袁春风老师计算机系统基础一笔记

计算机系统基本组成与功能

1946年2月，第一台通用电子计算机ENIACE(lectronic Nurerical Integrator And Corputer电子数字积分计算机)诞生，使用十进制，采用手动编程，通过设置开关和插拔电缆来实现

1945年冯●诺伊曼发表全新的存储程序通用电子计算机方案

冯●诺伊曼结构最重要的思想是存储程序Stored-program，即把程序存储在计算机内由计算机自动存取指令并执行

内部以二进制表示指令和数据，每条指令由操作码和地址码两部分组成。操作码指出操作类型，地址码指出操作数的地址，由一串指令组成程序

冯 ● 诺依曼型计算机基本工作方式：

1. 控制器将计算所需的原始数据和计算步骤的程序指令，通过输入设备送入计算机存储器
2. 控制器向存储器发送取指指令(主要功能是从存储器中读取出指令)，存储器中的程序指令送入控制器
3. 控制器对取出的指令进行译码，然后向存储器发送取数指令，存储器的相关运算数据送入运算器
4. 控制器向运算器发送运算指令，运算器执行计算得到结果，并把运算结果存入存储器中
5. 最后控制器向输出设备发送输出指令，输出设备输出计算机结果

​ 现代计算机结构模型

• CPU：中央处理器
• PC：程序计数器
• MAR：存储器地址寄存器
• ALU：算术逻辑部件
• IR：指令寄存器
• MDR：存储器数据寄存器
• GPRs：通用寄存器组（由若干通用寄存器组成，早期就是累加器）

详细工作步骤

1. 指令获取：当CPU需要执行新的指令时，它会从主存储器（Main Memory）中获取指令。这一过程由内存地址寄存器（MAR）和内存地址控制器（Memory Address Controller）协同完成。MAR存储即将从主存中读取或写入的单元的地址，而内存地址控制器则负责管理数据在主存中的流动
2. PC更新：程序计数器（PC）会更新，指向下一条要执行的指令的地址。PC是CPU中的一个寄存器，用于存储当前执行的指令的地址
3. 指令解码：指令被送入指令寄存器（IR）进行解码。指令寄存器是一个暂存器，用于存储从主存中读取的指令。指令译码器（Instruction Decoder）对指令进行解码，以确定需要执行的操作和操作数
4. 执行指令：一旦指令被成功解码，算术逻辑单元（ALU）开始工作。ALU是CPU的核心部分，负责执行算术和逻辑运算。根据解码的指令，ALU可能从主存中读取数据，进行计算，然后将结果写回主存
5. 数据流动：在执行指令的过程中，数据在各部件之间流动。数据从主存流入ALU进行计算，然后再流回主存进行存储或进一步的处理。输入设备（如键盘、鼠标）提供原始数据，而输出设备（如显示器、打印机）则显示或输出处理后的数据
6. 数据存储：当需要存储数据时，数据会从ALU或其他部件流入存储器数据寄存器（MDR），然后被写入主存或某个特定的存储器位置
7. 通用寄存器组：通用寄存器组（GPRs）由若干通用寄存器组成，早期就是累加器。这些寄存器用于暂存数据和地址，以便快速访问。CPU可以在这些寄存器之间移动数据，进行计算，或与主存进行交互
8. 控制流：中央处理器（CPU）的控制器负责协调以上所有步骤。控制器通过读取指令并在ALU上执行相应的操作来控制数据流和计算过程

计算机的指令和数据

程序启动前，指令和数据都存放在存储器中，形式上没有差别， 都是01序列

程序由指令组成，程序被启动后，计算机能自动取出一条一条 指令执行，在执行过程中无需人的干预

指令执行过程中，指令和数据被从存储器取到CPU，存放在CPU 内的寄存器中，指令在IR中，数据在GPR中

指令中需给出的信息：

• 操作性质（操作码）

• 源操作数1 或/和 源操作数2 （立即数、寄存器编号、存储地址）

  • 立即数：指在指令中直接给出的操作数

  • 寄存器编号：计算机中的寄存器用于存储数据和指令，每个寄存器都有一个唯一的编号

  • 存储地址：存储器中的每个单元都有一个唯一的地址，通过该地址可以访问存储器中的数据

• 目的操作数地址 （寄存器编号、存储地址）

计算机的基本部件及功能：

• 运算器（数据运算）：ALU、GPRs、标志寄存器等
• 存储器（数据存储）：存储阵列、地址译码器、读写控制电路
• 总线（数据传送）：数据(MDR)、地址(MAR)和控制线
• 控制器（控制）：对指令译码生成控制信号

