csapp ch1: A Tour of Computer Systems

Publish Date: 2020-04-30

Word Count: 2.6k

Read Times: 9 Min

这篇文章是csapp第一章阅读笔记。

1. 信息就是：位+上下文

下面是一个简单的hello程序：

#include <stdio.h>

int main()
{
    printf("hello, world\n");
    return 0;
}

这个程序中所有的字符都是ASCII字符，那么类似这样只有ASCII字符的文件，就是文本文件（text file）。

其它的文件，就是二进制文件（binary file）。

上面的hello.c文件展示了一个计算机中的基本想法：

All information in a system, is represented as a bunch of bits. The only thing that distinguishes different data objects is the context in which we view them.

也就是说计算机中，不管是磁盘文件、内存中的程序或者网络中传输的数据，都是由一个个比特位（bits）组成的。用来区别它们的唯一方式是所处的上下文（context）。

所处的上下文不同，那么相同的一串比特信息可以构成不同的信息。

2. 程序被其他程序翻译成不同的格式

为了执行上面的hello程序，我们需要将它编译成一个可执行程序：

gcc -o hello hello.c

这个编译过程经过了如下的几个阶段：

2.1 Preprocessing Phase

预处理阶段：预处理器（cpp）修改原始的C程序hello.c，根据#所包含的头文件，预处理器将所包含的头文件中的内容直接插入到C程序中，得到hello.i文件，这也是一个文本文件。

2.2 Compilation Phase

编译阶段：编译器（cc1）将上一阶段的结果hello.i文件转换成另一个文本文件hello.s，这里的hello.s文件包含的是汇编程序。比如：

main:
    subq    $8, %rsp
    movl    $.LC0, %edi
    call    puts
    movl    $0, %eax
    addq    $8, %rsp
    ret

汇编语言很有用，因为它为不同的高级语言提供了一个通用的编译结果。比如C语言编译器和Fortran编译器都可以生成同样的汇编语言文件。

hello.s还是一个文本文件。

2.3 Assembly Phase

汇编阶段：汇编器（assembler）将上一阶段的结果hello.s文件转换成机器语言指令，然后包装成可重定位目标程序（relocatable object program），将结果保存在hello.o文件中，这里，hello.o就是一个二进制文件了。

2.4 Linking Phase

链接阶段：在上面的hello程序中，我们使用了printf函数，这个函数是C语言标准库提供的，这个函数保存在另一个二进制文件printf.o中，为了使用这个函数，我们需要把上一阶段的结果hello.o和这个printf.o合并到一起。

这就是链接器（ld）的工作。输出的结果hello文件，就是一个可执行的二进制文件了，可以加载到内存中然后执行了。

3. 了解下编译系统是如何工作的很重要

通过上面的过程，我们知道了一个hello.c文本文件是如果通过编译变成一个可执行二进制文件hello的了。

理解这个过程对于程序员是很重要的。原因有一下几点：

理解编译的过程可以优化程序性能
可以理解链接时错误
避免一些安全问题的坑

总之，理解底层的原理，终归是有好处的。

4. 处理器读并解释存在内存中的指令

为了执行上面的hello程序，只需要;

./hello

即可，就是这么简单。

那么计算机是如何执行存储在hello文件中的指令的呢？首先看一下计算机的整体结构：

4.1 系统的硬件组成

上图展示了系统的硬件组织，主要有下面几个部分：

4.1.1 Buses

总线。总线用来在不同的部分之间传输数据。就像城市里的公路有四车道八车道一样，总线也有一个衡量的大小。总线有一个固定大小的指标：字（word），一个字就是总线能传输数据的最小单位，可以用bytes来表示。

不同的系统字的大小不同，也就是字包含的字节数不一样。32位系统一个字有4个字节；64位系统一个字有8个字节。

4.1.2 I/O Devices

输入输出设备。这就是计算机系统和外界的连接点了，比如键盘、鼠标、显示器和磁盘等。

每一个输入输出设备可以通过controller或adapter连接到系统中。

4.1.3 Main Memory

内存。内存就是dynamic random access memory(DRAM)的集合。

4.1.4 Processor

中央处理器，CPU。这个是用来执行指令的，有逻辑处理单元（arithmetic/logic unit, ALU）、程序计数器（program counter， PC）和寄存器文件（register file）。

