07.计算机指令编程的原理

01.指令编程的历史
- 1.1 来看一个案例
- 1.2 高级语言和机器码
- 1.3 编译解释过程
02.从编译到汇编
- 2.1 代码案例分析
- 2.2 打印程序汇编代码
- 2.3 解析指令
- 2.4 如何翻译成机器码
03.CPU执行指令
- 3.1 思考一个问题
- 3.2 CPU如何执行指令
- 3.3 看if-else执行和跳转
- 3.4 程序控制流程

01.指令编程的历史

1.1 来看一个案例

一种古老的物理设备，叫作“打孔卡（Punched Card）”。
- 用这种设备写程序，可没法像今天这样，掏出键盘就能打字，而是要先在脑海里或者在纸上写出程序，然后在纸带或者卡片上打洞。
- 这样，要写的程序、要处理的数据，就变成一条条纸带或者一张张卡片，之后再交给当时的计算机去处理。
人们在特定的位置上打洞或者不打洞，来代表“0”或者“1”。
- 为什么早期的计算机程序要使用打孔卡，而不能像我们现在一样，用 C 或者 Python 这样的高级语言来写呢？
- 原因很简单，因为计算机或者说 CPU 本身，并没有能力理解这些高级语言。即使在 2019 年的今天，我们使用的现代个人计算机，仍然只能处理所谓的“机器码”，也就是一连串的“0”和“1”这样的数字。

1.2 高级语言和机器码

我们每天用高级语言的程序，最终是怎么变成一串串“0”和“1”的？
- 这一串串“0”和“1”又是怎么在 CPU 中处理的？今天，我们就来仔细介绍一下，“机器码”和“计算机指令”到底是怎么回事。
在软硬件接口中，CPU 帮我们做了什么事？
- 从硬件的角度来看，CPU 就是一个超大规模集成电路，通过电路实现了加法、乘法乃至各种各样的处理逻辑。
- 从软件工程师的角度来讲，CPU 就是一个执行各种计算机指令（Instruction Code）的逻辑机器。这里的计算机指令，就好比一门 CPU 能够听得懂的语言，我们也可以把它叫作机器语言（Machine Language）。
不同的 CPU 能够听懂的语言不太一样。
- 比如，我们的个人电脑用的是 Intel 的 CPU，苹果手机用的是 ARM 的 CPU。这两者能听懂的语言就不太一样。
- 类似这样两种 CPU 各自支持的语言，就是两组不同的计算机指令集，英文叫 Instruction Set。
- 如果我们在自己电脑上写一个程序，然后把这个程序复制一下，装到自己的手机上，肯定是没办法正常运行的，因为这两者语言不通。
- 而一台电脑上的程序，简单复制一下到另外一台电脑上，通常就能正常运行，因为这两台 CPU 有着相同的指令集，也就是说，它们的语言相通的。

1.3 编译解释过程

高级语言和机器码之间存在一个编译或解释的过程。
- 高级语言的代码需要通过编译器或解释器将其转换为机器码，以便计算机可以执行。
- 编译器将高级语言代码转换为机器码的可执行文件，而解释器则逐行解释高级语言代码并将其转换为机器码执行。
大多数开发人员使用高级语言来编写程序
- 机器码通常由编译器或解释器生成和执行。高级语言提供了更高层次的抽象和易用性，使得编程更加方便和可靠。

02.从编译到汇编

2.1 代码案例分析

了解了计算机指令和计算机指令集，接下来我们来看看，平时编写的代码，到底是怎么变成一条条计算机指令，最后被 CPU 执行的呢？我们拿一小段真实的 C 语言程序来看看。
```
//test.c
int main(){
    int a = 1;
    int b = 2;
    a = a + b;
    return 0;
}
```
这是一段再简单不过的 C 语言程序。
- 我们给两个变量 a、b 分别赋值 1、2，然后再将 a、b 两个变量中的值加在一起，重新赋值给了 a 这个变量。
- 要让这段程序在一个 Linux 操作系统上跑起来，需要把整个程序翻译成一个汇编语言（ASM，Assembly Language）的程序，这个过程我们一般叫编译（Compile）成汇编代码。
- 针对汇编代码，可以再用汇编器（Assembler）翻译成机器码（Machine Code）。这些机器码由“0”和“1”组成的机器语言表示。这一条条机器码，就是一条条的计算机指令。这样一串串的 16 进制数字，就是我们 CPU 能够真正认识的计算机指令。

