　　本节是阅读第五章的收获。下面将阐述一些分页的相关内容。

分页

什么是分页

　　分页，顾名思义，就是将内存分成大小相同的页。分页，通过映射的方式，将连续的线性地址转化为不连续的物理地址；这样，在处理器进入分页模式之后，用户直接访问的并不是物理地址，而是分页模式下的虚拟地址。

　　上面有三个和地址相关的概念，分别为虚拟地址、线性地址和物理地址。

　　在打开保护模式之前，仅有线性地址和物理地址的概念，物理地址就是CPU最终访问的真正地址，是指令或数据真正保存的数据的地方。而线性地址代表“段基址+段内偏移地址”，由于在实模式下，段基址+段内偏移地址等于物理地址，所以线性地址和物理地址数值上是一样的。

　　而打开保护模式且打开分页模式之后，用户直接访问的是虚拟地址空间或是线性地址空间，线性地址仍然是段基址+段内偏移地址，虚拟地址数值上与线性地址相同。从概念上线性地址空间和虚拟地址空间有些不同，因为线性地址空间只有段的概念，没有页的概念；通过分页机制，将线性地址空间中大小不等的段转化为虚拟空间中大小相等的页。虚拟地址通过页表和页目录转化为最终的物理地址，分页机制如下图：

　　总的来说，虚拟地址就是分页后程序或任务访问的地址，线性地址就是段基址+段内偏移地址，物理地址是CPU最终访问的地址。

为什么要分页

　　那么为什么要分页呢？主要原因是内存分配的时候存在外部碎片。本来剩余的内存空间是足以分配给一个任务或进程的，但由于这些剩余的内存片并不连续，我们就不能连续地分配这些内存给任务或进程了。所以导致不能分配的关键原因是我们需要分配内存地址是连续的。

　　有人可能会问为什么内存地址需要连续，不连续不行吗？我们先从指令说起，我们执行指令除非有跳转，都是默认下一条指令地址=当前指令的地址+当前指令的大小，换而言之，都是约定指令执行是连续的；数据也是，一般而言，我们请求一块数据缓冲区，我们都希望这个缓冲区是连续的，这样，我们就能够像数组一样对缓冲区进行连续读写。所以从用户的角度来说，我们都默认一个数据段或者代码段在逻辑上是连续的，这也符合我们的直觉。用户希望空间是连续的，但导致分配失败的原因又是“连续”，那么怎么才能解决这个问题呢？下面来看看分页是怎么解决这个问题的。

分页机制的原理

一级页表

　　我们仍然希望访问的指令或数据是连续的，希望指令或数据的地址仍然保持着与分页前一样。所以我们像在分段模式下访问内存一样，采用段基址+段内偏移地址的模式访问内存，此时通过段部件输出线性地址，但我们肯定不能让线性地址代表物理地址，否则还是不能解决上述的内存分配的问题。我们这时候拿出了一张表，称为页表，将线性地址逐字节地映射到物理地址上，如下图，比如将0x0地址映射到物理内存0x0，将0x1映射到0x9，将0x2映射到0xfa，以此类推。这样子我们就能够保证用户访问的地址是连续的，但实际上，在物理内存是不连续的；以这种方式，我们能够充分的利用剩余的物理地址空间，不会因为“连续”的约束而导致分配内存失败。所以通过一级页表，我们就能很好地解决外部碎片产生的问题。

　　那么，我们再细想一下，上面这种映射方式有什么问题。想一想，假设线性地址空间为4G，也就是有4G个地址，也就是页表里面有4G个页表项，假设一个页表项需要4个字节存储32位地址，那就是一个页表的大小是16G，比线性地址空间还大hhhh。因此，一一映射的方式太耗内存了，所以我们需要减少页表项的开销，页表项存储地址是4个字节变不了了，只能减少页表项的数量。我们将32位地址分为两部分，一部分代表内存块的数量，一部分代表内存块的尺寸，如下图。那么我们怎么找到合适的页尺寸呢，我们分配内存的单位是内存块的尺寸，尺寸太大，内存块数量太少，因而能分配的内存块也就少；尺寸太小，内存块数量太多，这样页表的开销就很大。所以我们只能折中选个值，而现在CPU采用的内存块大小恰好是4KB，这样内存块的数量就是1M个，我们就按这个值来吧。

　　这样，我们不再将内存每个字节一一映射了。通过线性地址的高20位去索引页表的页表项找到对应的内存块基址，线性地址的低12位去索引这个内存块。既能够保证页表的大小不至于太大，也能确保分配的内存块不至于太少，也消除了外部碎片和“连续”导致的问题，其实已经差不多了，但一级页表并不是我们现在操作系统采用的页表模式，因为一级页表还是有一些问题，我们接下来继续来讨论。

二级页表

　　一级页表已经很好了，为什么还不够呢。我们下面来讨论一下一级页表问题。

　　①一级页表有1M个页表项，也就是一个页表需要4M的内存空间，并且4M的内存空间也是需要连续分配的，这和采用页表的原因类似，如果内存的外部碎片过多，本来剩余的内存空间>4M的，但由于这些剩余内存并不连续，这样就分配不了内存给一个页表了。我们通过二级页表，将连续的4M内存划分为1K个4K大小的页，这样我们既可以用页为任务分配内存空间，也可以用页去为页表分配空间，给页表分配空间就不再具有特殊性了，不再需要连续了。

　　②一级页表，一定需要完整的4M的内存空间，这是肯定的，如果不分配完整的4M空间，某一些内存地址就访问不到了。每一个进程都会有一份页表的，如果进程数量很多，页表占用的内存还是挺可观的。采用二级页表就能节省空间，二级页表只需要为那些用到的内存地址分配页表；那些没有用到的内存地址，除非与用到的内存地址用到同一块页表，否则是不会分配页表的。所以，一级页表一般会比二级页表消耗更多的内存。

　　下面来描述一下二级页表的结构，二级页表与一级相比多了一层，我们称这层为页目录。接着说，二级页表将一级页表的1M个页表项继续划分，将1M个页表项均分到1K个页表里，也就是1个页表有1K个页表项，这样1个页表的大小就是4K，正好一个页的大小。一个页表能索引的内存大小就是1K*4K=4M，1K个页表就能索引4M*1K=4G内存。页表已经划分好了，那么我们就需要考虑怎么索引到对应的页表。这时候页目录正式登场，页目录有1K个页目录项，一个页目录项指向一个页表，这样整个二级页表的结构大致就这样组成。

　　那么如何将线性地址（虚拟地址）转换为最终的物理地址呢，和二级页表的关系是什么？和一级页表类似，只不过32位的地址被划分为3个部分，高10位用来索引页目录找到页表的物理地址，中10位用来索引页表找到页的基址，低12位用于索引页。

　　举个例子，如下图，指令是mov ax, [0x1234567]，将0x1234567铺开到二进制0000_0001_00 1000_1101_00 010101100111后，可以得到页目录索引为4，页表的索引为0x234，页的索引为0x567。

　　一个页目录项和页表项的大小为4B，设页目录的基址为DIR_BASE，页表的基址为PAGE_BASE，DIR_BASE+0x4 *(页目录项的大小4)=页目录索引为4所对应的物理地址，读取该物理地址存储的地址0x1000，即PAGE_BASE=0x1000。继续找页的基址，PAGE_BASE+0x234*(页表项的大小4)=页表索引为0x234时所对应的物理地址，同样读取该地址存储的地址0xfa000。继续找最终的物理地址，0xfa000+0x567=0xfa567得到最终的物理地址。