CPU通过执行一些简单的指令就可以完成大量的工作：

Load
Store
Operate
Jump

4.2 执行hello

介绍完计算器的硬件组成，来看看计算机是如何执行hello这个程序的。

当我们将./hello通过键盘输入之后，这个信息就被存储到寄存器文件中了。这个过程就是读指令。如图：

当我们敲下回车键之后，计算机就知道指令输入完了，接下来就是执行了。shell将可执行的hello文件从磁盘加载进内存中。从上图可以看出，hello程序的数据先被送到了CPU中的寄存器文件中，然后送到内存中。

通过DMA（direct memory access）技术，磁盘中的数据可以直接送到内存中。如图：

当hello文件中的指令和数据加载到内存之后，计算机就可以执行程序中的指令了，并将数据输出到屏幕上：

5. 缓存至关重要

从上面可以看到数据在磁盘、内存和CPU中不断穿梭，穿梭的过程中就浪费了一些时间。

所以为了降低时间，一个重要的组成部分就是缓存（cache）。

比如CPU中可以加上L1和L2缓存（static random access memory, SRAM）。

当然，在别的地方也可以加缓存。在计算机系统中，我们会经常看到缓存的身影。

6. 层级结构的存储设备

7. 操作系统管理硬件

当我们执行hello程序的时候，并不是这个程序完成了所有的工作，它依赖于另一个程序来完成大部分的工作，这个程序就是操作系统。操作系统用来管理硬件。结构如下：

7.1 Processes

进程，是操作系统提供的一个抽象。它让运行在这个进程中的程序感觉，只有它自己在使用整个计算机系统。

进程的抽象如下：

为了支持多个进程，需要使用上下文切换（context switching）的机制。说白了就是计算机的使用权在不同的进程中“反复横跳”：

除了用户进程，有一个内核进程。这个内核进程可以管理所有的进程。

7.2 Threads

线程的粒度更低一些，一个进程可以有多个线程，所有的线程共享这一个进程的代码和数据。

多线程编程的代价比多进程编程的代价低一些。

7.3 Virtual Memory

虚拟内存。就像进程是一个抽象一样，虚拟内存也是一个抽象。它给每个进程一个幻觉，好像自己独占了所有的内存一样。

虚拟内存的结构如下：

主要包括：代码段、数据段、堆、共享库、栈和内核虚拟内存。

7.4 Files

文件就是比特串。在linux中，所有的IO设备也被认为是文件。

8. 系统间使用网络通信

上面介绍的都是在一个计算机系统中。那么不同的计算机系统之间怎么通信呢？

答案是使用网络：

网络也可以认为是一个I/O设备，当然也可以当做是一个文件。

9. 重要的主题

9.1 Amdahl’s Law

主旨就是：当我们提升系统中一部分的效率时，那么整体的效果取决于，那部分在整个系统中的重要性以及那部分提升效率的具体值。

令$T_{old}$作为系统升级前所需时间，$α$作为升级部分在系统中的比例，性能提升系数是$k$，那么系统提升后所需的时间：
$$
T_{new}=(1-α)T_{old}+(αT_{old})/k
=T_{old}[(1-α)+α/k]
$$
所以系统整体性能提升的系数$S$是：
$$
S=\frac{1}{(1-α)+α/k}
$$
比如要升级一个系统中占60%的子系统（α=0.6），性能提升系数是3（k=3）。那么整体提升的性能系数是1/[0.4+0.6/3]=1.67。

有意思的是，当k无穷大时，系统整体的性能提升系数是：
$$
S_{∞}=\frac{1}{1-α}
$$
拿上面的例子来说就是2.5。

所以我们在做系统优化的时候，对于一个子系统不一定非要提升得多么多么好，从而白白浪费精力也没有给整个系统带来可观的性能提升。