C / C++ / 系统课时
理解虚拟地址空间
理解虚拟地址空间
一个 Linux 进程访问的是自己的虚拟地址空间,而不是直接拿物理内存地址读写。本课把代码、数据、堆、栈、共享库与映射区放到同一张图里,再用一个可运行程序观察不同对象的地址,最后解释页面、缺页和越界访问为什么会表现不同。
学习目标
- 说清虚拟地址空间与物理内存的关系,以及常见区域各自承担的职责。
- 理解页面、页表和缺页异常如何把虚拟地址落实到实际页。
- 能从对象地址判断它大致位于数据区、堆、栈或匿名映射区,并理解地址随机化带来的变化。
地址空间如何组织
每个进程都看到一套独立的虚拟地址。程序的机器指令通常位于可执行代码映射中;已初始化全局变量与未初始化全局变量分别落在数据相关映射中;动态分配的内存可能来自传统堆,也可能由分配器直接建立匿名映射;线程栈、共享库和其他 mmap 区域也各自占据虚拟地址范围。

图中的顺序只用于建立心智模型,不应当当成固定地址契约。ASLR、链接方式、共享库装载、线程数量以及内存分配器策略都会改变具体地址;同一种对象在不同运行中出现不同地址是正常现象。
页面与缺页如何工作
Linux 以页为基本单位维护虚拟内存映射,常见页大小是 4 KiB,但系统也可能使用大页。CPU 访问一个虚拟地址时,会借助页表把虚拟页号转换为物理页框;如果当前页表项不能直接完成访问,就会触发 page fault,由内核判断是否能够补齐映射。
缺页不一定表示程序出错。首次访问按需分配的匿名页、第一次读入文件映射页,都可能产生可恢复的缺页;如果地址根本没有合法映射,或访问方式违反页权限,例如向只读页写入,内核通常会向进程发送 SIGSEGV。
用地址观察不同区域
下面的程序同时创建全局变量、堆对象、栈变量和匿名映射。它不会证明所有 Linux 进程都具有完全相同的布局,但能让你直接看到这些对象通常落在不同的虚拟地址区间。
#include <stdio.h>
#include <stdlib.h>
#include <sys/mman.h>
#include <unistd.h>
/* 两类全局变量用于观察已初始化数据与零初始化数据附近的地址。 */
int global_initialized = 42;
int global_zero_initialized;
int main(void) {
int stack_value = 7;
int *heap_value = malloc(sizeof *heap_value);
long page_size = sysconf(_SC_PAGESIZE);
if (heap_value == NULL) {
perror("malloc");
return 1;
}
if (page_size <= 0) {
fprintf(stderr, "cannot determine page size\n");
free(heap_value);
return 1;
}
/* 建立一页匿名映射;首次写入会让该页真正参与按需分配。 */
void *mapped = mmap(NULL, (size_t)page_size,
PROT_READ | PROT_WRITE,
MAP_PRIVATE | MAP_ANONYMOUS, -1, 0);
if (mapped == MAP_FAILED) {
perror("mmap");
free(heap_value);
return 1;
}
*heap_value = 99;
((char *)mapped)[0] = 1;
/* 只比较地址所属区域,不依赖某个固定地址值。 */
printf("pid=%ld\n", (long)getpid());
printf("data=%p\n", (void *)&global_initialized);
printf("bss=%p\n", (void *)&global_zero_initialized);
printf("heap=%p\n", (void *)heap_value);
printf("mmap=%p\n", mapped);
printf("stack=%p\n", (void *)&stack_value);
munmap(mapped, (size_t)page_size);
free(heap_value);
return 0;
}编译并运行:
gcc -Wall -Wextra -O0 address_space.c -o address_space
./address_space预期输出:
pid=<PID>
data=<ADDR_DATA>
bss=<ADDR_BSS>
heap=<ADDR_HEAP>
mmap=<ADDR_MMAP>
stack=<ADDR_STACK><PID> 与各个 <ADDR_...> 每次运行都可能不同。重点不是比较地址数值谁“大固定多少”,而是识别它们属于不同映射;若重复运行,地址变化往往来自 ASLR。
不要把区域名称当成硬边界
“堆向上增长、栈向下增长”是常见教学模型,不是应用程序可以依赖的接口。现代分配器会把较大的申请直接放到匿名 mmap 区域,多线程程序还会出现多个线程栈;共享库和文件映射也会动态占用地址空间。
因此,虚拟地址空间最重要的理解方式是“映射集合”:每段虚拟地址范围都有自己的来源、权限和映射关系。页面是否已经驻留、能否读写执行,则由页表状态与映射权限共同决定。