音频地址

你好,我是李兵。

在上一节我们分析了V8的运行时环境,准备好了运行时环境,V8就可以执行JavaScript代码了。在执行代码时,V8需要先将JavaScript编译成字节码,然后再解释执行字节码,或者将需要优化的字节码编译成二进制,并直接执行二进制代码。

也就是说,V8首先需要将JavaScript编译成字节码或者二进制代码,然后再执行

在后续课程中,我们会分析V8如何解释执行字节码,以及执行编译好的二进制代码,不过在分析这些过程之前,我们需要了解最基础的知识,那就是CPU如何执行二进制代码。

因为字节码的执行模式和CPU直接执行二进制代码的模式是类似的,了解CPU执行二进制代码的过程,后续我们分析字节码的执行流程就会显得比较轻松,而且也能加深我们对计算机底层工作原理的理解。

今天我们就要来分析下二进制代码是怎么被CPU执行的,在编译流水线中的位置你可以参看下图:

10 | 机器代码:二进制机器码究竟是如何被CPU执行的? - 图1

将源码编译成机器码

我们以一段C代码为例,来看一下代码被编译成二进制可执行程序之后,是如何被CPU执行的。

在这段代码中,只是做了非常简单的加法操作,将x和y两个数字相加得到z,并返回结果z。

  1. int main()
  2. {
  3. int x = 1;
  4. int y = 2;
  5. int z = x + y;
  6. return z;
  7. }

我们知道,CPU并不能直接执行这段C代码,而是需要对其进行编译,将其转换为二进制的机器码,然后CPU才能按照顺序执行编译后的机器码。

那么我们先通过GCC编译器将这段C代码编译成二进制文件,你可以输入以下命令让其编译成目的文件:

  1. gcc -O0 -o code_prog code.c

输入上面的命令之后回车,就可以在文件夹中生成名为code_prog的可执行程序,接下来我们再将编译出来的code_prog程序进行反汇编,这样我们就可以看到二进制代码和对应的汇编代码。你可以使用objdump的完成该任务,命令如下所示:

  1. objdump -d code_prog

最后编译出来的机器码如下图所示:

10 | 机器代码:二进制机器码究竟是如何被CPU执行的? - 图2

观察上图,左边就是编译生成的机器码,在这里它是使用十六进制来展示的,这主要是因为十六进制比较容易阅读,所以我们通常使用十六进制来展示二进制代码。你可以观察到上图是由很多行组成的,每一行其实都是一个指令,该指令可以让CPU执行指定的任务。

中间的部分是汇编代码,汇编代码采用助记符(memonic)来编写程序,例如原本是二进制表示的指令,在汇编代码中可以使用单词来表示,比如mov、add就分别表示数据的存储和相加。汇编语言和机器语言是一一对应的,这一点和高级语言有很大的不同。

通常我们将汇编语言编写的程序转换为机器语言的过程称为“汇编”;反之,机器语言转化为汇编语言的过程称为“反汇编”,比如上图就是对code_prog进程进行了反汇编操作。

另外,右边是我添加的注释,表示每条指令的具体含义,你可以对照着阅读。

这一大堆指令按照顺序集合在一起就组成了程序,所以程序的执行,本质上就是CPU按照顺序执行这一大堆指令的过程。

CPU是怎么执行程序的?

现在我们知道了编译后的程序是由一堆二进制代码组成的,也知道二进制代码是由一条条指令构成的,那么接下来我们就可以来分析CPU是如何执行这些指令的了。

不过为了分析程序的执行过程,我们还需要理解典型的计算机系统的硬件组织结构,具体你可以参看下图:

10 | 机器代码:二进制机器码究竟是如何被CPU执行的? - 图3

这张图是比较通用的系统硬件组织模型图,从图中我们可以看出,它主要是由CPU、主存储器、各种IO总线,还有一些外部设备,诸如硬盘、显示器、USB等设备组成的。

有了这张图,接下来我们就可以分析程序到底是怎么被执行的了。

首先,在程序执行之前,我们的程序需要被装进内存,比如在Windows下面,你可以通过鼠标点击一个可执行文件,当你点击该文件的时候,系统中的程序加载器会将该文件加载到内存中。

那么到底什么是内存呢?

