Linux内核设计（第一周）——从汇编语言出发理解计算机工作原理

Linux内核设计（第一周）——从汇编语言出发理解计算机工作原理

计算机工作原理

汇编指令

C语言代码汇编分析

by苏正生

原创作品转载请注明出处

《Linux内核分析》MOOC课程http://mooc.study.163.com/course/USTC-1000029000

从2月22日起，本学期的linux课程开始了。通过这两天的学习，觉得孟宁老师讲的真不错，条理清晰，举例适当。本周从计算机工作原理出发，回顾了冯诺依曼计算机结构，也回顾了汇编寄存器、汇编指令、C语言程序的汇编分析技巧，很是受用。

一.知识点回顾

1.冯诺依曼理论的要点是:数字计算机的数制采用二进制;计算机应该按照程序顺序执行。

---

2.以Intel 8086和8088为例有十四个16位寄存器，比如AX, BX, CX, DX到了32位处理器时代，相对于16位处理器进行了扩展，在16位的寄存器基础上加上E前缀，比如AX变成了EAX，在后来，AMD出了64位处理器，采用的R前缀。

---

3.汇编指令在32位机器中都以l结尾,AT&T格式的汇编指令是“源操作数在前，目的操作数在后”，而intel格式是反过来的，即如下：
AT&T格式：movl %eax, %edx
Intel格式：mov edx, eax

二、实验过程

1.在实验楼Linux系统实验平台编写c代码：

int g(int x)
{
return x + 3;
}

int f(int x)
{
return g(x);
}

int main(void)
{
return f(8) + 1;
}

2.反编译

在实验楼平台下，使用 gcc -S -o main.s main.c -m32将它反汇编成main.s。注意，我们所用的实验平台是X86-64的操作系统，所以为了产生32位的汇编代码，我使用了-m32选项让它生成32位汇编指令
生成如下汇编代码：

.file    "main.c"
.text
.globl  g
.type   g, @function
g:
.LFB0:
.cfi_startproc
pushl   %ebp
.cfi_def_cfa_offset 8
.cfi_offset 5, -8
movl    %esp, %ebp
.cfi_def_cfa_register 5
movl    8(%ebp), %eax
addl    $3, %eax
popl    %ebp
.cfi_restore 5
.cfi_def_cfa 4, 4
ret
.cfi_endproc
.LFE0:
.size   g, .-g
.globl  f
.type   f, @function
f:
.LFB1:
.cfi_startproc
pushl   %ebp
.cfi_def_cfa_offset 8
.cfi_offset 5, -8
movl    %esp, %ebp
.cfi_def_cfa_register 5
subl    $4, %esp
movl    8(%ebp), %eax
movl    %eax, (%esp)
call    g
leave
.cfi_restore 5
.cfi_def_cfa 4, 4
ret
.cfi_endproc
.LFE1:
.size   f, .-f
.globl  main
.type   main, @function
main:
.LFB2:
.cfi_startproc
pushl   %ebp
.cfi_def_cfa_offset 8
.cfi_offset 5, -8
movl    %esp, %ebp
.cfi_def_cfa_register 5
subl    $4, %esp
movl    $8, (%esp)
call    f
addl    $1, %eax
leave
.cfi_restore 5
.cfi_def_cfa 4, 4
ret
.cfi_endproc
.LFE2:
.size   main, .-main
.ident  "GCC: (Ubuntu 4.8.2-19ubuntu1) 4.8.2"
.section    .note.GNU-stack,"",@progbits

代码中有许多以.开头的代码行，属于链接时候的辅助信息,在实际中不会执行，把它删除，得到下列的代码就是纯汇编代码了：

g:

pushl   %ebp
movl    %esp, %ebp
movl    8(%ebp), %eax
addl    $3, %eax
popl    %ebp
ret

f:

pushl   %ebp
movl    %esp, %ebp
subl    $4, %esp
movl    8(%ebp), %eax
movl    %eax, (%esp)
call    g
leave
ret

main:

pushl   %ebp
movl    %esp, %ebp
subl    $4, %esp
movl    $8, (%esp)
call    f
addl    $1, %eax
leave
ret

三.汇编代码分析

经过观察，我们可以看出，每一个函数基本上都有一个几乎相同的汇编格式：

函数名:

pushl   %ebp
movl    %esp, %ebp
+函数中间过程
leave（或者popl    %ebp）
ret

【注意】leave和下面代码等价

movl    %ebp, %esp
popl    %ebp

enter和下面代码等价

pushl   %ebp
movl    %esp, %ebp

1.函数执行

通过查阅资料，我们知道在计算机内部执行代码的时候，每当调用一个函数的时候，函数总是先把当前的栈底指针压入堆栈，然后把栈底指针移动到当前的栈顶，这样子做，相当于在旧的栈上新起了一个栈。然后在新栈上执行函数。
当函数执行结束的时候，如果堆栈有变化，我们可以用movl %ebp,%esp来恢复堆栈。如果函数结束后，堆栈没有变化，那么这句话就可以不要。
函数调用结束后，就要使用ret返回到调用它的函数。同时，我们还需要回复栈底指针，以便于函数返回值的传递。于是popl %ebp。通常相对叫简洁的汇编代码中，会用leave来代替刚才所用的两句话。

