内存管理单元转换成最终的物理地址。

段式内存管理

逻辑地址转线性地址

严格意义上讲，实模式下不存在段式内存管理，段式内存管理出现在保护模式下。

一个逻辑地址由两部分组成，段选择符:段内偏移量。段选择符由一个 16 位长的字段组成，其中 13 位是一个索引号，后面 3 位包含一些硬件细节，其中 TI（Table Index）是表指示器，RPL（Requested Privilege Level）是请求特权级。

段选择符

段选择符中的索引号指向的是段描述符表中的表项，这个段描述符表是一个简单的数组，数组元素长度为 8 个字节，每个元素描述一个段。

段描述符

在这里我们可以只关心一个字段，那就是 Base 字段，它描述的是一个段的开始位置。Intel 设计的本意是，一些全局的段描述符，就放在 GDT 中，一些局部的，比如说每个进程自己的，就放在 LDT 中。这个可以通过段选择符中的 TI 字段表示。当 TI 为 0，表示用 GDT；当 TI 为 1，表示用 LDT。

GDT 在内存中的地址和大小存放在 CPU 的 GDTR 控制寄存器中，而 LDT 则保存在 LDTR 寄存器中。下面给出一张逻辑地址转线性地址的过程图解（只有 GDT 的过程，LDT 类似）：

保护模式的分段

  1. 首先需要给定一个完整的逻辑地址，包含段选择符和段内偏移地址。
  2. 然后查看段选择符的 TI 字段的值，确定当前要转换的是 GDT 中的段还是 LDT 中的段。找到对应的寄存器，从寄存器中取出 GDT 或者 LDT 的内存地址和大小。
  3. 根据段选择符的索引值查找 GDT 或者 LDT 表，找到对应的段描述符，这样就拿到基地址了。
  4. 将 Base + offset，就得到了线性地址了。

Linux 的段式管理

Intel 要求进行两次转换，这样做虽然兼容，但是却很冗余。某些硬件平台并没有二次转换的概念，因此 Linux 需要提供一个高层的抽象来提供统一的界面。

按照 Intel 的本意，全局的用 GDT，每个进程自己自己的用 LDT。但是 Linux 则对所有的进程都使用了相同的段来对指令和数据寻址，即用户代码段、用户数据段，内核中的是内核代码段、内核数据段。查看 Linux 内核关于 i386 架构的段定义（include/asm-i386/segment.h）： 

1
2
3
4
5
6
7
8
9
10
11
12
13
#define GDT_ENTRY_DEFAULT_USER_CS           14
#define __USER_CS (GDT_ENTRY_DEFAULT_USER_CS * 8 + 3)

#define GDT_ENTRY_DEFAULT_USER_DS           15
#define __USER_DS (GDT_ENTRY_DEFAULT_USER_DS * 8 + 3)

#define GDT_ENTRY_KERNEL_BASE               12

#define GDT_ENTRY_KERNEL_CS                 (GDT_ENTRY_KERNEL_BASE + 0)
#define __KERNEL_CS (GDT_ENTRY_KERNEL_CS * 8)

#define GDT_ENTRY_KERNEL_DS                 (GDT_ENTRY_KERNEL_BASE + 1)
#define __KERNEL_DS (GDT_ENTRY_KERNEL_DS * 8)

将其中的值计算得出： 

1
2
3
4
#define __USER_CS 115       // 00000000 1110  0  11
#define __USER_DS 123       // 00000000 1111  0  11
#define __KERNEL_CS 96      // 00000000 1100  0  00
#define __KERNEL_DS 104     // 00000000 1101  0  00

这样可以计算出索引值和 TI 字段的值： 

1
2
3
4
__USER_CS               index = 14   TI = 0
__USER_DS               index = 15   TI = 0
__KERNEL_CS             index = 12   TI = 0
__KERNEL_DS             index = 13   TI = 0

TI 均为 0，表示都使用了 GDT，再查看初始化 GDT 的内容中对应的 12 到 15 项（arch/i386/head.S）： 

1
2
3
4
.quad 0x00cf9a000000ffff        /* 0x60 kernel 4GB code at 0x00000000 */
.quad 0x00cf92000000ffff        /* 0x68 kernel 4GB data at 0x00000000 */
.quad 0x00cffa000000ffff        /* 0x73 user 4GB code at 0x00000000 */
.quad 0x00cff2000000ffff        /* 0x7b user 4GB data at 0x00000000 */

将它们的值展开，发现第 16 到 31 位全是 0，即这四个段的基地址都是 0。按照地址转换公式，0 + 段内偏移得到线性地址。因此可以得出一个重要的结论，在 Linux 下，逻辑地址与线性地址总是一致的（是一致，不是相同）。

在 x86 体系中，分段机制是必选的，而分页机制可由具体的操作系统选择，Linux 通过让段的基地址为 0 而巧妙的绕过了基地址，在 32 位平台上，线性地址的大小固定为 4GB，由于采用了保护机制，Linux 将这 4GB 分为了两部分，地址较高的 1GB（0xC0000000 到 0xFFFFFFFF）为共享的内核空间；而地址较低的 3GB（0x00000000 到 0xBFFFFFFF）为每个进程的用户空间。

参考

我理解的逻辑地址、线性地址、物理地址和虚拟地址(补充完整了)

操作系统篇-浅谈实模式与保护模式

操作系统篇-分段机制与GDT|LDT