什么是计算机：
计算机是一种能对数字化信息进行自动、高速算术和逻辑运算的处理装置

程序开发和执行

• 高级语言中一条语句对应几条、几十条甚至几百条指令
• 有面向过程和面向对象的语言之分
• 处理逻辑分为三种结构 ： 顺序结构、选择结构、循环结构

编译程序（Complien）：将高级语言源程序转换为机器级目标程序，执行时只要启动目标程序即可

解释程序（nterpreter）：将高级语言语句逐条翻译成机器指令并立即执行，不生成目标文件

计算机只能理解机器语言01，最终还是会将高级语言转换为机器语言程序

数据经常在各存储部件间传送。故现代计算机大多采用缓存技术

所有过程都是在CPU执行指令所产生的控制信号的作用下进行的

不同层次语言之间的等价转换

高级语言开发需要复杂的支持环境

程序执行结果不仅取决于算法、程序编写，而且取决于语言处理系统、操作系统、ISA指令集体系结构

ISA处于软件和硬件的交界面(接口)，ISA是对硬件的抽象，所有软件功能都建立在ISA之上，ISA是最重要的层次

ISA指Instruction Set Architecture指令集体系结构，有时简称为指令系统
ISA是一种规约（Specification），它规定了如何使用硬件

• 可执行的指令的集合，包括指令格式、操作种类以及每种操作对应的操作数的相应规定
• 指令可以接受的操作数的类型
• 操作数所能存放的寄存器组的结构，包括每个寄存器的名称、编号、
  长度和用途
• 操作数所能存放的存储空间的大小和编址方式
• 操作数在存储空间存放时按照大端还是小端方式存放
• 指令获取操作数的方式，即寻址方式
• 指令执行过程的控制方式，包括程序计数器（PC）、条件码示义等

当然，ISA是系统程序员需要深入理解的层次，应用程序员工作在由语言处理系统(主要是编译器和汇编器)的抽象层

数据的表示和存储

机器数：用0和1编码的计算机内部的0/1序列

数值数据表示的三要素：

• 进位计数制

  十进制、二进制、十六进制、八进制数及其相互转换

• 定、浮点表示(解决小数点)

  • 定点整数、定点小数
  • 浮点数（可用一个定点小数和一个定点整数来表示）

• 如何用二进制编码(解决正负号)

  原码、补码、反码、移码（反码很少用）

在R进制数字系统中，应采用R个基本符号（0，1，2，．．．，R-1） 表示各位上的数字，采用“逢R进一”的运算规则，对于每一个数位 i， 该位上的权为Rⁱ。R被称为该数字系统的基

• 二进制：R=2，基本符号为0和1
• 八进制：R=8，基本符号为0,1,2,3,4,5,6,7
• 十进制：R=10，基本符号为0,1,2,3,4,5,6,7,8,9
• 十六进制：R=16，基本符号为0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F

八进制octal用后缀O表示，十六进制用后缀H或前缀0X表示，现代计算机系统多用十六进制表示机器数

R进制数转换为十进制数：按权展开

(10101.01)₂=1x2⁴+1x2²+1x2⁰+1x2^-2=(21.25)₁₀

a 的 -b 次方，实际上是 1 除以 (a 的 b 次方)

(307.6)₈=3x82+7x80+6x8-1=(199.75)₁₀

(3A. 1)₁₆=3x161+10x160+1x16-1=(58.0625)₁₀

十进制数转换为二进制，二进制转换为十六进制或八进制

十进制转八进制

整数：除基取余，下高上低

小数：乘基取整，下底上高

可能小数部分总得不到0，此时得到一个近似值，现实中的精确值可能在机器内部无法用0和1精确表示

数值数据中的小数点在计算机中只能通过约定小数点的位置来表示

• 小数点位置约定在固定位置的数称为定点数
• 小数点位置约定为可浮动的数称为浮点数

定点小数用来表示浮点数的尾数部分

定点整数用来表示整数(带符号整数和无符号整数)

任何实数：X=(-1)^s ×M×R^E

• S取值为0或1，用来决定数X的符号
• M是一个二进制定点小数 ，称为数X的尾数
• E是一个二进制定点整数，称为数X的阶或指数
• R是基数，可以为2、4和16等
• 计算机中只要表示S、M和E三个信息，就能确定X的值，这就是浮点数

数值数据的表示

原码

• 正号首位为0

• 负号首位为1

• 数值部分不变

  • 容易理解, 但是：
    1. 0的表示不唯一，故不利于程序员编程
    2. 加、减运算方式不统一
    3. 需额外对符号位进行处理，不利于硬件设计

• 从50年代开始，整数都采用补码来表示，但浮点数的尾数用原码定点小数表示

移码

也被称为增码或偏置码，通常用于表示浮点数的阶码(指数)

