了解虚拟地址
在学习C语言的时候，经常会说到地址，这里的地址我们学习的时候就认为是内存中的地址。但是实际上，这个并不是内存的地址，只是有操作系统的存在，使用这个地址就能对特定的地址完成读写。这里的地址实际上是虚拟地址。
假设内存是4G，那么对于用户就是下面的空间排布。每一个进程都认为自己有4G的内存可以使用。
这段空间中自下而上，地址是增长的，栈是向地址减小方向增长(栈是先使用高地址)，而堆是向地址增长方向增长(堆是先使用低地址)，堆栈之间的共享区，主要用来加载动态库。
验证地址空间的基本排布:
#include<stdio.h>
#include<stdlib.h>
int g_unval;//未初始化
int g_val = 100;//初始化
int main(int argc,char *argv[],char *env[])
{
printf("code addr: %p\n",main);//代码区起始地址
const char* p = "hello bit";//p是指针变量(栈区)，p指向字符常量h(字符常量区)
printf("read only : %p\n",p);
printf("global val: %p\n",&g_val);
printf("global uninit val: %p\n",&g_unval);
char *q = (char *)malloc(10);
printf("heap addr: %p\n",q);
printf("stack addr: %p\n",&p);//p先定义，先入栈
printf("stack addr: %p\n",&q);
printf("args addr %p\n",argv[0]);//命令行参数
printf("args addr %p\n",argv[argc-1]);
printf("env addr: %p\n",env[0]);//环境变量
return 0;
}
我们可以看到代码区的地址是最小的，这里就验证了地址空间的基本排布：p和q都是定义在栈区的，p先定义，先入栈，可以看到p的地址大于q，说明了栈是先使用高地址再使用低地址。
进程地址空间，会在进程的整个生命周期内一直存在，直到进程退出。这也就解释了全局变量为什么会一直存在，原因是未初始化数据，初始化数据，这些区域是一直存在的。
所有的可以看到的地址都是虚拟地址。
了解进程地址空间
下面我们通过一个代码来看一个现象，我们定义了一个全局变量，fork创建一个子进程，让父进程和子进程完成自己的任务，在子进程中定义count来计数，当子进程的打印任务进行到第五次时，让子进程将这个全局变量改成100：
#include<stdio.h>
#include<unistd.h>
int g_val = 0;
int main()
{
printf("begin.....%d\n",g_val);
pid_t id = fork();
if(id==0)
{
//child
int count = 0;
while(1)
{
printf("child: pid: %d,ppid: %d, g_val:%d, &g_val: %p\n",getpid(),getppid(),g_val,&g_val);
sleep(1);
count++;
if(count == 5)
{
g_val = 100;
}
}
}
else if(id>0)
{
//father
while(1)
{
printf("father: pod: %d,ppid: %d, g_val:%d, &g_val: %p\n",getpid(),getppid(),g_val,&g_val);
sleep(1);
}
}
else
{
//todo
}
return 0;
}
代码共享，所以看到前五次打印的g_val的地址都是一样的，这我们不意外，等到了第六次时，我们发现父进程g_val依然是0，子进程的g_val变成了100，因为我们将它改了，这也不意外，因为前面说了，父子进程之间代码共享，而数据是各自私有一份的(写时拷贝)，但是令人奇怪的是地址竟然是一样的！
如果我们看到的地址，是物理地址，这种情况可不可能呢？
所有这就证明了我们所看到的地址不是物理地址，这种地址就是虚拟地址。但是我们的数据是存在内存中的，就是物理内存中。所有一定会存在操作系统将虚拟地址转化为物理地址。
所有我们写的代码在运行起来就变为了进程，所有程序地址叫做进程地址更为准确。每个进程都有自己的进程地址空间。
在Linux当中，进程地址空间本质上是一种数据结构，是多个区域的集合。
在Linux内核中，有这样一个结构体：struct mm_struct，在这个结构体去表示我们开始说的一个一个的区域呢？这样去表示：
struct mm_struct
{
unsigned long code_start;//代码区
unsigned long code_end;
unsigned long init_start;//初始化区
unsigned long init_end;
unsigned long uninit_start;//未初始化区
unsigned long uninit_end;
unsigned long heap_start;//堆区
unsigned long heap_end;
unsigned long stack_start;//栈区
unsigned long stack_end;
//...等等
}
源码是这样的：
当每个区域的空间不够，就会修改对应的end和start
这些所有的结构体变量表示的范围就是进程地址空间。 每一个进程都会有一个这样的结构体变量，去控制它的地址空间范围。
