Linux从头学:所有编程语言中的栈操作,底层原理都在这里

时间:2022-06-12 10:25:09

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

在任何一门编译型语言中,操作都是非常重要的。

利用栈的后进先出特性,可以很方便的解决一些棘手的问题,以至于 CPU 单独分配了 push 和 pop 这两个命令来专门操作栈,当然了,还有其他一些辅助的栈操作指令。

对于一些解释型的脚本语言,比如:Javascript、Lua 等,它们与宿主语言之间的参数传递也都是通过栈来操作的。

因此,理解了栈操作的基本原理,对于学习、理解高级语言是非常有帮助的。

这篇文章,我们继续从最底层的指令码入手,通过一个子程序调用(即:函数调用),来学习栈空间是如何操作的,也就是下面这张图:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

示例虽然是汇编代码,但是指令码一共不超过10个,而且每一句都有注释,相信你阅读一定没有问题!

再次重申:我们不是在学习汇编语言,只是利用汇编代码,去繁存简,用最简单的实例来理解栈的操作。

示例代码说明

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

代码的功能是:

主程序:设置数据段、栈段、栈顶这 3 个寄存器,然后调用子程序(函数调用);

子程序:从寄存器 si 中获取字符串开始地址,然后计算字符串的长度,最后通过寄存器 ax 返回给主程序;

主程序在调用子程序的时候,就涉及到返回地址的入栈、出栈操作。

子程序在计算字符串长度的时候,为了保护一些使用到的寄存器不被破坏,也涉及到入栈和出栈操作。

我们的主要目标就是来研究以上这2部分操作时,栈空间里的数据变化情况。

执行主程序

以下演示的截图,是通过debug.exe这个工具来调试的。

在调试的过程中,主要关心的就是栈空间中的数据,以及几个寄存器的值:

代码相关:cs, ip

栈相关:ss, sp

初始状态

在执行第一条指令之前,首先看一下所有寄存器中的值:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

此时,我们还没有为数据段寄存器 ds、栈段寄存器ss赋值,因此里面的值是没有意义的。

只有 cs:ip 寄存器的值是有意义的,此时它们为 076F:0000,指向第一条代码处。

再来看一下指令码:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

两个绿框内的指令,就是用来设置数据段寄存器 ds、栈段寄存器 ss 和 栈顶寄存器 sp。

这部分内容在上一篇文章中都已经详细描述过了,这里就不重复了。

执行代码前 5 句

  1. mov ax, data 
  2. mov ds, ax 
  3.  
  4. mov ax, stack 
  5. mov ss, ax 
  6. mov sp, 20h 

这 5 行代码的功能就是:设置 ds、 ss 和 sp。

执行完这 5 行代码后,寄存器中的值为:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

从以上这张图中可以看到编译器为程序安排了下面这几个地址:

把【数据段】安排在 076C:0000 位置;

把【栈段】 安排在 076D:0000 位置;

把【代码段】安排在 076F:0000 的位置;

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

虽然数据段值定义了 6 个字节的数据( 5 个字符 + 1 个结束符),但是它与栈段的开始地址之间,预留了 16 个字节的空间。

我们把此时内存空间的整体布局画一下:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

准备调用子程序

我们都知道,在调用函数的之后,需要把调用指令后面的那条指令的地址,压入到栈中。

只有这样,被调用函数在执行结束之后,才能继续返回到正确的指令处继续执行。

CPU 在执行 call 指令的时候,会自动把 call 指令的后面一条指令的地址,压入到栈中。

在执行 call 指令之前,我们先来看一下 2 张图片。

(1)call 的指令码和汇编代码

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

call 的汇编代码是:call 0018。

0018 指的是指令寄存器 ip 的值,加上代码段寄存器 cs,就是:076F:0018,这个位置处存储的就是子程序的第一条指令:push bx。

注意:call 的指令码是 E80500,E8 是 call 指令的操作码,0005 是指令参数(注意:低字节是放在低地址,即:小端模式)。

之前文章说过,CPU 在执行一条指令后,会自动把指令寄存器 ip 修改为下一条指令的地址。

当 call 这条指令执行时,ip 就自动变成下一条指令的地址,再加上 call 指令中的 0005,也就是说让 ip 再加上这个值,就是子程序的第一条指令的地址。

这也是相对地址的概念!在以后介绍到重定位的时候,再继续聊这个话题。

(2) 栈空间的数据

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

此时,栈顶寄存器 sp 的值为 0020,即:栈的最高地址的下一个位置(为什么是这个位置?上一篇文章有说明)。

这 32 个字节的内容是没有任何意义的。

因为栈里数据是否有意义,是依赖于 sp 寄存器的,可以把它理解成一个指针,有些书籍中称呼它为:栈顶指针。

调用子程序

子程序的功能是计算字符串的长度,那么主程序一定要告诉子程序:字符串的开始地址在哪里。

在代码的开头,我们放置了 6 个字节的数据段空间,内容是 5 个字符,加上一个 0。

主程序把第一个字符的地址 0,通过寄存器 si 来告诉子程序:mov si, 0。

子程序在执行时,就从 si 的值所代表的地址处,依次取出每一个字符。

现在我们开始执行 call 指令。

从上面的描述中可以知道:call 的下一条指令的地址(076F:0013),将会被压入到栈中。

由于这里 call 指令是段内跳转,不会把 cs 的值入栈,仅仅是把 ip 的值入栈。(如果是段间跳转的话,就会把 cs:ip 都压栈)

我们来看一下执行 call 指令之后的两张图:

(1) 寄存器的值

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

从图中看出 sp 的值变成了 001E。还记得之前文章说的入栈操作吗?