你可以把内存看成是一个快递柜,比如当你需要寄件的时候,你可以打开快递柜中的第100号单元格,并存放你的物品,有时候你会收到快递,提示你在快递柜的105号单元格中,你就可以打开105号单元格取出的你的快递。

这里有三个重要的内容,分别是快递柜快递柜中的每个单元格的编号操作快递柜的人,你可以把它们对比成计算机中的内存内存地址CPU

也就是说,CPU可以通过指定内存地址,从内存中读取数据,或者往内存中写入数据,有了内存地址,CPU和内存就可以有序地交互。同时,从内存的角度理解地址也是非常重要的,这能帮助我们理解后续很多有深度的内容。

另外,内存还是一个临时存储数据的设备,之所以是临时的存储器,是因为断电之后,内存中的数据都会消失。

内存中的每个存储空间都有其对应的独一无二的地址,你也可以通过下图来直观地理解下内存中两个重要的概念,内存和地址:

10 | 机器代码:二进制机器码究竟是如何被CPU执行的? - 图4

在内存中,每个存放字节的空间都有其唯一的地址,而且地址是按照顺序排放的,理解了内存和内存地址,接下来我们就可以继续往下分析了。

我们还是分析这节课开头的那段C代码,这段代码会被编译成可执行文件,可执行文件中包含了二进制的机器码,当二进制代码被加载进了内存后,那么内存中的每条二进制代码便都有了自己对应的地址,如下图所示:

10 | 机器代码:二进制机器码究竟是如何被CPU执行的? - 图5

有时候一条指令只需要一个字节就可以了,但是有时候一条指令却需要多个字节。在上图中,对于同一条指令,我使用了相同的颜色来标记,我们可以把上面这个一堆二进制数据反汇编成一条条指令的形式,这样可以方便我们的阅读,效果如下图所示:

10 | 机器代码:二进制机器码究竟是如何被CPU执行的? - 图6

好了,一旦二进制代码被装载进内存,CPU便可以从内存中取出一条指令,然后分析该指令,最后执行该指令

我们把取出指令、分析指令、执行指令这三个过程称为一个CPU时钟周期。CPU是永不停歇的,当它执行完成一条指令之后,会立即从内存中取出下一条指令,接着分析该指令,执行该指令,CPU一直重复执行该过程,直至所有的指令执行完成。

也许你有这样的疑问,CPU是怎么知道要取出内存中的哪条指令呢?要解答这个问题,我们先看下图:

10 | 机器代码:二进制机器码究竟是如何被CPU执行的? - 图7

观察上图,我们可以看到CPU中有一个PC寄存器,它保存了将要执行的指令地址,当二进制代码被装载进了内存之后,系统会将二进制代码中的第一条指令的地址写入到PC寄存器中,到了下一个时钟周期时,CPU便会根据PC寄存器中的地址,从内存中取出指令。

PC寄存器中的指令取出来之后,系统要做两件事:

第一件事是将下一条指令的地址更新到PC寄存器中,比如上图中,CPU将第一个指令55取出来之后,系统会立即将下一个指令的地址填写到PC寄存器中,上个寄存器的地址是100000f90,那么下一条指令的地址就是100000f91了,如下图所示:

10 | 机器代码:二进制机器码究竟是如何被CPU执行的? - 图8

更新了PC寄存器之后,CPU就会立即做第二件事,那就是分析该指令,并识别出不同的类型的指令,以及各种获取操作数的方法。在指令分析完成之后,就要执行指令了。不过要了解CPU是如何执行指令的,我们还需要了解CPU中的一个重要部件:通用寄存器。

通用寄存器是CPU中用来存放数据的设备,不同处理器中寄存器的个数也是不一样的,之所以要通用寄存器,是因为CPU访问内存的速度很慢,所以CPU就在内部添加了一些存储设备,这些设备就是通用寄存器。

你可以把通用寄存器比喻成是你身上的口袋,内存就是你的背包,而硬盘则是你的行李箱,要从背包里面拿物品会比较不方便,所以你会将常用的物品放进口袋。你身上口袋的个数通常不会太多,容量也不会太大,而背包就不同了,它的容量会非常大。

我们可以这样总结通用寄存器和内存的关系:通用寄存器容量小,读写速度快,内存容量大,读写速度慢。

通用寄存器通常用来存放数据或者内存中某块数据的地址,我们把这个地址又称为指针,通常情况下寄存器对存放的数据是没有特别的限制的,比如某个通用寄存器既可以存储数据,也可以存储指针。

不过由于历史原因,我们还会将某些专用的数据或者指针存储在专用的通用寄存器中 ,比如rbp寄存器通常是用来存放栈帧指针的,rsp寄存器用来存放栈顶指针的,PC寄存器用来存放下一条要执行的指令等。

现在我们理解了什么是通用寄存器了,接下来我们就可以分析CPU是如何执行指令的了,我们先来了解下几种常用的指令类型:

第一种是加载的指令,其作用是从内存中复制指定长度的内容到通用寄存器中,并覆盖寄存器中原来的内容。你可以参看下图:

10 | 机器代码:二进制机器码究竟是如何被CPU执行的? - 图9

比如上图使用了movl指令,指令后面跟着的第一个参数是要拷贝数据的内存的位置,第二个参数是要拷贝到ecx这个寄存器。

第二种存储的指令,和加载类型的指令相反,其作用是将寄存器中的内容复制内存某个位置,并覆盖掉内存中的这个位置上原来的内容。你可以参看下图:

