操作系统内部布局回顾

内存布局详细解析

进程概念

进程的重新定义

首先，第一个核心概念：

进程实际上是在执行流（Execution Flow）概念封装下，承担系统资源分配的基本实体。

重新定义进程：

进程是操作系统进行系统资源分配的基本实体。

那么进程如何承担资源分配？

它依靠的是操作系统内核中的相关数据结构。

例如：

• PCB（Process Control Block，进程控制块）；
• 地址空间（Address Space）；
• 页表（Page Table）；
• 文件描述符表（File Descriptor Table）；
• 信号相关结构；
• 其他内核管理结构。

这些资源管理结构，以及进程对应的：

• 代码；
• 数据；

共同组成：

进程资源（Process Resources）。

##进程资源与地址空间

进程拥有的资源最终通过：

地址空间 + 页表映射关系

实现对资源的访问。

例如：

• 代码区；
• 数据区；
• 堆区；
• 栈区；
• 共享区域；
• 动态库映射区域等。

也就是说，一个进程能够访问哪些资源，本质上由它自己的地址空间以及页表映射关系决定。

---

每一个进程都有自己的：

• PCB；
• 地址空间；
• 页表。

其中 Linux 内核中的 PCB 对应的数据结构为：

task_struct

进程地址空间

每个进程都有独立的虚拟地址空间。

一个进程的虚拟地址空间通常划分为：

• 用户空间（User Space）：0～3GB
• 内核空间（Kernel Space）：3～4GB

其中用户空间主要包括：

• 代码区（Text Segment）
• 已初始化全局数据区（Data Segment）
• 未初始化全局数据区（BSS Segment）
• 堆区（Heap）
• 栈区（Stack）
• 共享库映射区等

内核空间部分在信号、用户态与内核态切换等内容中已经涉及。

虚拟地址与物理地址映射

一个进程中的所有地址实际上都是：

虚拟地址（Virtual Address）

虚拟地址经过页表转换后，最终映射到：

物理地址（Physical Address）

其中：

• 虚拟地址空间属于进程视角；
• 物理内存属于硬件实际存储；
• 页表负责维护虚拟地址到物理地址的映射关系。

实际系统中页表通常采用多级页表结构。

简化理解：

虚拟地址
    |
    ↓
多级页表
    |
    ↓
物理地址
    |
    ↓
物理内存

物理内存进一步划分为固定大小的页框（Page Frame），通常大小为：

4KB

因此：

• 代码区；
• 数据区；
• 堆区；
• 栈区；

这些虚拟地址区域最终都会通过页表映射到物理内存中的不同位置。

地址转换过程

例如进程访问某个变量：

1. 获取变量对应的虚拟地址；
2. CPU 中的 MMU（Memory Management Unit，内存管理单元）查询页表；
3. 完成虚拟地址到物理地址转换；
4. 访问对应物理内存。

过程如下：

虚拟地址
    |
    ↓
MMU + 页表
    |
    ↓
物理地址
    |
    ↓
物理内存

软硬件结合的地址转换机制

虚拟地址转换为物理地址，并不是单纯依靠软件完成，而是采用：

软件维护 + 硬件执行

的方式。

其中：

• 页表属于软件维护的数据结构；
• MMU 属于硬件模块，负责地址转换。

为什么采用软硬件结合？

因为：

硬件优势：

• 执行速度快；
• 可以通过电路直接完成固定逻辑操作。

但是：

• 灵活性较低；
• 修改成本高；
• 扩展困难。

软件优势：

• 易维护；
• 易扩展；
• 可以动态调整。

但是：

• 执行速度较慢。

因此现代计算机系统采用：

软件负责维护页表，硬件 MMU 负责完成虚拟地址到物理地址的快速转换。

##完整进程组成

一个完整进程除了包含：

• PCB；
• 地址空间；
• 页表；
• 代码和数据；

还包括：

• 系统调用；
• 文件描述符表；
• 信号机制；
• 父子进程关系；
• CPU 调度；
• 上下文切换；
• 进程状态；
• 优先级等。

进程的运行过程

在线程学习之前，对进程的定义：

进程 = 内核数据结构 + 代码和数据

一个程序最开始存储在磁盘中。

当程序运行时：

1. 操作系统通过加载机制（例如 ELF 文件加载）将程序加载到内存；
2. 创建对应的 PCB；
3. 建立进程虚拟地址空间；
4. 创建页表，完成虚拟地址到物理地址的映射；
5. CPU 根据调度策略执行该进程。

---

可执行程序在编译阶段已经按照虚拟地址空间布局生成。

因此加载时，操作系统主要完成：

• 创建进程控制结构；
• 建立地址空间；
• 建立页表映射；
• 加载代码和数据。

最终：

CPU 调度该进程执行，完成程序运行。

---

线程概念与进程关系

当我们理解线程这个概念时，首先需要思考：

线程和进程之间是什么关系？

这里研究：

Linux 操作系统中的多线程实现机制。

不同操作系统对于线程底层实现方式可能不同。

类似于：

不同学校都有：

• 学生；
• 老师；
• 校长。

但是不同学校的管理方式不同。

同样：

不同操作系统都有线程概念，但是底层实现机制可能不同。

Linux 中的线程实现具有自身特点，但最终满足操作系统理论中线程的基本定义。

Linux 中线程实现方式

之前创建子进程时，例如调用：

fork()

