浅析线性地址到物理地址的转换
一. 概念介绍：
1.线性地址（linear address）（也称虚拟地址virtual address）：是一个32位无符号整数，用来表示高达4GB的地址。
2.物理地址（physical address）：实际地址。
3.VM 即虚拟内存 ，PM 即物理内存
4.(1)PGD(Page Global Directory) 即页全局目录。
(2)PUD(Page Upper Directory)即页上级目录。
(3)PMD(Page Middle Directory)即页中间目录。
(4)PT即页面表， PT中的表项称为PTE， 是“Page Table Entry”的缩写。
5.offset 即位移量，偏移量。
二. 模型分析：
Linux从2.6.11开始采用四级分页模型：(为了适用于32位和64位系统),linux目前采用的也是四级分页机制，所以我的讨论也基于此。
1. 线性地址
不管系统采用多少级分页模型，线性地址本质上都是索引+偏移量的形式，甚至你可以将整个线性地址看作N+1个索引的组合，N是系统采用的分页级数。在四级分页模型下，线性地址被分为5部分，如下图1：
图１
在线性地址中，每个页表索引即代表线性地址在对应级别的页表中中关联的页表项。正是这种索引与页表项的对应关系形成了整个页表映射机制。
2. 页表
多个页表项的集合则为页表，一个页表内的所有页表项是连续存放的。页表本质上是一堆数据，因此也是以页为单位存放在主存中的。因此，在虚拟地址转化物理物理地址的过程中，每访问一级页表就会访问一次内存。
3. 页表项
从四种页表项的数据结构可以看出，每个页表项其实就是一个无符号长整型数据。每个页表项分两大类信息：页框基地址和页的属性信息。在x86-32体系结构中，每个页表项的结构图2如下：
图２
这个图是一个通用模型，其中页表项的前20位是物理页的基地址。由于32位的系统采用4kb大小的 页，因此每个页表项的后12位均为0。内核将后12位充分利用，每个位都表示对应虚拟页的相关属性。
不管是哪一级的页表，它的功能就是建立虚拟地址和物理地址之间的映射关系，一个页和一个页框之间的映射关系体现在页表项中。
上图中的物理页基地址是 个抽象的说明，如果当前的页表项位于页全局目录中，这个物理页基址是指页上级目录所在物理页的基地址；如果当前页表项位于页表中，这个物理页基地址是指最 终要访问数据所在物理页的基地址。
三. 转换机制介绍：
如下图3所示，线性地址到物理地址的转换机制结构图：
图３
基本过程如下：
1.从CR3寄存器中读取页目录所在物理页面的基址(即所谓的页目录基址)，从线性地址的第一部分获取页目录项的索引，两者相加得到页目录项的物理地址。
2.第一次读取内存得到pgd_t结构的目录项，从中取出物理页基址取出(具体位数与平台相关，如果是32系统，则为20位)，即页上级页目录的物理基地址。
3.从线性地址的第二部分中取出页上级目录项的索引，与页上级目录基地址相加得到页上级目录项的物理地址。
4.第二次读取内存得到pud_t结构的目录项，从中取出页中间目录的物理基地址。
5.从线性地址的第三部分中取出页中间目录项的索引，与页中间目录基址相加得到页中间目录项的物理地址。
6.第三次读取内存得到pmd_t结构的目录项，从中取出页表的物理基地址。
7.从线性地址的第四部分中取出页表项的索引，与页表基址相加得到页表项的物理地址。
8.第四次读取内存得到pte_t结构的目录项，从中取出物理页的基地址。
9.从线性地址的第五部分中取出物理页内偏移量，与物理页基址相加得到最终的物理地址。
10.第五次读取内存得到最终要访问的数据。
整个过程是比较机械的，每次转换先获取物理页基地址，再从线性地址中获取索引，合成物理地址后再访问内存。不管是页表还是要访问的数据都是以页为单 位存放在主存中的，因此每次访问内存时都要先获得基址，再通过索引(或偏移)在页内访问数据，因此可以将线性地址看作是若干个索引的集合。
举例分析:
例一：
某任务加载后，在4GB虚拟地址空间创建了一个段，起始地址为0x00800000, 段界限为0x5000，字节粒度。当前任务执行时，段寄存器DS指向该段。又假设执行了下面一条指令: mov edx, [0x1050]，问此时对应的物理地址是多少？