Step1:sp = sp -2。由于 sp 的初值是 0020,减去 2 之后就是 001E(都是十六进制);

Step2:把要入栈的值(也就是下一条指令的地址 0013)放在 sp 指向的地址处。

从图中还可以看到,指令寄存器 ip 的值变成了 0018,也就是子程序的第 1 条指令(push bx)的地址。

(2)栈空间的数据

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

可以看到:最后 2 个字节是 0013,也即是下面的这样:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

此时,指令寄存器 ip 指向了子程序的第一条指令 076F:0018 处,那就继续执行吧!

子程序

保护使用到的寄存器

我们知道:CPU 中寄存器都是公用的。

在子程序中,为了计算字符串的长度,代码中用到了bx, cx 这 2 个寄存器。

但是我们不知道这 2 个寄存器是否在主程序中也被使用了。

如果我们冒然直接使用它们,改变了它们的值,那么在子程序执行结束后,返回到主程序时,主程序如果也用了这 2 个寄存器,那就有麻烦了。

因此,在子程序的开始处,需要把 bx, cx 放在在栈中进行暂存保护。

当子程序返回的时候,再从栈中恢复它们的值,这样就不会对主程序构成潜在的威胁了。

1. push bx

在入栈之前,bx 的值是 0000,我们给他入栈。

还记得上篇文章中入栈的操作吗:

Step1: 把 sp 的值减 2;

Step2: 把要入栈的值放在 sp 地址处(2个字节);

此时,栈顶寄存器 sp 变成 001C (001E - 2)。

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

再来看一下栈空间的数据情况:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

此刻,栈中有意义的数据就有 2 个:返回地址,bx 的值。

2. push cx

在入栈之前,cx 的值是 005C,我们给他入栈。

执行入栈的 2 步操作之后,栈顶寄存器 sp 变成 001A (001C - 2)。

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

栈空间的数据情况:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

3. 计算字符串的长度

字符串是放在数据段中的。数据段的段地址 ds,在主程序的开头已经设置好了。

字符串的首地址,主程序在执行 call 指令之前,已经放在寄存器 si 中了。

因此,子程序只要从 si 开始位置,依次取出每一个字符,然后检查它是否等于 0 (jcxz)。

如果不为0,就把长度值加 1 (inc bx),然后继续取下一个字符(inc si);

如果为0,就停止获取字符,因为已经遇到了字符串末尾的 0。

在循环获取每一个字符的时候,可以用 bx 寄存器来记录长度,所以在子程序的开头要让 bx 入栈。

读取的每个字符,放在 cx 寄存器中,所以在子程序的开头要让 cx 入栈。

我们来看一下检查第一个字符 'a' 的情况:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

此时:

bx 的值为 0001,说明长度至少为 1。

si 的值为 0001,准备取下一个位置 ds:si(即:076C:0001)处的字符 ‘b’。

这个过程一直循环 6 次(loop s),当 ds:si 指向 076C:0005,也就是取出的字符为 0 时,就直接跳转到标号为 over (即:076F:0027)的地址处。

此刻,寄存器 bx 中就存放着字符串的长度:0005:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

4. 把字符串长度告诉主程序

字符串的长度计算出来了,我们要把这个值告诉主程序,一般都是通过通用寄存器 ax 来传递返回结果。

所以,执行指令 mov ax, bx 把 bx 的值赋值给 ax,主程序就可以从寄存器 ax 中得到字符串的长度了。

5. pop cx

子程序在返回之前,需要把栈中保存的 bx、cx 值恢复到寄存器中。

另外,由于栈的后进先出特性,需要把栈顶数据先弹出到 cx 寄存器中。

在执行出栈之前:

sp = 001A

cx = 0000

栈中的数据情况如下:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

pop cx 指令分为 2 个动作:

Step1:把 sp 指向的地址单元的中数据( 2 个字节),放入寄存器 cx 中,于是 cx 中的值变成了:005C;

Step2:把 sp 的值自增 2,变成 001C (001A + 2)。

此时,栈中的数据情况:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

6. pop bx

执行过程是一样的:

Step1:把 sp 指向的地址单元的中数据( 2 个字节),放入寄存器 bx 中,于是 bx 中的值变成了:0000;

Step2:把 sp 的值自增 2,变成 001E (001C + 2)。

此时,栈中的数据情况:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

7. 返回指令 ret

CPU 在执行 ret 指令时,也有 2 个动作:

Step1:把 sp 指向的地址单元的中数据( 2 个字节),放入指令寄存器 ip 中,于是 ip 中的值变成了:0013;

Step2:把 sp 的值自增 2,变成 0020 (001E + 2)。

此时,栈中的数据情况是:

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

Linux从头学:所有编程语言中的栈操作,底层原理都在这里

这时,栈顶寄存器 sp 已经指到了代码段的空间中。这是由于我们在刚开始安排的时候,没有在栈与代码之间,空出来一段缓冲空间。

不管怎样,此时:

栈空间中没有任何有意义的数据了;

cs:ip 指向了主程序中 call 指令的下一条指令(mov ax,4c00h);

所以,当 CPU 执行下一条指令的时候,又回到了主程序中继续执行。。。

原文链接:https://mp.weixin.qq.com/s/1pkIhKlyUhIpH8lWvOlhBA