计算机底层知识之汇编语言
?大家往往高估自己一天能学会的东西，低估三年能学会的东西 ?
大家好，我是「柒八九」。
今天，我们继续「计算机底层知识」的探索。我们来谈谈关于「汇编语言」的相关知识点。
如果，想了解该系列的文章，可以参考我们已经发布的文章。如下是往期文章。
文章list
你能所学到的知识点
?
- 汇编语言和本地代码是「一一对应」的 「推荐阅读指数」 ??????????
- 不会转换成本地代码的伪指令 「推荐阅读指数」 ??????
- 汇编语言的语法是「操作码 + 操作数」 「推荐阅读指数」 ??????????
- mov指令 「推荐阅读指数」 ??????
- 对栈进行push 和 pop 「推荐阅读指数」 ??????
- 函数调用机制 「推荐阅读指数」 ??????????
- 函数内部的处理 「推荐阅读指数」 ??????????
- 全局变量用的内存空间 「推荐阅读指数」 ??????
- 循环处理的实现方法 「推荐阅读指数」 ??????????
?
好了，天不早了，干点正事哇。
汇编语言和本地代码是一一对应的
在前面的文章中我们多次提到，计算机CPU能直接解释运行的只有「本地代码」（机器语言）程序。用C语言等编写的源代码，需要通过各自的「编译器」编译后，转换成本地代码。
通过调用本地代码的内容，可以了解程序最终是以何种形式来运行的。但是，直接打开本地代码来看，只能看到数值的罗列。
我们可以采用另外一种方式，在各本地代码中，附带上表示其功能的英语单词缩写。例如，在加法运算的本地代码中加上add、在比较运算的本地代码中加上cmp等。这些缩写被称为「助记符」，使用助记符的编程语言称为「汇编语言」
不过，「即使是用汇编语言编写的源代码，最终也必须要转换成本地代码才能运行」。负责准换工作的程序称为「汇编器」，转换这个一处理本身称为「汇编」。
?用汇编语言编写的源代码，和本地代码是一一对应的 ?
本地代码也可以反过来转换成汇编语言的源代码。持有该功能的「逆变换」程序称为「反汇编程序」，逆变换这一处理本身称为「反汇编」。
不会转换成本地代码的伪指令
汇编语言的源代码，是由转换本地代码的指令和针对汇编器的「伪指令」构成的。「伪指令负责把程序的构造及汇编的方法指示给汇编器（转换程序）」。不过，伪指令是无法汇编转换成本地代码。
如上是一个汇编代码片段。其中「彩色」部分是伪指令。
由伪指令segment和ends围起来的部分，是给构成程序的命令和数据的集合体加上一个名字而得到的，称为「段定义」。段定义的英文表达segment具有区域的意思。在程序中，「段定义指的是命令和数据等程序的集合体的意思」。
?一个程序由多个段定义构成 ?
如上图所示。源代码的开始位置，定义了3个名称分别为_TEXT、_DATA、_BSS的段定义。
_TEXT是指令的段定义_DATA是被初始化（有初始值）的数据的段定义_BSS是尚未初始化的数据的段定义
而这些段定义的名称及划分方法，不同的编译器都有自己的一套规则。
伪指令proc和endp围起来的部分，表示的是过程Proceduce的范围。在汇编语言中，这种相当于C语言的函数的形式称为过程。
汇编语言的语法是「操作码 + 操作数」
「在汇编语言中，1行表示对CPU的一个指令」。汇编语言指令的语法结构是「操作码」+「操作数」。
- 「操作码」表示的是指令动作
- 「操作数」表示的是指令对象
操作码和操作数罗列在一起的语法，就是一个英文的指令文本。操作码是动词，操作数相当于宾语。
能够使用何种形式的操作码，是由CPU的种类决定的。
常用操作码的功能
本地代码加载到内存后才能运行。内存中存储着构成本地代码的指令和数据。程序运行时，CPU会从内存中把指令和数据读出，然后再将存储在CPU内部的寄存器中进行处理。
「寄存器是CPU中的存储区域」。不过，寄存器并不仅仅具有存储指令和数据的功能，也有运算功能。寄存器的名称会通过汇编语言的源代码指定给操作数。内存中的存储区域是用「地址编号」来区分的。CPU内的寄存器是用eax及ebx这些名称开区分的。
下图是CPU的寄存器的主要种类和角色
mov指令
mov指令的两个操作数，分别是用来指定数据的「存储地」和「读出源」。
操作数可以指定寄存器、常数、标签（附近在地址前）以及用方括号([])围起来的这些内容。
- 如果指定了「没有用方括号围起来」的内容，就表示对该值进行处理
- 如果指定了「用方括号围起来」的内容，方括号中的值则会被解释为「内存地址」，然后就会对该内存地址对应的值进行读写操作
mov ebp,esp;
mov eax,dword ptr [ebp+8];
mov ebp,esp中，esp寄存器中的值被直接存储在ebp寄存器中。esp寄存器的值是100时ebp寄存器的值也是100。
而mov eax,dword ptr [ebp+8];中，ebp寄存器的值加8后得到的值会被解释为内存地址。如果ebp寄存器的值是100的话，那么eax寄存器中存储的就是100 + 8 = 108地址的数据。
对栈进行push 和 pop
?程序运行时，会在内存上申请分配一个称为「栈」的数据空间。 ?