答：此时，段部件会输出线性地址0x00801050。在没有开启分页机制时， 这就是要访问的物理地址。但现在开启了分页机制，所以这是一个下虚拟地址，要经过页部件转换，才能得到物理地址。
如下图4所示，处理器的页部件专门负责线性地址到物理地址的转换工作。它首先将段部件送来的32位线性地址分为3段，分别是高10位，中间10位，低12位。高10位是页目录的索引，中间10位是页表的索引，低12位则作为页内偏移量来用。
图４
当前任务页目录的物理地址在处理器的CR3寄存器中，假设它的内容为0x00005000 。段管理部件输出的线性地址是0x00801050 。其二进制的形式如图中给出。高10位是十六进制的0x002。它是页目录表内的索引，处理器将它乘以4(因为每个目录项4字节)。作为偏移量访问页目录。最终处理器从物理地址00005008处取得页表的物理地址0x08001000。
线性地址的中间10位为0x001，处理器用它作为页表索引取得页的物理地址。将该值乘以4，作为偏移量访问页表。最终，处理器又从物理地址08001004处取得页的物理地址，这就是我们一直努力寻找的那个页。
页的物理地址是0x0000C000，而线性地址的低12位是数据所在的页内偏移量，故处理器将它们相加，得到物理地址0x0000C050，这就是线性地址0x00801050所对应的物理地址，要访问的数据就在这里。
当任务加载时，操作系统先创建虚拟的段，并根据段地址的高20位决定它要用到哪些页目录项和页表项。然后，寻找空闲的页，将原本应该写入段中的数据写到一个或者多个页中，并将页的物理地址填写到相对应的页表项中。只有这样做了，当程序运行的时候，才能以相反的顺序进行地址变换，并找到正确的数据。
例二：
通过以下的程序来分析虚拟内存到线性地址再到物理内存的映射,我们还以X86为例:
#include <stdio.h>
int greeting(){
printf("Hello world!/n");
return 0;
}
int
main (){
greeting();
return 0;
}
编译该程序，并查看反汇编文件：
这里我们主要看main和greeting的调用:
第一步:通过页目录表找到页面表
hello程序执行后，调用函数greeting，实验楼环境是64位的系统，为了方便我们将前32位为0的不看。这里的虚拟地址也就是线性地址为0x0040052d
call 0x0040052d <greeting>
分解后的结果是:
0000 0000 0100 0000 0000 0101 0010 1101
第1个段位(高10位):
0000 0000 01
对映十进制的1,也就是在页目录表的偏移1找到其页面表的物理地址,也就是页面表的指针,它的低12位是0。
第二步:通过页面表找到页的起始物理地址高
接下来是线性地址的第二个段位(中间10位):
00 0000 0000
对映十进制的0,，也就是在刚才找到的页面表的偏移0，找到目标页的起始物理地址,高20位有效的地址,低12位填充为0.
第三步:得到最终的物理地址
通过找到的页起始物理地址,加上线性地址的第三个段位的偏移地址得到最终的物理地址.
例如:
第三个段位:0101 0010 1101
对映16进制为0x52d。
如果目标页的起始物理地址为:0x740000,那么最终的物理地址就是:
0x740000+0x52d=0x74052d
分析完成。
四. 为什么采用分页机制：
其实它的主要目的在于实现虚拟存储器。分页是通过内存控制单元（MMU）进行的。分页使得线性地址转换为物理地址。在分页中，为了效率起见，将线性地址分成固定长度，称为页，与页长度一致的是页框（物理页）。每个页框包含一个页。把线性地址映射到物理地址的数据结构称为页表。页表存放在主存之中，并在启用分页之前由内核对其进行初始化。
另外，因为分页机制的存在，程序使用的都是线性地址空间，而不再直接是物理地址。这好像是操作系统位应用程序提供了一个不依赖于硬件（物理内存）的平台，应用程序不必关心实际上有多少物理内存，也不必关心正在使用的是哪一段内存，甚至不必关心某一个地址是在物理内存里面还是在硬盘中。只要像操作系统申请就行，而操作系统全权负责了这其中的转换工作。
