Windows 虚拟地址 到底是如何映射到 物理地址 的？
一：背景
1. 讲故事
我发现有很多的 .NET程序员 写了很多年的代码都没弄清楚什么是 虚拟地址，更不用谈什么是 物理地址 以及Windows是如何实现地址映射的了？这一篇我们就来聊一聊这两者之间的联系。
二：地址映射研究
1. 找虚拟地址
怎么去找 虚拟地址 呢？相信很多朋友都知道应用程序用的是虚拟地址，所以从应用程序中取一个就好了，这里就拿 notepad 举例子吧。
开启一个装有 win10 的虚拟机，然后打开 notepad.exe，使用 windbg 进行它的内核态调式，参考代码如下：
0: kd> !process 0 0 notepad.exe
PROCESS ffffe0011f9c9840
SessionId: 1 Cid: 11a8 Peb: 7ff63d8ff000 ParentCid: 0bf4
DirBase: 23c6d000 ObjectTable: ffffc00088bdcbc0 HandleCount: <Data Not Accessible>
Image: notepad.exe
0: kd> .process /i /p ffffe0011f9c9840
You need to continue execution (press 'g' <enter>) for the context
to be switched. When the debugger breaks in again, you will be in
the new process context.
0: kd> g
Break instruction exception - code 80000003 (first chance)
nt!DbgBreakPointWithStatus:
fffff801`bed59c50 cc int 3
1: kd> .reload /user
Loading User Symbols
....................................
Press ctrl-c (cdb, kd, ntsd) or ctrl-break (windbg) to abort symbol loads that take too long.
Run !sym noisy before .reload to track down problems loading symbols.
......
1: kd> lm
start end module name
00007ff6`3e1e0000 00007ff6`3e21a000 notepad (deferred)
00007ff9`83e60000 00007ff9`83fac000 UIAutomationCore (deferred)
...
1: kd> dB 00007ff6`3e1e0000+0x50 L30
00007ff6`3e1e0050 69 73 20 70 72 6f 67 72-61 6d 20 63 61 6e 6e 6f is program canno
00007ff6`3e1e0060 74 20 62 65 20 72 75 6e-20 69 6e 20 44 4f 53 20 t be run in DOS
00007ff6`3e1e0070 6d 6f 64 65 2e 0d 0d 0a-24 00 00 00 00 00 00 00 mode....$.......
从卦中可以看到 00007ff63e1e0050 处是一段字符串，接下来我们就以它为例吧。
2. 如何用 Windbg 推算
到底是如何映射的呢？如果你了解 Windows 的源码可能你就很清楚，不了解也没关系，我们可以用 WinDbg 帮我们计算，在 windbg 中有一个 !vtop 命令可以一键查找，输出如下：
1: kd> !vtop 0 00007ff63e1e0050
Amd64VtoP: Virt 00007ff63e1e0050, pagedir 0000000023c6d000
Amd64VtoP: PML4E 0000000023c6d7f8
Amd64VtoP: PDPE 000000002360aec0
Amd64VtoP: PDE 000000000b910f80
Amd64VtoP: PTE 000000001fa51f00
Amd64VtoP: Mapped phys 000000000ad38050
Virtual address 7ff63e1e0050 translates to physical address ad38050.