每个进程的进程地址空间范围都是4G，假设内存是4G。都会认为自己独占内存。这也就说明了为什么会出现两个相同的地址，因为虚拟地址，进程可以使用任何一个在4G大小内的地址，这个地址可以一样，因为是两个进程。虚拟地址通过映射，映射到不同的物理地址。
操作系统为每一个进程创建一个地址空间，地址空间在操作系统内部，我们所看到的地址也都是地址空间的地址。每个进程的
task_struct中存在指向其mm_struct结构体的指针。
地址空间的本质就是操作系统给进程画的大饼。告诉进程有多少物理内存，然后所有的物理内存都可以使用，只是使用的是虚拟的，实际上操作系统在映射的时候就映射到实际的内存了。使用VS编程的时候使用的32位，这样虚拟地址就限制在了32位了。在实际映射的时候，再进行映射。
认识页表
虚拟地址和物理内存上的物理地址之间建立关系的东西叫做页表，页表用来映射虚拟地址和物理地址。
每个进程都有自己的进程地址空间，操作系统进行管理，地址空间本质上就是内核中的一个结构体对象。
我们的程序在编译为二进制的时候，就会存在各种各样的地址，每个函数有他的地址，每个变量也有它的地址。这些在编译的时候就已经存在。当进程的代码和数据加载到内存的时候，各种地址先加载到页表，然后页表再映射到物理内存。所有之前学习的地址，使用虚拟地址也是没错的，因为页表会帮我们映射到物理地址。而且我们也无法得到真正的物理地址。
写时拷贝
当我们创建一个子进程的时候，并不是所有的数据都会拷贝一份，而是按需申请。
创建子进程，子进程也有它的PCB，需要虚拟地址空间和页表。因为子进程的资源是拷贝的父进程的资源，子进程的页表同样也是拷贝的父进程的。所以父子进程打印的地址是一样的，实际指向的物理地址也是一样的。只有在子进程指向的地址要修改变量的时候，才会开辟一个新的空间，虚拟地址不变，重新映射一个新的物理地址。这叫写时拷贝。
为什么不在刚创建进程的时候就拷贝一份呢？因为不是所有的资源都会修改的。大部分不修改的资源父子共享。在修改的时候再进行拷贝，达到有效节省空间的目的。
为什么要存在地址空间
- 让无序变得有序，让进程以统一的视角看待物理内存。
- 进程管理模块与内存管理模块之间进行结构
如果没有进程地址空间，进程直接访问物理内存，当进程退出时，内存管理需要尽快将该进程回收，在这个过程当中必须得保证内存管理得知道某个进程退出了，并且内存管理也得知道某个进程开始了，这样才能给他们及时的分配资源和回收资源，这就意味着内存管理和进程管理模块是强耦合的，也就是说内存管理和进程管理关系比较大，通过我们上面的理解，如果有了进程地址空间，当一个进程需要资源的时候，通过页表映射去要就可以了，内存管理就只需要知道哪些内存区域(配置)是无效的，哪些是有效的(被页表映射的就是有效的，没有被页表映射的就是无效的)，当一个进程退出时，它的映射关系也就没了，此时没有了映射关系，物理内存这里就将该进程的数据设置为无效，所以第二个好处就是将内存管理和进程管理进行解耦，内存管理是怎么知道有效还是无效的呢？比如说在一块物理内存区域设置一个计数器count，当页表中有映射到这块区域时，count就++，当一个映射去掉时，就将count–，内存管理只需要检测这个count是不是0，如果为0，说明它是没人用的。
没有进程地址空间时，内存也可以和进程进行解耦，但是代码会设计的特别复杂，所以最终会有进程地址空间
- 在早些时候是没有地址空间的，就是进程的PCB直接管理进程地址空间的。
此时如果进程直接访问物理内存，如果指针越界了，一个进程的指针指向了另一个进程的代码和数据，那么进程的独立性，便无法保证，因为物理内存暴露，其中就有可能有恶意程序直接通过物理地址，进行内存数据的篡改，如果里面的数据有账号密码就可以改密码，即使操作系统不让改，也可以读取。
后来就发展出来了虚拟地址空间，那么虚拟地址空间如何避免这样的问题呢？
由上面我们所了解的知识，一个进程有它的task_struct，有地址空间，有页表，页表当中有虚拟地址和物理内存的映射关系，有了页表的存在，虚拟地址到物理地址的一个转化，由操作系统来完成的，同时也可以帮系统进行合法性检测。
而且mm_struct里面是地址范围，同时也在页表的左侧，当越界后无法映射到页表，自然无法访问物理内存。
我们写代码的时候肯定了解过指针越界，我们知道地址空间有各个区域，那么指针越界一定会出现错误吗？
不一定，越界可能他还是在自己的合法区域。比如他本来指向的是栈区，越界后它依然指向栈区，编译器的检查机制认为这是合法的，当你指针本来指向数据区，结果指针后来指向了字符常量区，编译器就会根据mm_struct里面的start，end区间来判断你有没有越界，此时发现你越界了就会报错了，这是其中的一种检查，第二种检查为：页表因为将每个虚拟地址的区域映射到了物理内存，其实页表也有一种权限管理，当你对数据区进行映射时，数据区是可以读写的，相应的在页表中的映射关系中的权限就是可读可写，但是当你对代码区和字符常量区进行映射时，因为这两个区域是只读的，相应的在页表中的映射关系中的权限就是只读，如果你对这段区域进行了写，通过页表当中的权限管理，操作系统就直接就将这个进程干掉。
进一步理解页表和写时拷贝
需要了解的是CPU中有特定的寄存器保存当前进程的页表的地址。CPU中存在一个模块叫MMU，MMU负责将虚拟地址结合页表转化为物理地址。
页表中存在一些标志位，这些标志位有读写权限，这就是为什么常量区无法进行写操作。还有标志进程是否在内存中。这个是否在内存中来说明是否是挂起态，如果是，那么映射的物理地址就是其他进程的，操作系统拒绝这个进程访问。
当发生权限冲突时，操作系统会进行检查。如上面的g_val，当父子进程使用一个变量的时候，页表中对应的地址的权限就变为了只读。此时如果进行修改，就会冲突。此时操作系统会进行检查，看是否要需要进行写时拷贝。
