程序的表示(一)

程序的表示(一)

本次我们使用x86-64指令集架构(ISA)来对程序的机器级表示做描述，ISA定义了指令的格式，处理器的状态，以及指令对处理器的影响。与机器代码相比，ISA具有更好的可读性。

查看机器代码

查看机器代码的方式有许多中，以代码文件swap.c为例

void swap(int *a, int *b) {
    int tmp = *a;
    *a = *b;
    *b = tmp;
}

编译时查看

gcc -Og -S swap.c

其中-O选项表示要选择的优化级别，-Og会告诉编译器不做优化，-S表示生成汇编代码，由此得到的汇编代码如下所示：

	.file	"hello.c"
	.text
	.globl	_swap
	.def	_swap;	.scl	2;	.type	32;	.endef
_swap:
LFB0:
	.cfi_startproc
	pushl	%ebx
	.cfi_def_cfa_offset 8
	.cfi_offset 3, -8
	movl	8(%esp), %edx
	movl	12(%esp), %eax
	movl	(%edx), %ecx
	movl	(%eax), %ebx
	movl	%ebx, (%edx)
	movl	%ecx, (%eax)
	popl	%ebx
	.cfi_restore 3
	.cfi_def_cfa_offset 4
	ret
	.cfi_endproc
LFE0:
	.ident	"GCC: (MinGW.org GCC-6.3.0-1) 6.3.0"

所有以 . 开头的行都是指导汇编器和链接器工作的伪指令，我们可以忽略，由此得到核心汇编代码为：

_swap:
LFB0:
	pushl	%ebx
	movl	8(%esp), %edx
	movl	12(%esp), %eax
	movl	(%edx), %ecx
	movl	(%eax), %ebx
	movl	%ebx, (%edx)
	movl	%ecx, (%eax)
	popl	%ebx
	ret

gdb查看字节表示

(gdb) x/20xb swap
0x0 <swap>:     0x53    0x8b    0x54    0x24    0x08    0x8b    0x44    0x24
0x8 <swap+8>:   0x0c    0x8b    0x0a    0x8b    0x18    0x89    0x1a    0x89
0x10 <swap+16>: 0x08    0x5b    0xc3    0x90

这条命令告诉gdb显示(x)从swap开始的20个十六进制(x)的字节(b)

编译后反汇编器查看汇编代码

命令如下：

objdump -d swap.o

生成的结果如下：

00000000 <_swap>:
   0:   53                      push   %ebx
   1:   8b 54 24 08             mov    0x8(%esp),%edx
   5:   8b 44 24 0c             mov    0xc(%esp),%eax
   9:   8b 0a                   mov    (%edx),%ecx
   b:   8b 18                   mov    (%eax),%ebx
   d:   89 1a                   mov    %ebx,(%edx)
   f:   89 08                   mov    %ecx,(%eax)
  11:   5b                      pop    %ebx
  12:   c3                      ret
  13:   90                      nop

很容易发现gdb查看到的字节表示也就正对应反汇编器左边的字节表示，右边是相应的汇编代码。

其中有许多的特性值得说明：

1. x86-64的指令长度在1-15字节不等，越常用的指令越短
2. 反汇编器得到的汇编代码与编译时看到的汇编代码不同，反编译后省略了大小后缀

数据格式

x86指令集最初为16位，之后扩张成32位，再到后来的64位。历史原因，称16位数为“字”，32位数为“双字”，64位数为“四字”。下面是C语言各种数据类型在x86-64ISA中的大小，很容易理解在64位机上指针的大小为8字节。对于浮点数使用的是不同组的寄存器和指令，故汇编代码会有所差别。

C声明	Intel数据类型	汇编代码后缀	大小（字节）
char	字节	b	1
short	字	w	2
int	双字	l	4
long	四字	q	8
char*	四字	q	8
float	单精度	s	4
double	双精度	l	8

寄存器

一个单核cpu中包含16个存储64位值的整数寄存器，用来存储整数数据和指针。所有的16个寄存器的低位部分都可以作为字节、字、双字、四字数字来访问。由于最初的intel机8086中有8个16位寄存器，即%ax到%sp。历史原因每个名字有不同的用途，到后来扩展到IA32架构时，这些寄存器也就扩展成了32位，一直到现在扩展成了64位。而且在后来还添加了8个64位寄存器，标号是按照新的命名方式制定的，也就是%r8到%r15。总体表示如下

操作数指示符

一条指令可以有一个或者多个操作数。操作数用于指示出一个指令操作的源数据以及存放结果的位置。操作数有以下三种：

1. 立即数

   用来表示常数，格式是\$后面加上C语言表示法的整数，例如\$0xFF。在不同的指令中允许的立即数范围不同，这与我们上面提到的数据格式有关。

2. 寄存器

   即表示寄存器中的内容，16个寄存器中的低1字节、2字节、4字节、8字节中的一个均可作为操作数。例如使用 \(r_a\) 来表示一个寄存器，则\(R[r_a]\)就表示寄存器中保存的值。

3. 内存引用

   内存引用会根据内存地址在内存中取出来值。用\(M[address]\)表示从地址address开始的值，至于取多少字节与指令有关。

操作数的所有格式如下所示：

类型	格式	操作数值	名称
立即数	\(Imm\)	\(Imm\)	立即数寻址
寄存器	\(r_a\)	\(R[r_a]\)	寄存器寻址
存储器	\(Imm\)	\(M[Imm]\)	绝对寻址
存储器	\((r_a)\)	\(M[R[r_a]]\)	间接寻址
存储器	\(Imm(r_a)\)	\(M[R[r_a]+Imm]\)	(基址+偏移量)寻址
存储器	\((r_a, r_b)\)	\(M[R[r_a] + R[r_b]]\)	变址寻址
存储器	\(Imm(r_a, r_b)\)	\(M[R[r_a] + R[r_b] + Imm]\)	变址寻址
存储器	\((, r_a, s)\)	\(M[R[r_a]*s]\)	比例变址寻址
存储器	\(Imm(, r_a, s)\)	\(M[R[r_a]*s + Imm]\)	比例变址寻址
存储器	\((r_a, r_b, s)\)	\(M[R[r_a] + R[r_b]*s]\)	比例变址寻址
存储器	\(Imm(r_a, r_b, s)\)	\(M[R[r_a] + R[r_b]*s] + Imm\)	比例变址寻址