Linux 进程虚拟地址空间布局

文章目录

• 1.虚拟地址空间简介
• 2.虚拟地址空间布局
• 参考文献

1.虚拟地址空间简介

虚拟地址空间（Virtual Address Space）是每一个程序被加载运行起来后，操作系统为进程分配的虚拟内存，它为每个进程提供了一个假象，即每个进程都在独占地使用主存。

每个进程所能访问的最大的虚拟地址空间由计算机的硬件平台决定，具体地说是由 CPU 的位数决定的。比如 32 位的 CPU 决定了虚拟地址空间的大小为 0 - 2^{32}-1，即 0x00000000 - 0xFFFFFFFF，也就是我们常说的 4 GB 虚拟内存空间。如果是 64 位的CPU，那么寻址范围是 0 - 2^{64} -1，即 0x0000000000000000 - 0xFFFFFFFFFFFFFFFF，共有 17 179 864 184 GB。

假设我们使用的是 32 位的硬件平台，4GB 的虚拟内存空间可以被用户程序完全占用吗？很显然，不行。因为除了用户进程，操作系统会独占一部分虚拟内存空间，用户进程只能使用操作系统分配给进程的地址空间，如果用户进程访问未经允许的地址空间，则会被操作系统判为非法请求，结果就是程序被操作系统强制结束。比如 Windows 下的“进程因非法操作需要关闭” 和 Linux 下的 “Segmentation fault”，一般都是由于进程访问了非法的内存地址。

对于 Linux，4GB 的虚拟地址空间的默认分配状态如下：

在这里插入图片描述

2.虚拟地址空间布局

C/C++程序为编译链接后生成可执行的二进制文件，由多个段组成，一般包含代码段、数据段和 BSS 段等。由于可执行文件段的数量较多，映射到虚拟地址空间时，由于段的大小往往并不是系统页大小的整数倍，多余部分也会占用一个页，这就会造成内存空间的浪费。当操作系统装载程序时，会进行优化，将多个相同属性的段合并成一个段进行装入，比如将相同权限的段合并成一个段进行映射。段的权限一般分为如下三种： （1）以代码段 .text 为代表的可读可执行的段； （2）以数据段 .data 和未初始化数据段 .bss 为代表的可读可写的段； （3）以只读数据段 .rodata 为代表的只读的段。

比如 .text 和 .init 段，分别包含程序的可执行代码和初始化代码，操作系统在装载程序时可以将这两个段合并成一个段（Segment）进行映射，以节省内存空间。

说到合并后的段（Segment）和合并之前的段（Section），虽然中文叫法相同，但对于英文称谓是不同的。合并后的段是 Segment，是程序装载时的概念，合并之前的段是 Section，是程序链接时的概念，需要加以区分。系统按照 Segment 进行装载映射可执行文件而不是 Section。

可执行文件载入内存运行时，在 Linux 环境下的虚拟地址空间由一般有代码段、初始化数据段、未初始化数据段、堆和栈构成，如果程序使用了内存映射文件（比如共享库、共享文件），那么包含映射段。Linux 环境程序典型的内存布局如下图所示。

这里写图片描述

有时候，把 BSS 段与 Data 段看做成一个可读写的数据段也是可以的，这里做了区分。下面简要说明程序装载时相关的段。

代码段（Text Segment），用户存放 CPU 执行的机器指令，为防止指令被其它程序修改，代码段一般只读不可更改。比如，源码中的字符串常量存储于代码段，不可修改。

初始化数据段（Data Segment）又称为数据段，用于存储初始化的全局变量和Static变量，段大小在编译时确定，所以内存的分配属于静态内存分配。

未初始化数据段（BSS Segment，Block Started by Symbol），又称为BSS段，通常用来存放程序中未初始化的全局变量和 Static 变量。虽未显示初始化，但在程序载入内存执行时，由内核清 0，所以未显示初始化则默认为 0。BSS 段的大小也是在编译时确定，内存分配属于静态内存分配。

