程序的机器级表示——基础

计算机执行的是机器代码，机器代码是二进制文件，既程序。机器代码用字节（1Byte=8bit）序列编码低级的操作，例如数据处理，管理存储器，从存储设备取数据等。使用高级语言（c，c++等）编写的程序（文本形式）最终需要被编译成机器代码才可以被计算机执行。当使用GCC c编译器来编译c语言代码时，会首先将其编译成汇编语言形式的内容，然后c编译器调用汇编器和连接器来最终形成计算机可执行的机器代码。汇编语言代码是机器码的文本形式，是机器码（字节序列）的文本助记形式。现在的要求是可以理解经过编译器优化过的汇编代码。

在Unix/Linux系统中，gcc是默认的编译器，也可以使用cc命令来调用gcc编译器。gcc命令实际上调用了一系列的程序来完成程序的编译工作。首先，c语言预处理器扩展程序源代码，插入#include加入的文件的源码，扩展使用#define声明的宏。然后编译器将源码文件编译为汇编语言文件（file.s形式），接下来编译器将汇编代码文件编译为目标文件（file.o形式），目标文件中的内容是目标代码，目标代码是机器码的另一种形式，它包含所有指令的机器码形式，但是没有填入地址的全局值，最后，连接器将目标文件与实现库函数的代码合并，形成最后可以执行的代码文件。

       计算机系统为程序提供各种各样的抽象来屏蔽实现细节，对于机器级编程来说，提供的抽象属于比较低级的抽象。对机器级编程最重要的为两个抽象。第一个抽象是机器级程序的格式和行为，定义为指令集体系结构（instruction set architecture，ISA），它定义了处理器状态，指令的格式和行为，以及每条指令对状态的影响。大多数ISA（包括IA32和X86-64）将指令的执行描述成顺序的，但是实际上计算机系统并行的执行很多条指令。但是提供给机器级程序的抽象使得每条指令像是顺序执行的。第二种抽象是存储器地址是虚拟地址，机器级程序将存储器看成是一个大的字节数组，但是实际上存储器系统是由多个硬件存储器和操作系统软件组成的。

       相对于c语言程序，IA32代码差别很大。许多对c语言屏蔽的细节在IA32程序中是可见的。（1）PC:程序计数器，保存下一个执行指令的地址（IA32中用%eip表示）。（2）整数寄存器文件，包括8个命名的存储器（存储位置），分别存储32位的值，这些存储器存储地址或者整数数据。（3）浮点数存储器存储浮点数据。（4）条件码寄存器：保存最近执行的算术或者逻辑指令的状态信息，它们用来实现控制或者数据流中的条件变化，比如说if或者while的实现。

同时，相对于c语言，机器码不区分数据结构，机器码只是将存储器（内存）看做连续的字节数组，c语言中的聚合数据类型，例如数组或者对象，在机器码中只是一组字节。程序存储器（内存）中存储的信息主要包括：程序的可执行机器代码，操作系统需要的一些信息，用来管理过程调用和返回的运行时栈，以及用户分配的存储器块（比如使用malloc库函数申请的块）。操作系统负责管理地址，用于将虚拟地址映射到存储器的真实物理地址。