汇编语言轻松入门

通常说的学习编程其实就是学习高级语言编程，比如C语言、C++语言、Python语言、JAVA语言等等，即那些为人类设计的计算机语言。

但是，我们的计算机它并不理解什么是高级语言，计算机只是一个机器，它只有电气的特性，比如正负电荷、高低电平等，所以必须通过编译器将高级语言转换成二进制编码，这样才能运行。学会高级语言，并不等于理解计算机实际的运行步骤。更多关于计算机的知识，可以阅读下计算机组成原理方面的书籍。

在这里插入图片描述

计算机真正能够理解的编程语言是低级语言，它是被专门用来控制硬件的。我们的汇编语言就是一种低级语言，通过一些标识符直接描述/控制 CPU 的运行。如果你想了解 CPU 到底干了些什么，以及代码的运行步骤，就一定要学习汇编语言，因为汇编语言是最接近机器语言的，这里说的机器语言又是什么呢，简单可以把它看成是由0与1构成的一组组指令，这些0和1组成的指令存储在可编程的存储单元中，它最终会被计算机取出来转化成一个个对应的电气特性的信号，这样就华丽地实现了从软件到硬件的转变。

汇编语言是低级语言，所以不易阅读，也不易理解，因此它是一种不易学习的编程语言，但实际工作中所有的高级语言，最终编译执行，都少不了汇编作为中间桥梁，所以对它有一点了解，对于我们理解奇妙的计算机世界还是有帮助的。下面我尝试写一篇最好懂的汇编语言教程，解释 CPU 如何执行代码。
在这里插入图片描述

一、汇编语言是什么？

我们知道，CPU 只负责计算，本身不具备智能。你输入一条指令（instruction），它就运行一次，然后停下来，等待下一条指令。

这些指令都是由0和1组成的，它们是二进制的数据，称为操作码（opcode），我们日常用得比较多的进制是10进制数，即由0~9这10个数组成的数，但在计算机世界中，不仅有10进制，还有8进制、16进制、以及这里说的2进制，顾名思义，2进制数只有0和1这两个基本元素组成，比如加法指令就是00000011 。编译器的作用，就是将高级语言写好的程序，翻译成一条条操作码。

对于人类来说，二进制程序是不可读的，根本看不出来机器干了什么。为了解决可读性的问题，以及偶尔的编辑需求，就诞生了汇编语言。
在这里插入图片描述

汇编语言是二进制指令的文本形式，与指令是一一对应的关系。比如，加法指令00000011，把它写成汇编语言就是 ADD。ADD只是一个符号而已，具体到计算机它是00000011这样的指令码，所以只要还原成二进制，汇编语言就可以被 CPU 直接执行，所以它是最底层的低级语言。

二、汇率语言的来历

在计算机发展的早期，人们编写程序就是手写二进制指令，然后通过各种开关输入进计算机执行，比如要做加法运算，就按一下加法开关。随着时间的推移，科学家们发明了纸带打孔机，通过在纸带上打孔，将二进制指令自动输入计算机，这无形中提供了“生产率“。看到早期的计算机，回头再看看现在的计算机、手机等各种电子产品，是不是感到技术的伟大，发展的速度如此之快！
那时为了解决二进制指令的可读性问题，工程师将那些指令写成了八进制。二进制转八进制是轻而易举的，但是八进制的可读性也不行。很自然地，最后还是用文字表达，加法指令写成 ADD。内存地址也不再直接引用，而是用标签表示。
这样的话，就多出一个步骤，要把这些文字指令翻译成二进制，这个步骤就称为 assembling，完成这个步骤的程序就叫做 assembler。它处理的文本，自然就叫做 aseembly code。标准化以后，称为 assembly language，缩写为 asm，中文译为汇编语言。
在这里插入图片描述

每一种 CPU 的机器指令都是不一样的，因此对应的汇编语言也不一样。本文介绍的是目前最常见的 x86 汇编语言，即 Intel 公司的 CPU 使用的那一种。

三、计算机的寄存器

在我们学习汇编语言时，首先必须要了解两个重要的知识点：寄存器和内存模型。

先来说说寄存器吧。CPU 本身只负责运算，不负责储存数据。数据一般都储存在内存之中，**CPU **要用的时候就去内存读写数据。但是，CPU 的运算速度远高于内存的读写速度，为了避免被拖慢，CPU 都自带一级缓存和二级缓存。基本上，CPU 缓存可以看作是读写速度较快的内存。

但是，CPU 缓存还是不够快，另外数据在缓存里面的地址是不固定的，CPU 每次读写都要寻址也会拖慢速度。因此，除了缓存之外，CPU 还自带了寄存器（register），用来储存最常用的数据。也就是说，那些最频繁读写的数据（比如循环变量），都会放在寄存器里面，CPU 优先读写寄存器，再由寄存器跟内存交换数据。
在这里插入图片描述

寄存器不依靠地址区分数据，而依靠名称。每一个寄存器都有自己的名称，我们告诉 CPU 去具体的哪一个寄存器拿数据，这样的速度是最快的。有人比喻寄存器是 CPU 的零级缓存。

四、寄存器的种类

Intel早期的 x86 CPU 只有8个寄存器（现在我们用的是Intel i5、 i7、i9，有成百上千个寄存器吧，速度已经无法与当初的相比了！），而且每个都有不同的用途。现在的寄存器已经有100多个了，都变成通用寄存器，不特别指定用途了，但是早期寄存器的名字都被保存了下来。

EAX
EBX
ECX
EDX
EDI
ESI
EBP
ESP

上面列的这8个寄存器中，前面七个都是通用的寄存器。ESP 寄存器有特定用途，它有个名字叫栈寄存器，保存当前 Stack 的地址（详见下一节）。
在这里插入图片描述