堆（Heap），用于保存程序运行时动态申请的内存空间，由开发人员手动申请，手动释放，若不手动释放，程序结束后由系统回收，生命周期是整个程序运行期间，比如使用malloc()或new申请的内存空间。堆的地址空间“向上增加”，即当堆上保存的数据越多，堆的地址就越高。堆的内存分配属于动态分配，一般运行时才知道分配的内存大小，并且堆可分配存活于函数之外的内存，在未显示调用free()或delete释放时，其生命周期为进程的生命周期。

映射段（Memory Mapping Segment）,该区域内核将文件内容直接映射到内存。任何应用程序都可以请求该区域。Linux中通过mmap()系统调用，Windows中通过creatFileMapping()/MapViewOfFile()创建。文件I/O时内存映射方便并且高效，所以，它常用来加载动态库，还可以创建一种匿名映射，并不对应于文件，而用于程序数据。在Linux中，如果使用malloc()申请一块过大的内存，C库函数便会创建这种内存映射段，而不是使用堆内存。“过大”的内存指超过M_MMAP_THRESHOLD字节，默认128KB，可以通过mallopt()函数调整。映射段也属于动态分配。

栈（Stack），用于保存函数的局部变量（但不包括static声明的静态变量，静态变量存放在数据段或BSS段）、参数、返回值、函数返回地址以及调用者环境信息（比如寄存器值）等信息，由系统进行内存的管理，在函数完成执行后，系统自行释放栈区内存，不需要用户管理。整个程序的栈区的大小可以由用户自行设定，Windows默认的栈区大小为1M，可通过Visual Studio更改编译参数手动更改栈的大小。64bits的Linux默认栈大小为10MB，可通过命令ulimit -s临时修改。栈是一种“后进先出”（Last In First Out，LIFO）的数据结构，这意味着最后入栈的数据，将会是第一个出栈的数据。对于那些暂时存贮无需长期保存的信息来说，LIFO这种数据结构非常理想。在调用函数后，系统通常会清除栈上保存的信息。栈另外一个重要的特征是，它的地址空间“向下减少”，即当栈上保存的数据越多，栈的地址就越低。

内核空间（Kernel Space）， 用于存储操作系统和驱动程序，用户空间用于存储用户的应用程序，二者不能简单地使用指针传递数据。当一个进程执行系统调用而陷入内核空间执行内核代码时，我们称进程处于内核运行态（或简称为内核态）。此时处理器处于特权级最高的（0级）内核代码中执行。当进程处于内核态时，执行的内核代码会使用当前进程的内核栈。每个进程都有自己的内核栈。当进程在执行用户自己的代码时，则称其处于用户运行态（用户态），即此时处理器在执行最低特权级（3级）用户代码。当正在执行用户程序而突然被中断程序中断时，此时用户程序也可以象征性地称为处于进程的内核态。因为中断处理程序将使用当前进程的内核栈，这与处于内核态进程的状态有些类似。

内存段的特点和区别如下。

由于内核空间包含内核栈和内核的数据段，所以内存地址生长方向既有由低到高（内核数据段），也有由高到低（内核栈）。关于读写的特点，由内核进行读写，用户程序不可直接访问。

下面以 C++ 为例，看一下常见变量所属的内存段。

#include <string.h>

int a = 0;                 		// a在数据段，0为文字常量，在代码段
char *p1;                  		// BSS段，系统默认初始化为NULL
void main() {
    int b;                 		// 栈
    char *p2 = "123456";  		// 字符串"123456"在代码段，p2在栈上
    static int c = 0;      		// c 在数据段
    const int d = 0; 			// 栈
    static const int d;			// 数据段
    p1 = (char*)malloc(10);		// 分配的10字节在堆
    strcpy(p1,"123456"); 		// "123456"放在代码段，编译器可能会将它与p2所指向的"123456"优化成一个地方
}

以上所有代码，编译成二进制机器指令存放于代码段，不可修改。

参考文献

[1] linux内核空间和用户空间详解 [2] 程序或-内存区域分配（五个段）–终于搞明白了 [3] 进程内存分布剖析 [4] 深入理解计算机系统中文版[M].C1.7.3虚拟内存.P12-P14 [5] 深入理解计算机系统中文版[M].C9.7.2.Linux虚拟内存系统.P580-P581 [6] 俞甲子,石凡,等.程序员的自我修养——链接、装载与库[M].北京:电子工业出版社,2009-04.C6.4 进程虚存空间分布.P161-173