2.2 打印程序汇编代码

在一个 Linux 操作系统上，我们可以简单地使用 gcc 和 objdump 这样两条命令，把对应的汇编代码和机器码都打印出来。
```
yangchongdeMBP:test yangchong$ gcc -g -c test.c
yangchongdeMBP:test yangchong$ objdump -d -M intel -S test.o
```

可以看到，左侧有一堆数字，这些就是一条条机器码；右边有一系列的 push、mov、add、pop 等，这些就是对应的汇编代码。

一行 C 语言代码，有时候只对应一条机器码和汇编代码，有时候则是对应两条机器码和汇编代码。汇编代码和机器码之间是一一对应的。

test.o:     file format elf64-x86-64
Disassembly of section .text:
0000000000000000 <main>:
int main()
{
0:   55                      push   rbp
1:   48 89 e5                mov    rbp,rsp
int a = 1;
4:   c7 45 fc 01 00 00 00    mov    DWORD PTR [rbp-0x4],0x1
int b = 2;
b:   c7 45 f8 02 00 00 00    mov    DWORD PTR [rbp-0x8],0x2
a = a + b;
12:   8b 45 f8                mov    eax,DWORD PTR [rbp-0x8]
15:   01 45 fc                add    DWORD PTR [rbp-0x4],eax
}
18:   5d                      pop    rbp
19:   c3                      ret

这个时候你可能又要问了，我们实际在用 GCC 编译器的时候，可以直接把代码编译成机器码呀，为什么还需要汇编代码呢？
- 原因很简单，你看着那一串数字表示的机器码，是不是摸不着头脑？但是即使你没有学过汇编代码，看的时候多少也能“猜”出一些这些代码的含义。
- 因为汇编代码其实就是“给程序员看的机器码”，也正因为这样，机器码和汇编代码是一一对应的。
- 我们人类很容易记住 add、mov 这些用英文表示的指令，而 8b 45 f8 这样的指令，由于很难一下子看明白是在干什么，所以会非常难以记忆。
- image

2.3 解析指令

了解了这个过程，下面我们放大局部，来看看这一行行的汇编代码和机器指令，到底是什么意思。
- 我们就从平时用的电脑、手机这些设备来说起。这些设备的 CPU 到底有哪些指令呢？这个还真有不少，我们日常用的 Intel CPU，有 2000 条左右的 CPU 指令，实在是太多了，所以我没法一一来给你讲解。
不过一般来说，常见的指令可以分成五大类。
- 第一类是算术类指令。我们的加减乘除，在 CPU 层面，都会变成一条条算术类指令。
- 第二类是数据传输类指令。给变量赋值、在内存里读写数据，用的都是数据传输类指令。
- 第三类是逻辑类指令。逻辑上的与或非，都是这一类指令。
- 第四类是条件分支类指令。日常我们写的“if/else”，其实都是条件分支类指令。
- 最后一类是无条件跳转指令。写一些大一点的程序，我们常常需要写一些函数或者方法。在调用函数的时候，其实就是发起了一个无条件跳转指令。
举例子说明一下，帮助理解、记忆。
- image

2.4 如何翻译成机器码

下面我们来看看，汇编器是怎么把对应的汇编代码，翻译成为机器码的。
- 不同的 CPU 有不同的指令集，也就对应着不同的汇编语言和不同的机器码。为了方便你快速理解这个机器码的计算方式，我们选用最简单的 MIPS 指令集，来看看机器码是如何生成的。
MIPS 是一组由 MIPS 技术公司在 80 年代中期设计出来的 CPU 指令集。
- MIPS 的指令是一个 32 位的整数，高 6 位叫操作码（Opcode），也就是代表这条指令具体是一条什么样的指令，剩下的 26 位有三种格式，分别是 R、I 和 J。
- R 指令是一般用来做算术和逻辑操作，里面有读取和写入数据的寄存器的地址。如果是逻辑位移操作，后面还有位移操作的位移量，而最后的功能码，则是在前面的操作码不够的时候，扩展操作码表示对应的具体指令的。
- I 指令，则通常是用在数据传输、条件分支，以及在运算的时候使用的并非变量还是常数的时候。这个时候，没有了位移量和操作码，也没有了第三个寄存器，而是把这三部分直接合并成了一个地址值或者一个常数。
- J 指令就是一个跳转指令，高 6 位之外的 26 位都是一个跳转后的地址。