我们常常看到 32位 CPU、64位 CPU 这样的名称，其实指的就是寄存器的大小。32 位 CPU 的寄存器大小就是4个字节。

五、计算机的内存模型：Heap

计算机的寄存器只能存放很少量的数据，在很多时候，CPU 要指挥寄存器工作，是直接跟内存交换数据。因此，除了寄存器外，还必须了解计算机的内存是怎么储存数据。
程序在计算机上运行的时候，操作系统就会给它分配一段内存空间出来，用来储存程序和运行时产生的数据。这段内存有起始地址和结束地址，比如从0x1000到0x8000的地址空间，起始地址是较小的那个地址，结束地址是较大的那个地址，如下图所示。
在这里插入图片描述

程序运行的过程中，对于动态的内存占用请求（比如对于程序中的新建对象，或者使用malloc命令这样的代码），计算机的操作系统就会从预先分配好的那段内存之中，划出一部分给用户，具体规则是从起始地址开始划分（实际上，起始地址会有一段静态数据，这里忽略）。举例来说，用户要求得到10个字节内存，那么从起始地址0x1000开始给他分配，一直分配到地址0x100A，如果再要求得到22个字节，那么就分配到0x1020。

在这里插入图片描述

这种由用户（程序员）主动请求而划分出来的内存区域，叫做 Heap（堆）。它从起始地址开始，从低位（地址）向高位（地址）增长。Heap 的一个重要特点就是不会自动消失，必须手动释放，或者由垃圾回收机制来回收，这也是我们日常开发大型项目中，经常会给自己挖坑的地方，自己分配了一个静态的堆空间，忘记使用后把它释放了，最终导致计算机的内存不足而系统崩溃。

六、计算机的内存模型：Stack

上面介绍了计算机内存模型Heap，然而除了 Heap 之外，在计算机中其他的内存占用就叫做 Stack（栈）。简单地说，Stack 是由于函数调用、函数运行而临时占用的内存区域。

在这里插入图片描述

比如有下面这样一个例子。

int main() {int a = 2;int b = 3;
}

在上面的代码中，系统开始执行main函数的时候，系统就会为它在内存里面建立一个帧（frame）空间，所有main的内部变量（比如a和b）就都保存在这个帧里面。当main函数执行结束后，该帧就会被系统回收，以释放所有的内部变量，不再占用空间。

在这里插入图片描述

如果在函数的内部又调用了其他函数，会有什么情况发生呢？看下面这个例子：

int main() {int a = 2;int b = 3;return add_a_and_b(a, b);
}

从上面的程序代码中，在main函数的内部调用了add_a_and_b这个函数。当执行到这一行的时候，计算机操作系统也会为add_a_and_b创建一个帧空间区域，用来存储它的内部变量。也就是说，此时在栈空间中同时有两个帧存在：main和add_a_and_b。一般来说，调用栈有多少层，就认为有多少帧与之相对应。

在这里插入图片描述

等到add_a_and_b函数运行结束的时候，它的帧空间就会被回收，计算机操作系统会返回到函数main刚才中断执行的地方（操作系统的中断机制），继续往下执行。通过这种机制，就实现了函数的层层调用，并且每一层都能使用自己的本地变量。

所有的帧都存放在 Stack，由于我们的帧空间区域是一层层叠加起来的，所以 Stack 叫做栈。当生成新的帧空间时，就叫做"入栈"，英文表示是 push（在汇编中通常也用这个标识表示入栈的命令）；栈的回收叫做"出栈"，英文表示是 pop。Stack 有一个重要的使用特点就是，最晚入栈的帧最早出栈（因为在最内层执行的函数调用，最先结束它的运行），这就叫做"后进先出"的数据结构（与数据结构中的队列是相反，队列是先进先出）。每一次函数执行结束，就自动释放掉一个帧，所有函数执行结束后，整个 Stack 就都被释放完了。

在这里插入图片描述

Stack 是由内存区域的结束地址开始，从高位（地址）向低位（地址）分配（这里是以英特尔Intel的为例，也有硬件是由低位向高位的，具体要看是什么硬件平台了。）。比如，内存区域的结束地址是0x8000，第一帧假定是16字节，那么下一次分配的地址就会从0x7FF0开始；第二帧假定需要64字节，那么地址就会移动到0x7FB0。

在这里插入图片描述

七、计算机的CPU 指令

7.1 一个栗子

在前面介绍了寄存器和内存模型后，我们对寄存器和内存模型也有了一定的认识和了解，接下来我们就可以来看看汇编语言到底是什么了。下面是一个简单的C语言写的程序代码example.c。

int add_a_and_b(int a, int b) {return a + b;
}int main() {return add_a_and_b(2, 3);
}

我们使用gcc编译器来将这个程序转成汇编语言。

$ gcc -S example.c # -S 将C语言翻译成汇编的标识符

上面的命令执行完后，会生成一个新的文本文件example.s，里面就是汇编语言的代码，包含了几十行指令。可以这么理解，一个高级语言的简单操作，底层可能由几个，甚至几十个 CPU 指令构成。CPU 依次执行这些指令，完成这一步操作。（这里的每一行汇编代码对应了一个二进制的机器指令码）
example.s经过简化以后，大概是下面的样子。

_add_a_and_b:push   %ebxmov    %eax, [%esp+8] mov    %ebx, [%esp+12]add    %eax, %ebx pop    %ebx ret  _main:push   3push   2call   _add_a_and_b add    %esp, 8ret

可以看到，原程序的两个函数add_a_and_b和main，对应两个标签_add_a_and_b和_main。每个标签里面是该函数所转成的 CPU 运行流程。

每一行就是 CPU 执行的一次操作。它又分成两部分，就以其中一行为例。