操作系统需要：

1. 创建新的 PCB；
2. 创建新的地址空间；
3. 创建新的页表；
4. 通过写时复制（Copy On Write）机制共享父进程代码和数据。

结构如下：

父进程
 |
 +-- PCB
 +-- 地址空间
 +-- 页表
 +-- 代码数据


子进程
 |
 +-- PCB
 +-- 地址空间
 +-- 页表

虽然父子进程初始可以共享代码和数据，但是它们拥有独立的资源管理结构。

重新理解进程资源

一个进程真正拥有的核心资源包括：

• 代码区；
• 已初始化数据区；
• 未初始化数据区；
• 堆区；
• 栈区；
• 共享区；
• 动态库映射区域等。

这些资源主要由：

虚拟地址空间 + 页表

决定。

其中：

虚拟地址空间决定：

一个进程能够看到哪些资源。

可以将进程理解为：

• 房间 = 虚拟地址空间；
• 窗户 = 访问资源的入口；
• 窗外景象 = 进程能够访问的数据和代码。

一个进程能够看到什么，本质上由它的地址空间决定。

Linux 线程实现模型

如果不创建新的地址空间，而只是创建多个 PCB：

PCB1
 |
 |
地址空间A


PCB2
 |
 |
地址空间A


PCB3
 |
 |
地址空间A

多个 PCB 共享同一个地址空间。

那么：

• 每个 PCB 都可以访问同一份代码和数据；
• 每个 PCB 可以执行不同的代码区域。

此时：

同一个进程内部存在多个执行流。

因此：

Linux 中线程的本质可以理解为：

线程就是进程内部的一个执行流。

具体实现：

Linux 线程并不是传统意义上的独立资源实体，而是创建独立的任务控制结构（task_struct），共享所属进程的地址空间、页表以及大部分资源。

线程栈与 mmap

为什么子线程栈存放在 mmap 区域？

因为：

除主线程之外，其他动态创建的线程，其线程栈通常通过 mmap 系统调用动态分配。

传统栈区限制

经典进程虚拟地址空间中：

• 栈区默认只有一份；
• 位于地址空间顶部；
• 服务于主线程。

主线程栈具有：

• 动态增长；
• 缺页异常自动扩展。

但是多线程情况下：

每个线程都必须拥有独立栈空间，用于保存：

• 局部变量；
• 函数调用信息；
• 返回地址；
• 寄存器上下文。

否则多个线程会互相覆盖栈数据。

因此：

子线程不能继续使用传统栈区。

mmap 作为线程栈的原因

① 动态创建和销毁方便

线程运行期间可能动态创建：

例如：

pthread_create()

使用 mmap 创建匿名映射区域：

• 可以向内核申请独立虚拟空间；
• 可以指定大小；
• 线程结束后使用 munmap 回收。

管理更加方便。

② 支持保护页机制

为了防止线程栈溢出影响其他线程：

Linux 会在线程栈附近设置：

Guard Page（保护页）

例如：

高地址

+----------------------+
| 子线程A 栈空间        |
+----------------------+
| Guard Page           |
+----------------------+
| 子线程B 栈空间        |
+----------------------+

低地址

保护页权限通常设置为：

PROT_NONE

没有读写权限。

当线程栈溢出访问保护页：

1. CPU 检测非法访问；
2. 触发异常；
3. 内核捕获；
4. 产生 Segmentation Fault。

避免破坏其他线程数据。

③ 子线程栈大小固定

主线程：

• 启动时由内核建立；
• 位于传统 Stack 区；
• 可以动态扩展。

子线程：

• 创建时通过 mmap 分配；
• 栈大小提前确定；
• 通常默认 8MB；
• 可以通过线程属性修改。

因此：

子线程栈不能像主线程一样自由增长。

进程与线程总结

进程：

• 拥有独立 PCB；
• 拥有独立地址空间；
• 拥有独立页表；
• 是系统资源分配的基本单位。

线程：

• 拥有独立 task_struct（Linux 中线程控制结构）；
• 共享所属进程的地址空间；
• 共享代码段、数据段、堆等资源；
• 拥有独立栈空间；
• 是 CPU 调度的基本单位；
• 是进程内部的执行流。

最终：

一个进程可以包含多个线程，每个线程拥有自己的执行上下文，但共享同一个进程资源。

线程重新定义

当进程完成资源分配后，可以进一步思考：
是否可以将进程中的部分资源，分配给某一个执行流？
答案：
可以。
因此：

线程属于进程内部的一个执行流，是 CPU 调度的基本单位。

两个核心概念：

---

进程：

承担系统资源分配的基本实体。

---

线程：

进程内部的执行流，是操作系统调度的基本单位。

---