程序的机器级表示 - 程序的编码

 关注
发布于: 2020 年 07 月 12 日
计算机执行的代码我们一般使用高级语言编程，比如C、Java等，使用这些语言的时候，我们实际是不知道计算机底层的一些细节，操作系统与高级语言本身，将很多细节屏蔽了；高级语言是对人友好的，它其实只是方便我们人来阅读，而对于计算机其是不能识别高级语言的。
计算机实际执行的是机器代码，用字节序列编码低级的操作，包括处理数据、管理内存、读写存储设备上的数据，以及网络通讯。–《深入理解计算机系统-原书第三版-第三章程序的机器级表示》
机器语言（机器代码）是与特定的计算机相关的，不同系列的计算机其机器语言是互不相同的，机器语言其实就是特定的二进制序列，虽然其能够直接被计算机识别，但是机器语言写的程序存在不便于阅读、难以记忆的问题，也就是对于人不够友好。
为了解决这个问题，人们使用助记符号代替机器语言中的指令，这就形成了汇编语言。汇编语言使指令容易理解和记忆，而且便于交流，使计算机软件的发展大大前进了一步。但是，由于计算机只认识机器语言，所以用汇编语言编写的程序还必须翻译成机器指令码，计算机才能识别和执行。这种翻译工作也可由计算机来完成，具有这种翻译功能的程序就是汇编程序。
程序的编码虽然有了汇编语言，但是使用其编程耗费的时间还是太大，所以人们为了更容易编程，发明了各种高级语言，如C、FORTRAN、Lisp等语言。高级语言比机器语言、汇编语言更接近人的语言，用户可以不必了解计算机的指令系统和具体结构，就能够编制程序，大大提高了编程的效率，而且高级语言的可移植性比汇编语言强很多。
但是要执行用高级语言编写的程序，需要将其转化为机器可执行的代码，这个过程就是编译，将一种格式的编码转换为另一种格式的编码。
C语言与汇编语言对于如下C语言代码：
#include <stdio.h>
int add(int, int);
int main(){
    int ans = add(5,6);
    printf("5+6=%d\n",ans);
}
int add(int a, int b){
    return a + b;
}
我们可以用命令查看其编译为汇编语言后的代码，gcc -S add.c
    .file   "add.c"
    .text
    .section    .rodata
.LC0:
    .string "5+6=%d\n"
    .text
    .globl  main
    .type   main, @function
main:
.LFB0:
    .cfi_startproc
    pushq   %rbp
    .cfi_def_cfa_offset 16
    .cfi_offset 6, -16
    movq    %rsp, %rbp
    .cfi_def_cfa_register 6
    subq    $16, %rsp
    movl    $6, %esi
    movl    $5, %edi
    call    add
    movl    %eax, -4(%rbp)
    movl    -4(%rbp), %eax
    movl    %eax, %esi
    leaq    .LC0(%rip), %rdi
    movl    $0, %eax
    call    printf@PLT
    movl    $0, %eax
    leave
    .cfi_def_cfa 7, 8
    ret
    .cfi_endproc
.LFE0:
    .size   main, .-main
    .globl  add
    .type   add, @function
add:
.LFB1:
    .cfi_startproc
    pushq   %rbp
    .cfi_def_cfa_offset 16
    .cfi_offset 6, -16
    movq    %rsp, %rbp
    .cfi_def_cfa_register 6
    movl    %edi, -4(%rbp)
    movl    %esi, -8(%rbp)
    movl    -4(%rbp), %edx
    movl    -8(%rbp), %eax
    addl    %edx, %eax
    popq    %rbp
    .cfi_def_cfa 7, 8
    ret
    .cfi_endproc
.LFE1:
    .size   add, .-add
    .ident  "GCC: (GNU) 10.1.0"
    .section    .note.GNU-stack,"",@progbits
﻿
﻿
对于add函数，c语言对应的汇编代码去除标记之后有:
    pushq   %rbp
    movq    %rsp, %rbp
    movl    %edi, -4(%rbp)
    movl    %esi, -8(%rbp)
    movl    -4(%rbp), %edx
    movl    -8(%rbp), %eax
    addl    %edx, %eax
    popq    %rbp
    ret
﻿
将其编译为二进制代码后，objdump -d add.out，add相关的反编译后的汇编代码如下：
0000000000001170 <add>:
    1170:   55                      push   %rbp
    1171:   48 89 e5                mov    %rsp,%rbp
    1174:   89 7d fc                mov    %edi,-0x4(%rbp)
    1177:   89 75 f8                mov    %esi,-0x8(%rbp)
    117a:   8b 55 fc                mov    -0x4(%rbp),%edx
    117d:   8b 45 f8                mov    -0x8(%rbp),%eax
    1180:   01 d0                   add    %edx,%eax
    1182:   5d                      pop    %rbp
    1183:   c3                      retq   
    ...
﻿
其与编译器直接输出的汇编代码大致相同。
C语言与汇编语言的区别汇编语言能够操作一些底层的硬件，比如指令寄存器%rip，某些整数寄存器，条件码寄存，向量寄存器等，而这些对于C语言是不可见的。
C语言有各种数据类型，但是对于汇编语言来说，都是字节序列，它只是将内存看作一个大的字节序列数组。
参考资料百度百科-机器语言
百度百科-汇编语言
豆瓣-深入理解计算机系统（原书第3版）
﻿
发布于: 2020 年 07 月 12 日阅读数: 67
原文链接:【http://xie.infoq.cn/article/0ef444347a8a0c2a7efa425fa】。
引花眠

 关注
还未添加个人签名 2018.06.11 加入
还未添加个人简介
发布
暂无评论