C++ 与 Linux 下的程序地址空间解析

关键点：

• 静态变量（无论局部还是全局）都存储在相同的内存区域（数据段或 BSS）
• 区别在于可见性（作用域），而不是存储位置
• 静态局部变量只在函数内可见，但生命周期是整个程序

那程序地址空间真的存在吗？

不是内存，应该叫做虚拟地址空间。其地址是虚拟地址，不是真正的物理地址。

怎么证明： 父子进程修改一个变量有写时拷贝，结果两个的数据内容不一样但是地址一样，如果这是物理内存的话，明显不符合。所以只能是虚拟的。但是它具体是什么都不知道，C/C++ 里用到的都是虚拟地址，不是实际的内存地址。

关键解释

虚拟地址空间： 每个进程都有自己的虚拟地址空间（如 32 位系统下的 4GB 空间）

这是操作系统提供的抽象：

• 进程"看到"的是连续的地址空间
• 实际上这些地址被映射到物理内存的不同位置，甚至可能部分在磁盘上（页面交换）
• 不是物理排布：物理内存不可能为每个进程都分配完整的地址空间
• 例如：多个 4GB 进程不可能同时完全装入 2GB 物理内存

操作系统使用分页/分段技术，按需将虚拟地址映射到物理内存。

概念 vs 语言： 地址空间是计算机科学的概念，不是编程语言特有的概念。它是操作系统和硬件协作提供的抽象层。

虚拟地址与进程地址空间

大富翁例子

虚拟地址空间相当于大饼：每个进程都以为自己有 4GB 的物理内存，每个进程都以为自己在独占。

那操作系统给进程画了大饼，也要把大饼管理起来，就又到了先描述、再组织：

• struct 饼：时间，内容……；然后组织起来

所以为了能把虚拟地址空间管理起来，虚拟地址空间就是一个数据结构，在 Linux 里叫 struct mm_struct。

所以在我们创建进程的时候，要给进程画一个 mm_struct 这个虚拟地址（大饼）。task_struct 也是结构体变量，里面有指针指向对方。

虚拟地址空间怎么实现？

我们看起来有代码区，堆，栈……

它是一个从 0 到全的一共 2 的 32 次方个地址；同时它也划分了很多区域。

那这些区域要怎么理解？小女孩在桌子上画线本质就是区域划分，那怎么用计算机量化这个区域划分？

小女孩区域分化，用计算机量化一下！

struct Desktop {
    int zs_start; // 张三区域开始
    int zs_end;   // 张三区域结束
    int ls_start; // 李四区域开始
    int ls_end;   // 李四区域结束
};
struct Desktop area = {0, 49, 50, 99};

所以区域划分只需要定好区域的开始和结束就可以； 就上面的每一个刻度就是地址，比如 0 处，1 处等等；虽然地址空间没说明地址，但是只要知道可以使用的区域就可以。

桌子就是地址空间，宽度是 2 的 32 次方，刻度是地址空间上的地址，一张桌子上的小朋友先不管，每一个小朋友都有自己的区域。所以结构体大饼要有什么属性？

本质：是一个数据结构！！

struct mm_struct {
    long code_start;      // 代码段开始
    long code_end;        // 代码段结束
    long init_start;      // 初始化数据开始
    long init_end;        // 初始化数据结束
    long uninit_start;    // 未初始化数据开始
    long uninit_end;      // 未初始化数据结束
    long heap_start;      // 堆开始
    long heap_end;        // 堆结束
    long stack_start;     // 栈开始
    long stack_end;       // 栈结束
    // ……
    pgd_t* pgd;           // 页表根指针
    struct vm_area_struct* mmap; // VMA 链表
};

就是每一个区域的开始虚拟地址和结束虚拟地址；调整区域就是修改开始和结束。

所以地址空间本质上就是一个数据结构，PCB 里有一个指针会指向自己进程的地址空间。

它这个空间是可变的，比如你写的代码占 100 字节，那它就开辟一百字节的代码区就可以，与此同时，物理空间也开辟同样大小的，然后通过页表映射；而怎么改变区域大小，就是调整区域划分。

mm_struct 的初始化

1. 开辟空间

2. 初始化的值从哪里来？

地址空间是个对象，但是对象要被初始化，那它怎么初始化？相当一部分就是程序加载到内存的时候，在加载的时候来的。

程序在磁盘上是 ELF 格式的可执行文件，里面已经记录了：

• 代码段多大、从哪开始
• 数据段多大、从哪开始
• 入口地址是什么

加载程序时，操作系统读取这些信息，填到 mm_struct 里。

一个进程一个虚拟地址空间，一个进程一套页表

虚拟地址空间对应的宽度是 1 字节；32 位下有 2 的 32 次方个地址就是 4GB，64 位下有 2 的 64 次方个地址，宽度是 1 字节嘛，就这样乘。

用户空间 3GB，然后内核空间 1GB。

页表的作用

在这里说一个情况，你在程序里定义一个全局变量，然后在内存（物理地址）上就有了这个变量，在地址空间上也要对应有一个全局变量，这个全局变量的虚拟起始地址；与此同时，每个进程创建的时候要构建一个页表，一个进程一个地址空间，一个进程一个页表，页表的作用是：