在栈中，数据在存储时是从内存的下层（大的地址编号）逐渐往上层(小的地址编号)累积，读出时则是按照从上往下的顺序进行。
栈是「存储临时数据的区域」，它的特点是通过push指令和pop指令进行数据的存储和读出。push指令和pop指令中只有一个操作数。该操作数表示的是「push的是什么及pop的是什么」，而不需要指定”对哪一个地址编号的内存进行push或pop“。
这是因为，对栈进行读写的内存地址是有esp寄存器（栈指针）进行管理的。push指令和pop指令运行后，esp寄存器的值会「自动进行更新」（push指令是-4,pop指令是+4），因而就没有必要指定内存地址了。
函数调用机制
假设存在如下的C语言代码片段。
// 返回两个参数值之和的函数
int AddNum(int a,int b){
return a + b;
}
// 调用AddNum函数的函数
void MyFunc(){
int c;
c = AddNum(123,456);
}
转换成对应的汇编语言的代码如下。
这里我们先介绍(3)~(6)的部分，这对了解函数调用的机制很重要。
(3)和(4)表示的是将传递给AddNum函数的参数通过push入栈。在C语言中，虽然记述为函数AddNum(123,456),但入栈的则会按照456、123这样的顺序，也就是位于「后面的数值先入栈」。
(5)的call指令，把程序流程跳转到了操作数中指定的AddNum函数所在的内存地址处。在汇编语言中，「函数名表示的是函数所在的内存地址」。AddNum函数处理完毕后，程序流程必须要返回到编号(6)这一行。call指令运行后，call指令的下一行(（6）这一行)的内存地址会「自动」push入栈。该值会在AddNum函数处理的最后通过ret指令pop出栈，然后程序流程就会返回到(6)这一行。
(6)部分会把栈中存储的两个参数(456和123)进行销毁处理，也就是「栈清理处理」。虽然通过使用两次pop指令也可以实现，不过「采用esp寄存器加8的方式更有效率」(处理一次)。对栈进行数值的输入输出时，数值的单位是4字节。因此，通过在栈地址管理的esp寄存器加上4的2倍8，就可以达到和运行两次pop命令同样的效果。
AddNum函数调用前后栈的状态变化
函数内部的处理
继续分析执行AddNum函数的源代码部分。
ebp寄存器的值在(1)中入栈，在(5)中出栈。这主要是为了把函数中用到的ebp寄存器的内容，恢复到函数调用前的状态。CPU拥有的寄存器是有数量的限制的。在函数调用前，调用源有可能已经在使用ebp寄存器了。因而，「在函数内部用的寄存器，要尽量返回到函数调用前的状态」。
(2)中负责管理栈地址的esp寄存器的值赋值到了ebp寄存器中。这是因为，在mov指令中方括号内的参数，是不允许指定esp寄存器的。因此，这里就采用了不直接通过esp，而是用ebp寄存器来读写栈内容的方法。
(3)是用[ebp+8]指定栈中存储的第1个参数123,并将其读出到eax寄存器中。eax寄存器是负责运算的累加寄存器
通过(4)的add指令，把当前eax寄存器的值同第2个参数相加后的结果存储在eax寄存器中。「函数的参数是通过栈来传递，返回值是通过寄存器来返回的」。
(6)中ret指令运行后，函数返回目的地的内存地址会自动出栈。
AddNum函数内部的栈状态变化
全局变量用的内存空间
在一些高级编程语言中，在函数外部定义的变量称为「全局变量」，在函数内部定义的变量称为「局部变量」。全局变量可以在源代码的任意部分被引用，而局部变量只能在定义该变量的函数内进行引用。
高级程序语言被编译后，会被归类到名为「段」定义的组。
- 初始化的全局变量被汇总到名为
_DATA的段定义中 - 没有初始化的全局变量被汇总到名为
_BSS的段定义中 - 指令被汇总到名为
_TEXT的段定义中
局部变量的内存空间
「局部变量只能在定义该变量的函数内进行引用」，这是因为，局部变量是临时保存在寄存器和栈中的。
函数内部利用的栈，在函数处理完毕后会恢复到初始状态，因此局部变量的值也就会被销毁，而寄存器也可能被用于其他目的。因此，局部变量只是在函数处理运行期间临时存储在寄存器和栈上。
用于局部变量的栈空间的申请分配和释放
循环处理的实现方法
假设我们存在如下的代码，将局部变量i作为循环计数器连续进行10次循环的C语言源代码。
// 定义MySub函数
void MySub(){
// 省略部分处理
}
// 定义MyFunc函数
void MyFunc(){
int i;
for(i=0;i<10;i++){
// 重复调用MySub函数10次
MySub();
}
}
将上述的代码转换成汇编语言如下（仅展示for片段）
C语言的for语句是通过在括号中指定「循环计数器」的初始值(i=0)、循环的继续条件(i<10)、循环计数器的更新(i++)这3种形式来进行循环处理。与此相对，
?在汇编语言的源代码中，循环是通过「比较指令」（
cmp）和「跳转指令」（jl）来实现。 ?
具体流程我们就不在这里赘述。这里挑选比较重要的点来分析下。
cmp指令是用来对第一个操作数和第二个操作数的数值进行比较的指令。cmp ebx,10就相当于C语言的i<10这一处理，意思是把ebx寄存器的数值同10进行比较。汇编语言中比较指令的结果，会存储在CPU的「标志寄存器」中。
最后一行的jl是jump on less than(小于的话就跳转)的意思。也就是说,jl short @4的意思就是，前面运行的比较指令的结果，若「小」的话就跳转到@4这个「标签」。
条件分支的实现方式
条件分支的实现方法同循环的实现方法类似，使用的也是cmp指令和跳转指令。
后记
「分享是一种态度」。
参考资料：《程序是怎样跑起来的》
「全文完，既然看到这里了，如果觉得不错，随手点个赞和“在看”吧。」