03.CPU执行指令

3.1 思考一个问题

思考一个问题，一行代码是怎么变成计算机指令的。
- 你平时写的程序中，肯定不只有 int a = 1 这样最最简单的代码或者指令。我们总是要用到 if…else 这样的条件判断语句、while 和 for 这样的循环语句，还有函数或者过程调用。
- 对应的，CPU 执行的也不只是一条指令，一般一个程序包含很多条指令。因为有 if…else、for 这样的条件和循环存在，这些指令也不会一路平铺直叙地执行下去。

3.2 CPU如何执行指令

CPU 是如何执行指令的？
- 实际上，一条条计算机指令执行起来非常复杂。好在 CPU 在软件层面已经为我们做好了封装。对于软件的程序员来说，我们只要知道，写好的代码变成了指令之后，是一条一条顺序执行的就可以了。
CPU 其实就是由一堆寄存器组成的。
- 寄存器就是 CPU 内部，由多个触发器（Flip-Flop）或者锁存器（Latches）组成的简单电路。触发器和锁存器，其实就是两种不同原理的数字电路组成的逻辑门。
64位寄存器是怎么来的
- N 个触发器或者锁存器，就可以组成一个 N 位（Bit）的寄存器，能够保存 N 位的数据。比方说，我们用的 64 位 Intel 服务器，寄存器就是 64 位的。
一个 CPU 里面会有很多种不同功能的寄存器。介绍三种比较特殊的。
- 7_2_4_image.png
- 第一个是 PC 寄存器（Program Counter Register），我们也叫指令地址寄存器。顾名思义，它就是用来存放下一条需要执行的计算机指令的内存地址。
- 第二个是指令寄存器（Instruction Register），用来存放当前正在执行的指令。
- 第三个是条件码寄存器（Status Register），用里面的一个一个标记位（Flag），存放 CPU 进行算术或者逻辑计算的结果。
- 除了这些特殊的寄存器，CPU 里面还有更多用来存储数据和内存地址的寄存器。这样的寄存器通常一类里面不止一个。我们通常根据存放的数据内容来给它们取名字，比如整数寄存器、浮点数寄存器、向量寄存器和地址寄存器等等。有些寄存器既可以存放数据，又能存放地址，我们就叫它通用寄存器。
- 7_2_5_image
那么现在看一下CPU如何执行程序指令
- 一个程序执行的时候，CPU 会根据 PC 寄存器里的地址，从内存里面把需要执行的指令读取到指令寄存器里面执行，然后根据指令长度自增，开始顺序读取下一条指令。
- 可以看到，一个程序的一条条指令，在内存里面是连续保存的，也会一条条顺序加载。
什么是跳转指令，如何理解？
- 有些特殊指令，比如跳转指令，会修改 PC 寄存器里面的地址值。这样，下一条要执行的指令就不是从内存里面顺序加载的了。事实上，这些跳转指令的存在，也是我们可以在写程序的时候，使用 if…else 条件语句和 while/for 循环语句的原因。

3.3 看if-else执行和跳转

现在就来看一个包含 if…else 的简单程序。

#include <printf.h>
#include "time.h"
#include "stdlib.h"


int main() {
    srand(time(NULL));
    int r = rand() % 2;
    int a = 10;
    if (r == 0) {
        a = 1;
    } else {
        a = 2;
    }
    printf("a %d", a);
    return 0;
}

我们用 rand 生成了一个随机数 r，r 要么是 0，要么是 1。当 r 是 0 的时候，我们把之前定义的变量 a 设成 1，不然就设成 2。
```
$ gcc -g -c test.c
$ objdump -d -M intel -S test.o
```

