程序的机器级表示

机器级代码

在计算机中最终执行的都是机器代码，汇编代码、C 语言代码和高级语言的代码都需要转换成机器代码来执行。文章涉及的机器语言主要指 Intel IA32。

如下一段 C 语言代码：

1 int accum = 0;
2 
3 int sum(int x, int y) 
4 {
5    int t = x +y;
6    accum += t;
7    return ;    
8 }

通过 gcc -m32 -O1 -o code.o -c code.c 生成二进制格式的目标代码文件 code.o，通过 hexdump 查看文件内容，在计算机中最终执行的字节指令是：

通过 objdump -d code.o 反汇编查看这段二进制对应的汇编内容：

这里的指令 55 对应了汇编代码 push %ebp，汇编代码非常接近于机器代码，它用可读性更好的文本表示处理器执行的指令。

除了像上面那样通过反汇编目标文件查看对应的汇编代码，还可以通过 gcc 查看 C 编译器产生的汇编代码，如下命令会产生一个汇编文件 code.s 。

# -m32 表示用 32 位模式编译
gcc -O1 -m32 -S code.c

数据格式

虽然 C 语言可以在存储器中声明和分配各种数据类型的对象，但是机器代码只是简单地将存储器看成是一个很大的、按字节寻址的数组。C 语言中的聚合数据类型，例如数组和结构，在机器代码中只用连续的一组字节来表示。

下面是 C 语言基本数据类型对应的 IA32 表示

C声明	Intel数据类型	汇编代码后缀	字节大小
char	字节	b	1
short	字	w	2
int	双字	l	4
long int	双字	l	4
char *	双字	l	4
float	单精度	s	4
double	双精度	l	8
long double	扩展精度	t	10/12

访问信息

寄存器

一个 IA32 CPU 包含一组 8 个存储 32 位值的寄存器，这些寄存器用来存储整数数据和指针。它们的名字都以 %e 开头，在最初的 8086 中，寄存器都是 16 位的。

%eax 是 32 位的，%ax 是 16 位的。所有 8 个寄存器可以作为 16 位或 32 位来访问，可以访问前 4 个寄存器的两个低位字节。

大多数系统的指令有一个或多个操作数，源数值可以是常数、从寄存器或存储器中读出，结果可以存放在寄存器或存储器中。操作数可以分为 3 中类型：

1. 立即数，也就是常数值。用 “$”加一个整数表示，如 $550；

2. 寄存器，它表示某个寄存器的内容。用 E_a来表示任意寄存器 a，用 R[E_a] 表示它的值；

3. 存储器引用，它会根据计算出来的地址，访问某个存储器位置。用 M_b[Addr] 表示对存储在存储器中从地址 Addr 开始的 b 个字节的引用。

通用形式：Imm(E_a, E_b, s) 表示的操作数的有效地址为 M[Imm + R[Ea] + R[E_b]*s ] 。

数据传送指令

将数据从一个位置复制到另一个位置的指令是最频繁使用的指令。

指令	描述
MOV S,D	传送
MOVS S,D	传送符号扩展的字节
MOVZ S,D	传送零扩展的字节

这里两个操作数不能都指向存储器位置。

算术和逻辑操作

指令	效果	描述
leal S,D	D <- &D	将有效地址读入寄存器
INC D	D <- D+1	加 1
DEC D	D <- D - 1	减 1
NEG D	D <- -D	取负
NOT D	D <- ~D	取补
ADD S，D	D <- D+S	加
SUB S，D	D <- D-S	减
IMUL S，D	D <- D*S	乘
XOR S，D	D <- D^S	异或
OR S，D	D <- D \| S	或
AND S，D	D <- D & S	与
SAL k, D	D <- D <<k	左移
SHL k, D	D <- D <<k	左移（同上）
SAR k, D	D <- D >>k	算术右移
SHR k, D	D <- D >>k	逻辑右移

与其他语言一样，程序的任何逻辑都是由基本指令在顺序执行、条件执行、循环执行组合得到。

除了整数寄存器，CPU 还维护着一组单个位的寄存器，它们描述了最近的算术或逻辑操作的属性（上面指令只有 leal 不改变任何条件码），可以检测这些寄存器来执行条件分支指令。

条件码	描述
CF	进位标志。检测无符号溢出。最近的操作使最高位产生了进位。
ZF	零标志。最近操作得出的结果位0。
SF	符号标志。检测负数。最近操作得到的结果为负数。
OF	溢出标志。检测有符号溢出。最近的操作导致一个补码溢出 - 正溢出或负溢出。

除了算术和逻辑操作指令，还有下面两个指令只设置条件码而不改变任何其他寄存器。

指令	效果	描述
CMP S_2,S₁	S₁- S₂	比较两个操作数大小
TEST S₂, S₁	S₁& S₂	测试

条件码通常不会直接读取，常用使用方法有 3 种：

1. 根据条件码的某个组合，将一个字节设置为 0 或者 1；这类指令称为 SET 指令，它们之间的区别在于考虑的条件码组合情况。

2. 根据条件码跳转到程序的某个其他部分；

3. 可以有条件地传送数据。

跳转指令

指令	跳转条件	描述
jmp Label	1	无条件直接跳转
jmp *Operand	1	无条件间接跳转
je Label	ZF	相等/零时跳转
jge Label	~(SF^OF)	大于或等于时
...

jmp *%eax 用寄存器 %eax 中的值作为跳转目标； jmp *(%eax) 以 %eax 中的值作为读地址，从存储器中读出跳转目标。

C 语言提供了多种循环结构，即 do-while、while 和 for，汇编中没有相应的指令存在，可以用条件测试和跳转组合起来实现循环的效果。

如通用 do-while 形式

1 do 
2    body-statement
3    while(test-expr)

可以通过下面组合完成

loop:
    body-statement
    t = test-expr;
    if (t)
        goto loop;

switch 语句

switch 通过一个整数索引值进行多重分支，处理具有多种可能结果的测试时特别有用，不仅提高了代码的可读性，通过跳转表使得实现更加高效。使用跳转表的优点是执行开关语句的时间与开关数量无关。
跳转表是一个数组，表项 i 是一个代码段的地址，当开关索引等于 i 时进行此部分代码段的操作。

过程（函数）

一个过程调用包括将数据（参数和返回值）和控制从代码的一部分传递到另一部分，还必须在进入时为过程的局部变量分配空间，并在退出时释放这些空间。

大多数机器，包括 IA32 只提供转移控制到过程和从过程中转移出控制这种简单的指令。数据传递、局部变量的分配和释放通过操纵程序栈来实现。

为单个过程分配的那部分栈称为栈帧（stack frame），栈帧的最顶端以两个指针界定，寄存器 %ebp 为帧指针（在一个过程中不变），寄存器 %esp 为栈指针（在一个过程执行中会移动）。

过程调用参数的常见步骤：

1. 保存原来的帧指针地址。在调用结束后，才能恢复调用者的帧指针，常见下面的代码

# 保存调用者的帧指针pushl  %ebp# 将 %ebp 设置为栈帧开始的位置
movl   %esp, %ebp

2. 为当前栈帧分配内存，常见汇编代码如下

subl $16, %esp

3. 备份调用者寄存器内容到栈，在返回时才能恢复调用者需要继续使用的寄存器内容。常见汇编代码如下

pushl %ebx

转移控制指令

指令	描述
call Label	过程直接调用。返回地址入栈，并跳转到被调用过程的起始处。
call *Operand	过程间接调用
leave	为返回准备栈
ret	从过程调用中返回。从栈中弹出地址，并跳转到这个位置。