2.函数调用

函数执行一定得是有函数调用了。

call    f
addl    $4, %esp

这是调用f函数的过程。
等到ret后，返回了现在的call的下一行汇编代码。这时候，esp和ebp是一个值，所以这以后如果压栈的时候，会覆盖了栈底指针，把esp往栈顶上移动1个单位也就是4个字节，这时候就完美解决了调用后的问题，才是真正调用完成了。

3.函数参数取得

这时候，得回头看一下f函数了。这时候，我们发现它用了

pushl   8(%ebp)
call    g
addl    $4, %esp

它把增加了8个字节的地址压栈了，然后调用了g函数。
分析一下为什么是8个字节，我们可以用sizeof关键字来测试得到int占4个字节……所以，它却加了8个字节取值，那么必然是有什么怪东西又入栈了。pushl %ebp是每次函数执行的时候使用的，就是ebp寄存器还占用了4个字节，如果是32位芯片，寄存器(32位=8位/字节\times 4字节)。
所以，又发现了ebp寄存器的一个好处，能够让我们方便取得函数的参数……否则后面再去参数，栈位置变了好多，就不方便了。

4.图解

（1）main函数

此时ebp入栈，将esp的值赋给ebp，相当于一个旧的栈底指针。
然后esp-4，在栈中向下一个空格，然后在此位置放入8.

然后此时调用f函数。call F ，函数调用指令，首先把当前eip的值[当前eip指向第四条指令，即movl $8, %esp]入栈，然后跳转到F函数的第一条指令开始执行。
此时栈中的情况如下如所示：

（2）f函数

这里前条指令和main函数的头两条指令作用相同，保存当前栈环境，为F函数开辟新的栈空间。然后将esp的值减4，跳到下一格。
pushl 8(%ebp)，该指令把当前ebp中的数值加8后作为内存地址，并把该内存地址指向的内存空间内的数值"8"放入栈中。其实就是把调用函数是传入的参数入栈。
然后将eax中的值——8传给当前esp位置，相当于返回值。
此时，调用函数g。call g，函数调用指令，当前eip入栈后，跳转到G函数的第一条指令执行

（3）g函数

g函数和之前的f函数基本一致。
popl %ebp，从栈中获取旧的esp值，并放入ebp寄存器。[这里之所以没有再加上一条movl %ebp, %esp是因为函数中esp的值并没有改变，依然指向存放旧esp值的内存空间]
ret 等价于pop eip，从当前栈顶，即esp所指内存处获取值，作为eip，然后跳转到eip中存放的地址继续执行。
到这里，函数G已经返回，其返回值存储在eax寄存器中，即返回值为11

（4）返回到函数F中

（4）返回到main中

1 ...
2 leave
3 ret

leave，等价于 如下两条指令
　　　　movl %ebp, %esp
　　　　pop %ebp
即函数结语，释放F函数使用的栈空间，此时栈中情况如图:

再接着是ret指令，该指令执行后，函数F返回，程序回到main函数继续执行
此时eax中存放的是函数exF的返回值，即11
回到main函数继续执行

1 ...
2 addl $1, %eax
3 leave
4 ret
addl $1, %eax 此时eax中的值是main函数调用函数F的得到的返回值，即11,本条指令将eax中的值加2后放回eax，执行后eax中的值为12
ret main函数返回

总结

通过本次试验，我们对于计算机对于程序的执行有了一些新的认识。计算机每次都是各种取指针执行，在程序中各种跳转。在函数执行前要enter,函数执行后要leave(如果没有改变esp就可以省去把ebp赋值给esp的步骤了),ret函数取值可以靠ebp很方便做到，函数调用结束后要记住恢复堆栈指针(esp)。当然还有很多不足，有一些问题都是通过查阅互联网来分析和理解的，难免有不正确的地方，希望之后和老师沟通和确认，也希望大家来指正。
参考资料：
1.七种寻址方式(直接寻址方式) - 李龙江 - 博客园
http://www.cnblogs.com/lilongjiang/archive/2011/06/14/2080551.html
2.汇编基础知识 - [C/C++] - 杨德龙的专栏 - 博客频道 - CSDN.NET
http://blog.csdn.net/yangdelong/article/details/2594660
3.Linux内核分析 - 网易云课堂
http://mooc.study.163.com/learn/USTC-1000029000?tid=2001214000#/learn/content