1: kd> !dB ad38050 L30
# ad38050 69 73 20 70 72 6f 67 72-61 6d 20 63 61 6e 6e 6f is program canno
# ad38060 74 20 62 65 20 72 75 6e-20 69 6e 20 44 4f 53 20 t be run in DOS
# ad38070 6d 6f 64 65 2e 0d 0d 0a-24 00 00 00 00 00 00 00 mode....$.......
从卦中可以清晰的看到，虚拟地址 00007ff63e1e0050 所对应的物理地址为 ad38050，然后用 !dB 去观察物理地址也确实如此。
这里要提醒一下，如果你还想知道这个物理地址所属的 PDE (页目录项) 和 PTE （页表项） ，可以用 !pte 命令帮我们一键显示，输出如下：
1: kd> !pte 00007ff63e1e0050
VA 00007ff63e1e0050
PXE at FFFFF6FB7DBED7F8 PPE at FFFFF6FB7DAFFEC0 PDE at FFFFF6FB5FFD8F80 PTE at FFFFF6BFFB1F0F00
contains 009000002360A867 contains 00E000000B910867 contains 00F000001FA51867 contains 810000000AD38025
pfn 2360a ---DA--UWEV pfn b910 ---DA--UWEV pfn 1fa51 ---DA--UWEV pfn ad38 ----A--UR-V
从卦中可以看到，x64的地址有四级结构，不仅有 PDE,PTE，还有 PXE, PPE，并且从 pfn ad38 可以清楚的看到它的物理页号是 ad38，加上虚拟地址后的 12bit(050) 偏移，最后的物理地址也就是 ad38050。
用 WinDbg 推算虽然简单，但不利于我们了解原理，为了加深理解，我们需要手工的去推算。
3. 如何手工推算
要明白手工推算，在脑子中一定要有一张架构图，有了这张架构图就方便行事了。
卦图中有几点要解释。
- 二进制怎么出来的？
可以用 windbg 的 .formats 命令。
1: kd> .formats 00007ff63e1e0050
Evaluate expression:
Hex: 00007ff6`3e1e0050
Decimal: 140695580835920
Binary: 00000000 00000000 01111111 11110110 00111110 00011110 00000000 01010000
- CR3 是什么？
CR3 是Windows的控制寄存器，它记录着这个进程所属的虚拟地址首地址，专业点就是 BaseDir （基目录） 地址，参考如下输出：
1: kd> !process 0 0 notepad.exe
PROCESS ffffe0011f9c9840
SessionId: 1 Cid: 11a8 Peb: 7ff63d8ff000 ParentCid: 0bf4
DirBase: 23c6d000 ObjectTable: ffffc00088bdcbc0 HandleCount: <Data Not Accessible>
Image: notepad.exe
- 各级页表占用多少bit位数？
- PXE 占用 9bit（39-47）
- PPE 占用 9bit（30-38）
- PDE 占用 9bit（21-29）
- PTE 占用 9bit（12-20）
有了这些信息之后，最后就是手工推算了，这里要提醒一下，每个表的首地址都把后 12bit 抹为0，因为他们是表的meta信息，详细输出如下：
1: kd> !process 0 0 notepad.exe
PROCESS ffffe0011f9c9840
SessionId: 1 Cid: 11a8 Peb: 7ff63d8ff000 ParentCid: 0bf4
DirBase: 23c6d000 ObjectTable: ffffc00088bdcbc0 HandleCount: <Data Not Accessible>
Image: notepad.exe
1: kd> r cr3
cr3=0000000023c6d000
1: kd> !dp 23c6d000 + (0y011111111*8) L1
#23c6d7f8 00900000`2360a867
1: kd> !dp 2360a000+(0y111011000*8) L1
#2360aec0 00e00000`0b910867
1: kd> !dp 0b910000 + (0y111110000*8) L1
# b910f80 00f00000`1fa51867
1: kd> !dp 1fa51000+(0y111100000*8) L1
#1fa51f00 81000000`0ad38025
从卦中可以看到最后推算出来的是 810000000ad38025 ，抹掉 高32bit 和 末 12bit 之后就变成了 ad38，这个就是我们的 pfn （页帧号） ，如果你想核算一下 !dp 出来的值对不对，可以看下 !pte 命令中的 contains xxx 是不是这个值？ 输出如下：
1: kd> !pte 00007ff63e1e0050
VA 00007ff63e1e0050
PXE at FFFFF6FB7DBED7F8 PPE at FFFFF6FB7DAFFEC0 PDE at FFFFF6FB5FFD8F80 PTE at FFFFF6BFFB1F0F00
contains 009000002360A867 contains 00E000000B910867 contains 00F000001FA51867 contains 810000000AD38025
pfn 2360a ---DA--UWEV pfn b910 ---DA--UWEV pfn 1fa51 ---DA--UWEV pfn ad38 ----A--UR-V
从卦中可以看到，四个地址和pfn都是对的，最后 pfn+页内偏移 = ad38050 ，也就是我们苦苦寻找的 物理地址，再次输出一下结果。
1: kd> !dB ad38050 L30
# ad38050 69 73 20 70 72 6f 67 72-61 6d 20 63 61 6e 6e 6f is program canno
# ad38060 74 20 62 65 20 72 75 6e-20 69 6e 20 44 4f 53 20 t be run in DOS
# ad38070 6d 6f 64 65 2e 0d 0d 0a-24 00 00 00 00 00 00 00 mode....$.......
三：总结
手工推算是不是非常的有意思，可以让我们更加的理解Windows底层玩法，WinDbg在手，天下我有！
