【Linux】程序地址空间

程序地址空间回顾

  • 首先来看看概念图,有很多同学或多或少都听过图中的内容吧,但我们对他并不是很理解

使用代码来感受一下

复制代码
#include <stdio.h>
#include <unistd.h>
#include <stdlib.h>
int g_val = 0;
int main()
{
 pid_t id = fork();
 if(id < 0){
 perror("fork");
 return 0;
 }
 else if(id == 0){ //child
  printf("child[%d]: %d : %p\n", getpid(), g_val, &g_val);
 }else{ //parent
 printf("parent[%d]: %d : %p\n", getpid(), g_val, &g_val);
 }
 sleep(1);
 return 0;
}
  • 我们发现,输出出来的变量值和地址是一模一样的,很好理解呀,因为子进程按照父进程为模版,父子并没有对变量进行进行任何修改。可是将代码稍加改动

    #include <stdio.h>
    #include <unistd.h>
    #include <stdlib.h>
    int g_val = 0;
    int main()
    {
    pid_t id = fork();
    if(id < 0){
    perror("fork");
    return 0;
    }
    else if(id == 0){ //child,子进程肯定先跑完,也就是子进程先修改,完成之后,父进程再读取
    g_val=100;
    printf("child[%d]: %d : %p\n", getpid(), g_val, &g_val);
    }else{ //parent
    sleep(3);
    printf("parent[%d]: %d : %p\n", getpid(), g_val, &g_val);
    }
    sleep(1);
    return 0;
    }

  • 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:
  1. 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

  2. 但地址值是一样的,说明,该地址绝对不是物理地址!

  3. 在Linux地址下,这种地址叫做虚拟地址

  4. 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

  5. OS必须负责将 虚拟地址 转化成 物理地址

进程地址空间

  • 所以之前说'程序的地址空间'是不准确的,准确的应该说成'进程地址空间',那该如何理解呢?看图:
  • 上面的图就足矣说名问题,同一个变量,地址相同,其实是虚拟地址相同,内容不同其实是被映射到了不同的物理地址!

为什么要有地址空间

  • 让进程以统一的视角看待内存。所以任意一个进程都可以通过地址空间+页表使得乱序的内存数据变得有序,分门别类规划好

  • 存在虚拟地址空间可以有哦晓得进行进程访问内存的安全检查

  • 页表的地址是物理地址,而不是虚拟地址

  • 把上下文(PCB、页表、mm_struct等)保存好,就等于将进程保存好了

  • 进程管理因为地址空间和页表的存在能够与内存管理解耦

进程和进程地址空间

  • 每一个进程运行后,都会有一个进程地址空间存在。都要在系统层面有自己的页表映射

  • 写时拷贝发生在物理内存中,由操作系统来做,不会影响上层语言

  • 空间范围:由一个极值到另一个极值,表示能访问地址的范围

  • 地址空间可以理解为操作系统给进程画的饼,它并不是真实的物理地址!

  • 地址空间也需要被操作系统管理起来,每一个进程都要有地址空间。系统中一定要对地址空间做管理

  • 区域划分:在计算机中用结构体来,且结构体中有_start和_end来区分

相关推荐
NAGNIP7 小时前
一文搞懂深度学习中的通用逼近定理!
人工智能·算法·面试
十日十行12 小时前
Linux和window共享文件夹
linux
Sinclair15 小时前
简单几步,安卓手机秒变服务器,安装 CMS 程序
android·服务器
颜酱16 小时前
单调栈:从模板到实战
javascript·后端·算法
木心月转码ing19 小时前
WSL+Cpp开发环境配置
linux
CoovallyAIHub19 小时前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub19 小时前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub19 小时前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub20 小时前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉
CoovallyAIHub20 小时前
YOLO-IOD深度解析:打破实时增量目标检测的三重知识冲突
深度学习·算法·计算机视觉