页表 ┌──────────┬──────────┐
│ 0x111111 │ 0x112233 │
├──────────┼──────────┤
│ ...      │ ...      │
└──────────┴──────────┘

它就长这样，然后左侧是变量的虚拟地址，右侧是变量的物理地址；当我们进程要访问虚拟地址，操作系统就查表来找到内存地址来访问，所以页表是做内存映射的。

我们在语言层用到的都是虚拟地址，我的代码里每一个变量都有地址，包括代码本身都有地址，都是虚拟地址，然后通过映射找到内存地址。

地址的理解

但是刚刚我们知道，程序地址空间的宽度是 1 字节，那四个字节代表是有四个地址，那么我们得到的是哪个地址，是四个地址里最小的地址；那一个地址只能访问一个字节，所以有了类型，所以有了起始地址加偏移量就可以访问到完整地址。

fork 与写时拷贝

子进程的很多东西都是包括 task_struct 拷贝父进程的，然后改一改；子进程也要有自己的虚拟地址空间；也有自己对应的页表，因为子进程有自己的代码；那子进程的页表和虚拟地址空间都拷贝父进程。

但是页表拷贝就是浅拷贝了，所以为什么打印的地址是一样的，而且为什么全局变量被父子共享；代码也共享了；

要是子进程要修改全局变量，操作系统就会在内存开辟一个新空间然后把变量复制过去，子进程的映射也改变到新创建的变量，就可以看起来是一个地址（虚拟地址）但是值不同，因为真实的物理地址不一样；这就是写时拷贝。

与此同时用户只能看到虚拟地址看不到物理地址。

那为什么要有虚拟地址空间？

1. 将地址从无序变有序

物理内存可能是碎片化的、散落各处的。虚拟地址空间让每个进程看到的是连续、统一的地址布局。

2. 权限保护

页表当中还有权限，如果你要对一个代码区写入但是没权限，去查页表，操作系统就不会让你完成，就对代码进行保护。即地址转化过程中，可以对你的地址和操作进行合法性判定。

几个问题：

a. 什么是野指针

char* str = "helloworld";
*str = 'H'; // 崩溃！

a. 野指针其实就是已经被释放的空间你去访问，然后查页表要去访问，结果操作系统为了保护代码，可能会直接把你的进程挂掉，导致程序崩溃；不一定程序奔溃，做个了解。

b. 这个叫字符串常量，是不可被修改的；那会发生什么，可以编译过，运行的时候崩掉了，字符串在字符常量区，它的权限是只读，没权限，所以页表转换失败。

3. 缺页中断（按需加载）

还没讲，大概意思就是物理空间如果需要的很大，可以先加载一点然后映射到页表，用的时候动态加载。

不需要一次性把整个程序加载到内存，用到哪页加载哪页，节省内存。

4. 让进程管理和内存管理进行一定程度的解耦合

进程只管虚拟地址，内存管理只管物理页的分配回收，两边通过页表连接，互不干扰。

常见问题解答

1. 可以不加载对应的代码和数据，只有 task_struct，mm_struct…，页表；

可以。创建进程时先建好"骨架"，代码和数据可以按需加载（Demand Paging）。

2. 创建进程，先有 PCB 和 mm_struct…才会有代码；

对。顺序是：分配 task_struct → 分配 mm_struct → 建立页表 → 映射代码段/数据段 → 按需加载。

3. 如何理解进程挂起？

进程挂起就是先找到对应的进程，把页表标记为"不在内存"，把物理页内容换出到磁盘（swap 区）。这个时候虚拟地址还在，mm_struct 还在，只是物理页暂时不在内存里。恢复时再换回来。

堆区不止一个地址

堆区不止一个吧？不止一个虚拟地址吧？因为我需要不断地去 new 啊，然后它每次之间都是离散的呀？

没事的，mm_struct 里维护了一个 vm_area_struct 链表，有指向下一个节点的指针，然后分很多堆区也没事，一份堆区对应一个 vm_area_struct，vm_area_struct 里有这个堆区的开始和结束地址。

struct vm_area_struct {
    unsigned long vm_start;      // 区域起始地址
    unsigned long vm_end;        // 区域结束地址
    struct vm_area_struct* vm_next; // 下一个 VMA
    unsigned long vm_flags;      // 权限标志
    // ...
};

就是一个地址区域相当于一个节点，整个是一个链表，然后节点里有指向下一个节点的指针。

mm_struct └── mmap ──► [VMA: 代码段] ──► [VMA: 数据段] ──► [VMA: 堆] ──► [VMA: 栈] ──► NULL 

总结

1. 虚拟地址空间是操作系统给进程制造的"幻觉"，让每个进程以为自己独占一大片连续内存。
2. 内核用 mm_struct 描述虚拟地址空间，记录各区域的起止地址。
3. 用 vm_area_struct 链表管理各个区域（代码段、数据段、堆、栈……）。
4. 页表负责把虚拟地址翻译成物理地址，同时做权限检查。
5. 这套机制实现了：
   • 进程隔离（互不干扰）
   • 简化编程（不用关心物理地址）
   • 灵活分配（虚拟连续，物理可以不连续）
   • 写时拷贝（fork 高效）
   • 权限保护（防止非法访问）
   • 按需加载（节省内存）