将一个数值增加一个偏移常数(Excess/bias)来定义，当编码位数为n时，bias取2^n-1或2^n-1-1

当n=4，E_biased=E+2³

-8(+8)=0000B(移码表示)
0(+8)=1000B(移码表示)

0的移码表示是唯一的1000，当bias为2^n-1时，移码和补码仅第一位不同

补码

在一个模运算系统中，一个数与它除以模后的余数等价

时钟是一个模12系统：10 - 4=10 + 8(mod12)，- 4=8

• 一个负数的补码等于模减该负数的绝对值，12 - 4 = 8
• 对于某一确定的模，某数减去小于模的另一数，总可以用该数加上另一数负数的补码来代替

计算机中的运算器是模运算系统

0111 1111 - 0100 0000
= 0111 1111 + (2⁸- 0100 0000)
= 0111 1111 + 1100 0000
= 1 0011 1111 (mod 2⁸)
= 0011 1111

只留余数，1被丢弃

一个负数的补码等于将对应正数补码，各位取反、末位加一

补码的定义

假定补码有n位，则[X]补= 2ⁿ + X （-2^n-1 ≤ X＜2^n-1 ，mod 2ⁿ） X是真值，[x]补是机器数

• 正数符号位为0，数值部分不变
• 负数符号位为1，数值部分各位取反，末位加1
• 变形补码：双符号，用于存放可能溢出的中间结果

• 8位无符号整数最大是255(1111 1111)
• 8位带符号整数最大为127(0111 1111)

三种定点编码方式

• 原码：定点小数，用来表示浮点数的尾数
• 移码：定点整数，用于表示浮点数的阶（指数）
• 补码：50年代以来，所有计算机都用补码来表示带符号整数
  • 补码运算系统是模运算系统，加、减运算统一
  • 数0的表示唯一，方便使用
  • 比原码多表示一个最小负数

非数值数据的编码表示

表示逻辑(关系)表达式中的逻辑值时用到逻辑数据

• 表示：用1位表示，N位二进制数可表示N个逻辑数据
• 运算：按位进行，|、&、^、<<、>>等
• 识别：逻辑数据和数值数据在形式上并无差别，都是一串0/1序列， 计算机靠指令来识别

ASCLL码

• A 65

• a =65+32=97

  记住首字母就能推导其他32个字母在ASCLL码表中位置

汉字编码

• 交换码

  交换码就是国标码，是计算机及其他设备之间交换信息的统一标准

  国标码也有一张码表，表中任意汉字或符号的区号和位号的组合，叫做这个汉字或符号的区位码

  机内码是计算机汉字系统中使用的二进制字符编码

  转换方式是先转换为十六进制

  • 国标码=区位码+2020H
  • 机内码=国标码+8080H
  • 机内码=区位码+A0A0H
  • 八进制是O，十进制是D，十六进制是H

• 外码

  外码是汉字的输入编码

• 内码

  内码是汉字的内部编码

  内码=国标码+8080H

• 汉字字形码

  显示器或打印机输出汉字使用的代码

• 汉字地址码

  是字库中存储的每个汉字的逻辑地址

需要2字节才能表示一个汉字内码是因为汉字总数超过6万字，2¹⁶=65536

数据宽度和存储容量的单位

除比特和字节外，也经常使用字Word为单位

字和字长概念不同

• 字长指数据通路(CPU内部数据流经的路径以及路径上的部件)的宽度，等于CPU内部总线的宽度、运算器的位数、通用寄存器的宽度(这些部件的宽度都是一致的)
• 字表示被处理信息的单位，用来度量数据类型的宽度

容量单位1KB是2¹⁰字节=1024B，1MB=2²⁰字节=1024KB

速度单位1Kbps是10³/s=1000bps，1Mbps=10⁶/s=1000Kbps

不同机器上表示的同一种类型的数据可能宽度不同，必须确定相应的机器级数据表示方式和相应的处理指令

同类型数据并不是所有机器都采用相同的宽度，分配的字节数随ISA、机器字长和编译器的不同而不同

• 整数乘法运算比移位和加法等运算所用时间长，通常一次乘法运算需要多个时钟周期，而一次移位、加法和减法等运算只要一个或更少的时钟周期，因此编译器在处理变量与常数相乘时，往往以移位、加法和减法的组合运算来代替乘法运算
• 对于整数除法运算，由于计算机中除法运算比较复杂，而且不能 用流水线方式实现，所以一次除法运算大致需要30个或更多个时 钟周期，比乘法指令的时间还要长，为了缩短除法运算的时间，编译器在处理一个变量与一个2的幂次形式的整数相除时，常采用右移运算来实现