10 | 机器代码:二进制机器码究竟是如何被CPU执行的? - 图10

上图也是使用movl指令,movl 指令后面的%ecx就是寄存器地址,-8(%rbp)是内存中的地址,这条指令的作用是将寄存器中的值拷贝到内存中。

第三种是更新指令,其作用是复制两个寄存器中的内容到ALU中,也可以是一块寄存器和一块内存中的内容到ALU中,ALU将两个字相加,并将结果存放在其中的一个寄存器中,并覆盖该寄存器中的内容。具体流程如下图所示:
10 | 机器代码:二进制机器码究竟是如何被CPU执行的? - 图11

参看上图,我们可以发现addl指令,将寄存器eax和ecx中的值传给ALU,ALU对它们进行相加操纵,并将计算的结果写回ecx。

还有一个非常重要的指令,是跳转指令,从指令本身抽取出一个字,这个字是下一条要执行的指令的地址,并将该字复制到PC寄存器中,并覆盖掉PC寄存器中原来的值。那么当执行下一条指令时,便会跳转到对应的指令了。

10 | 机器代码:二进制机器码究竟是如何被CPU执行的? - 图12

观察上图,上图是通过jmp来实现的,jmp后面跟着要跳转的内存中的指令地址。

除了以上指令之外,还有IO读/写指令,这些指令可以从一个IO设备中复制指定长度的数据到寄存器中,也可以将一个寄存器中的数据复制到指定的IO设备。

以上就是一些基础的指令类型,这些指令像积木,利用它们可以搭建我们现在复杂的软件大厦。

分析一段汇编代码的执行流程

好了,了解指令的类型,接下来我们就可以分析上面那段简单的程序的执行过程了,不过在这里还有一些前置的知识没有介绍,比如内存中的栈、栈帧的概念,这些内容我会在下一节详细介绍。本节中如果提到了栈和栈帧,你可以将它们看成是内存中的一块区域即可。

在C程序中,CPU会首先执行调用main函数,在调用main函数时,CPU会保存上个栈帧上下文信息和创建当前栈帧的上下文信息,主要是通过下面这两条指令实现的:

  1. pushq %rbp
  2. movq %rsp, %rbp

第一条指令pushq %rbp,是将rbp寄存器中的值写到内存中的栈区域。第二条指令是将rsp寄存器中的值写到rbp寄存器中。

然后将0写到栈帧的第一个位置,对应的汇编代码如下:

  1. movl $0, -4(%rbp)

接下来给x和y赋值,对应的代码是下面两行:

  1. movl $1, -8(%rbp)
  2. movl $2, -12(%rbp)

第一行指令是将常数值1压入到栈中,然后再将常数值2压入到栈中,这两个值分别对应着x和y。

接下来,x的值从栈中复制到eax寄存器中,对应的指令如下所示:

  1. movl -8(%rbp), %eax

现在eax寄存器中保存了x的值,那么接下来,再将内存中的y和eax中的x相加,相加的结果再保存在eax中,对应的指令如下所示:

  1. addl -12(%rbp), %eax

现在x+y的结果保存在了eax中了,接下来CPU会将结果保存中内存中,执行如下指令:

  1. movl %eax, -16(%rbp)

最后又将结果z加载到eax寄存器中,代码如下所示:

  1. movl -16(%rbp), %eax

注意这里的eax寄存器中的内容就被默认作为返回值了,执行到这里函数基本就执行结束了,然后需要继续执行一些恢复现场的操作,代码如下所示:

  1. popq %rbp
  2. retq

到了这里,我们整个程序就执行结束了。

总结

今天这节课,我们的主要目的是讲清楚CPU是怎么执行一段二进制代码的,这涉及到了CPU、寄存器、运算器、编译、汇编等一系列的知识。

我们从如何执行一段C代码讲起,由于CPU只能执行机器代码,所以我们需要将C代码转换为机器代码,这个转换过程就是由C编译器完成的。

CPU执行机器代码的逻辑非常简单,首先编译之后的二进制代码被加载进内存,然后CPU就按照指令的顺序,一行一行地执行。

在执行指令的过程中,CPU需要对数据执行读写操作,如果直接读写内存,那么会严重影响程序的执行性能,因此CPU就引入了寄存器,将一些中间数据存放在寄存器中,这样就能加速CPU的执行速度。

有了寄存器之后,CPU执行指令的操作就变得复杂了一点,因为需要寄存器和内存之间传输数据,或者寄存器和寄存器之间传输数据。我们通常有以下几种方式来使用寄存器,这包括了加载指令、存储指令、更新指令。通过配合这几种类型的指令,我们就可以实现完整的程序功能了。

思考题

你能用自己的语言复述下CPU是怎么执行一段二进制机器代码的吗?欢迎你在留言区与我分享讨论。

感谢你的阅读,如果你觉得这一讲的内容对你有所启发,也欢迎把它分享给你的朋友。