uml+oopc嵌入式c语言开发精讲_嵌入式开发中更接近底层的汇编与C语言

分享本文，介绍下更接近硬件底层的C语言与汇编，解释 CPU 如何执行代码。

高级语言与低级语言

学习编程其实就是学习与计算机交流的语言。因为计算机不理解人类语言，通过编译器把人类写的代码转成二进制代码，才能在机器上运行。掌握了高级语言，并不等于理解计算机实际的运行步骤，还需要对C语言甚至是汇编有所了解才行。编程语言从低级到高级，如下图所示。其中，Assembly Language也就是我们说的汇编，在机器语言Machine Language与高级语言之间。

然而，计算机只能理解低级语言，它专门用来控制硬件。

汇编语言就是一种低级语言，直接描述或者控制CPU的运行。通过学习汇编语言，可以了解CPU到底干了些什么。

汇编语言不容易学习，大多数的嵌入式开发用C语言就能做得很好。用C语言开发效率更高，程序运行效率并不会大打折扣。为什么还要学习汇编呢？权当是为了更接近真相吧！

汇编语言怎么来的

作为智能设备核心的CPU只负责计算，本身不具备智能，只会按照指令要求去执行相应动作。

这些指令都是二进制的，称为操作码(opcode)，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。

最早的时候，编写程序就是手写二进制指令，程序就是一串0或1。据说在上世纪，世界上只有为数不多的天才可以做到。写完一连串01程序之后，通过各种开关输入计算机，比如要做加法了，就按一下加法开关。后来，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。如下图，就可能是一段计算机指令。

但是，这种反人类的二进制程序难以理解，可读性极差，换人来维护基本上等于从头再来！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，汇编语言应运而生。

早期，为了解决二进制指令的可读性问题，工程师曾经将那些二进制指令写成了八进制，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。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写成汇编语言就是 ADD。内存地址也不再直接引用，而是用标签表示。

把这些文字指令翻译成二进制，这个步骤就称为汇编assembling，完成这个步骤的程序就叫做汇编器assembler。它处理的文本，标准化以后称为汇编语言Assembly Language，缩写为asm，文件名后缀为s。

寄存器与内存模型

寄存器

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。本文介绍的是最常见的Intel 公司CPU使用的那种x86汇编语言。

学习汇编语言要熟悉两个知识点：寄存器和内存模型。先来说一下寄存器。

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。

由于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，像循环变量那种最频繁读写的数据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。如下图，按速度排序，从上到下依次降低。

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。

早期的x86CPU只有8个寄存器，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。

EAXEBXECXEDXEDIESIEBPESP

上面这8个寄存器之中，前面七个都是通用的。ESP 寄存器有特定用途，保存当前 Stack 的地址。

常常看到的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。

内存模型：Heap

寄存器只能存放很少量的数据，大多数时候，CPU 要指挥寄存器，直接跟内存交换数据。所以，除了寄存器，还必须了解内存怎么储存数据。程序运行的时候，操作系统会给它分配一段内存，用来储存程序和运行产生的数据。这段内存有起始地址和结束地址，比如从0x1000到0x8000，起始地址是较小的那个地址，结束地址是较大的那个地址。

程序运行过程中，对于动态的内存占用请求(比如新建对象，或者使用malloc命令)，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。

这种因为用户主动请求而划分出来的内存区域，叫做 Heap(堆)。它由起始地址开始，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。

内存模型：Stack

除了 Heap 以外，其他的内存占用叫做 Stack(栈)。简单说，Stack 是由于函数运行而临时占用的内存区域。

请看下面的例子。

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

上面代码中，系统开始执行main函数时，会为它在内存里面建立一个帧(frame)，所有main的内部变量(比如a和b)都保存在这个帧里面。main函数执行结束后，该帧就会被回收，释放所有的内部变量，不再占用空间。

如果函数内部调用了其他函数，会发生什么情况？

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

上面代码中，main函数内部调用了add_a_and_b函数。执行到这一行的时候，系统也会为add_a_and_b新建一个帧，用来储存它的内部变量。也就是说，此时同时存在两个帧：main和add_a_and_b。一般来说，调用栈有多少层，就有多少帧。

等到add_a_and_b运行结束，它的帧就会被回收，系统会回到函数main刚才中断执行的地方，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，由于帧是一层层叠加的，所以 Stack 叫做栈。生成新的帧，叫做"入栈"，英文是 push；栈的回收叫做"出栈"，英文是 pop。Stack 的特点就是，最晚入栈的帧最早出栈(因为最内层的函数调用，最先结束运行)，这就叫做"后进先出"的数据结构。每一次函数执行结束，就自动释放一个帧，所有函数执行结束，整个 Stack 就都释放了。

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。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。

CPU 指令

一个实例

了解寄存器和内存模型以后，就可以来看汇编语言到底是什么了。下面是一个简单的程序example.c。

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

gcc 将这个程序转成汇编语言。

$ gcc -S example.c

上面的命令执行以后，会生成一个文本文件example.s，里面就是汇编语言，包含了几十行指令。这么说吧，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。

example.s经过简化以后，大概是下面的样子。

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

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。