链接概述和目标文件格式

预处理

处理源文件中以#开头的预编译指令

• 删除#define并展开所定义的宏
• 处理所有条件预编译指令
• 插入头文件到#include
• 删除所有的注释
• 添加行号和文件名标识，以便编译时编译器产生调试用的行号信息

经过预编译处理后，得到的是预处理文件

编译

编译过程就是将预处理文件进行词法分析、语法分析、语义分析、优化后，生成汇编代码文件

用来进行编译处理的程序称为编译程序(编译器Compiler)

经过编译后得到汇编代码文件

汇编

汇编器将汇编语言源程序转换为机器指令序列

汇编指令和机器指令一一对应，前者是后者的符号表示，它们都属于机器级指令，所构成的程序称为机器级代码

汇编后得到可重定向目标文件

链接

链接过程是将多个可重定位目标文件合并以生成可执行目标文件

优点：

• 模块化

  1. 一个程序可以分成很多源程序文件
  2. 可构建公共函数库，如数学库，标准C库等

• 效率高

  1. 时间上可分开编译

     只需重新编译被修改的源程序文件，然后重新链接

  2. 空间上无需包含共享库所有代码

     源文件中无需包含共享库函数的源码，只要直接调用即可

     可执行文件和运行时的内存中只需包含所调用函数的代码 而不需要包含整个共享库

三类目标文件

• 可重定位目标文件 (.o)

  其代码和数据可以和其他可重定位文件合并为可执行文件

  每个.o文件由对应的.c文件生成

  每个.o文件代码和数据地址都从0开始

• 可执行目标文件 (Linux默认a.out，Windows*.exe)

  包含的代码和数据可以被直接复制到内存并被执行

  代码和数据地址为虚拟地址空间中的地址

• 共享的目标文件 (Linux中的*.so)

  特殊的可重定位目标文件，能在装入或运行时被装入到内存并自动被链接，称为共享库文件

  Windows中称其为Dynamic Link Libraries，DLL

目标代码Object Code指编译器和汇编器处理源代码后所生成的机器语言目标代码

目标文件Object File指包含目标代码的文件

符号及符号表

符号解析

程序中有定义和引用的符号

• 编译器将定义的符号存放在一个符号表节中
• 符号表是一个结构数组
• 每个表项包含符号名、长度和位置等信息
• 编译器将符号的引用存放在重定向节中
• 链接器将每个符号的引用都与一个确定的符号定义建立关联

重定位

1. 将多个代码段与数据段分别合并为一个单独的代码段和数据段
2. 计算每个定义的符号在虚拟地址空间中的绝对地址
3. 将可执行文件中符号引用处的地址修改为重定位后的地址信息

三种链接器符号

每个可重定位目标模块m都有一个符号表，它包含了在m中定义和引用的 符号

• Global symbols（模块内部定义的全局符号）

  由模块m定义并能被其他模块引用的符号

• External symbols（外部定义的全局符号）

  由其他模块定义并被模块m引用的全局符号

• Local symbols（本模块的局部符号）

  仅由模块m定义和引用的本地符号

链接器局部符号不是指程序中的局部变量（分配在栈中的临时性变量），链接器不关心这种局部变量

全局符号的强/弱特性

• 函数名和已初始化的全局变量名是强符号

• 未初始化的全局变量名是弱符号

链接器对符号的解析规则

1. 强符号只能被定义一次，否则链接错误
2. 若一个符号被定义为一次强符号和多次弱符号，则按强定义为准，对弱符号的引用被解析为其强定义符号
3. 若有多个弱符号定义，则任选其中一个

符号解析时只能有一个确定的定义（即每个符号仅占一处存储空间）

advice：

• 尽量避免使用全局变量
• 一定需要用的话，就按以下规则使用
  1. 尽量使用本地变量static
  2. 全局变量要赋初值
  3. 外部全局变量要使用extern

cation：

多重定义全局变量会造成一些意想不到的错误，而且是默默发生的，编译系统不会警告，并会在程序执行很久后才能表现出来， 且远离错误引发处。特别是在一个具有几百个模块的大型软件中， 这类错误很难修正

不想深入了解链接器工作原理，就应该养成良好的编程习惯

重定位

符号解析完成后进行重定位

1. 合并相同的节

   例如所有.text节合并作为可执行文件中的.text节

2. 对定义符号进行重定位（确定地址）

   确定新节中所有定义符号在虚拟地址空间中的地址

   例如为函数确定首地址，进而确定每条指令的地址，为变量确定首地址

   完成这一步后，每条指令和每个全局或局部变量都可确定地址

3. 对引用符号进行重定位（确定地址）