我们把这个程序编译成汇编代码。你可以忽略前后无关的代码，只关注于这里的 if…else 条件判断语句。对应的汇编代码是这样的：

  if (r == 0)
3b:   83 7d fc 00             cmp    DWORD PTR [rbp-0x4],0x0
3f:   75 09                   jne    4a <main+0x4a>
  {
      a = 1;
41:   c7 45 f8 01 00 00 00    mov    DWORD PTR [rbp-0x8],0x1
48:   eb 07                   jmp    51 <main+0x51>
  }
  else
  {
      a = 2;
4a:   c7 45 f8 02 00 00 00    mov    DWORD PTR [rbp-0x8],0x2
51:   b8 00 00 00 00          mov    eax,0x0
  }

可以看到，这里对于 r == 0 的条件判断，被编译成了 cmp 和 jne 这两条指令。
- 1.cmp 指令比较了前后两个操作数的值，这里的 DWORD PTR 代表操作的数据类型是 32 位的整数，而[rbp-0x4]则是变量 r 的内存地址。所以，第一个操作数就是从内存里拿到的变量 r 的值。第二个操作数 0x0 就是我们设定的常量 0 的 16 进制表示。cmp 指令的比较结果，会存入到条件码寄存器当中去。
- 2.在这里，如果比较的结果是 True，也就是 r == 0，就把零标志条件码（对应的条件码是 ZF，Zero Flag）设置为 1。除了零标志之外，Intel 的 CPU 下还有进位标志（CF，Carry Flag）、符号标志（SF，Sign Flag）以及溢出标志（OF，Overflow Flag），用在不同的判断条件下。
- 3.cmp 指令执行完成之后，PC 寄存器会自动自增，开始执行下一条 jne 的指令。跟着的 jne 指令，是 jump if not equal 的意思，它会查看对应的零标志位。如果 ZF 为 1，说明上面的比较结果是 TRUE，如果是 ZF 是 0，也就是上面的比较结果是 False，会跳转到后面跟着的操作数 4a 的位置。这个 4a，对应这里汇编代码的行号，也就是上面设置的 else 条件里的第一条指令。当跳转发生的时候，PC 寄存器就不再是自增变成下一条指令的地址，而是被直接设置成这里的 4a 这个地址。这个时候，CPU 再把 4a 地址里的指令加载到指令寄存器中来执行。
- 4.跳转到执行地址为 4a 的指令，实际是一条 mov 指令，第一个操作数和前面的 cmp 指令一样，是另一个 32 位整型的内存地址，以及 2 的对应的 16 进制值 0x2。mov 指令把 2 设置到对应的内存里去，相当于一个赋值操作。然后，PC 寄存器里的值继续自增，执行下一条 mov 指令。
- 5.这条 mov 指令的第一个操作数 eax，代表累加寄存器，第二个操作数 0x0 则是 16 进制的 0 的表示。这条指令其实没有实际的作用，它的作用是一个占位符。我们回过头去看前面的 if 条件，如果满足的话，在赋值的 mov 指令执行完成之后，有一个 jmp 的无条件跳转指令。跳转的地址就是这一行的地址 51。我们的 main 函数没有设定返回值，而 mov eax, 0x0 其实就是给 main 函数生成了一个默认的为 0 的返回值到累加器里面。if 条件里面的内容执行完成之后也会跳转到这里，和 else 里的内容结束之后的位置是一样的。
- 7_2_6_image

3.4 程序控制流程

程序里的多条指令，究竟是怎么样一条一条被执行的
- 通过 PC 寄存器自增的方式顺序执行外，条件码寄存器会记录下当前执行指令的条件判断状态，然后通过跳转指令读取对应的条件码，修改 PC 寄存器内的下一条指令的地址，最终实现 if…else 以及 for/while 这样的程序控制流程。
用高级语言，可以用不同的语法
- 比如 if…else 这样的条件分支，或者 while/for 这样的循环方式，来实现不同的程序运行流程，但是回归到计算机可以识别的机器指令级别，其实都只是一个简单的地址跳转而已。

07.计算机指令编程的原理

01.指令编程的历史

1.1 来看一个案例

1.2 高级语言和机器码

1.3 编译解释过程

02.从编译到汇编

2.1 代码案例分析

2.2 打印程序汇编代码

2.3 解析指令

2.4 如何翻译成机器码

03.CPU执行指令

3.1 思考一个问题

3.2 CPU如何执行指令

3.3 看if-else执行和跳转

3.4 程序控制流程

3.5

更多内容推荐