汇编语言学习笔记-ch1-4

汇编语言的构成 #

• 汇编指令：机器指令的别名。因此一条汇编指令就一一对应了一条机器指令。
  • 汇编指令是汇编语言的主要组成部分。
• 伪指令：没有对应的机器指令。其只是被编译器执行的指令，而CPU看不懂。
• 其他符号：例如+、-、*、/。编译器识别并根据此进行一些编译。

接口卡 #

• 接口卡是真正直接控制外设的部件。接口卡插在扩展插槽上，通过总线链接CPU。因此CPU是通过给接口卡发送命令从而间接控制了外部设备。

BIOS #

• 只要是独立的部件就可以有BIOS（Basic InputOutput System）。
• BIOS由厂商提供，实现此设备的最基本的输入输出的控制。例如显卡有显卡BIOS,网卡有网卡BIOS。
• BIOS一般存在ROM中。例如主板上有一个ROM专门存放主板BIOS。
• 无论是哪个设备的BIOS，由于这些设备都通过总线链接CPU，所以CPU的地址空间中都有存放这些BIOS的ROM的一份。因此可见CPU的地址空间并不完全由内存构成，此外还由若干外设构成！！虽然都是外设，但是CPU可以直接把他们都当作内存来看待。

显卡 #

• 显卡随时把显存中的数据往屏幕上送。
• 把东西放到显存中，就能实时显示在屏幕上。

8086的字节和字 #

• 为了对上一代CPU有更好的兼容性，8086把上一代CPU能处理的最大位数（8bits）称为一个字节，把自己能一次性处理的最大位数（16bits）称为一个字。
• 因此，最初对于字和字长的定义就是为了8086CPU可以兼容为上一代CPU编写的程序。

8086的通用寄存器 #

• 通用寄存器就是存放==一般数据==的寄存器。以X结尾。在8086中记作AX，BX，CX，DX。
• 8086是16位的。为了兼容为上一代CPU编写的程序，8086把自己的寄存器划分为可以支持两个8位存储的“虚拟的小寄存器”，以AX为例，记作AL、AH。
  • 注意，如果在汇编指令中使用AL、AH，而不是AX，例如add AL,9999H，则结果只是会在AL中溢出，即最高位丢失，而不会把进位保存在AH中。因为在这种情况下，AH和AL看作两个相互独立，没有任何联系的寄存器。
• ==不允许==在AX和BL等类似于这样的位数不同的寄存器之间执行MOV、ADD等操作。

16位机是什么意思？ #

• 寄存器都是16位的
• 运算器一次可以处理16位的数据
• 寄存器和运算器之间的通路是16位的

即：Reg和ALU是16位的且他们之间用16位连接。

为什么要段地址左移4位+偏移地址来形成物理地址？ #

• 8086是16位机，所以CPU只能处理16位的数据。但是8086的IO有20根数据线，希望能在16位机的条件下，达到20位地址的寻址能力。

怎么形成20位地址，20位地址怎么给了内存？ #

• CPU提供16位段地址和16位偏移地址，都送入地址加法器。
  • 注意：因为16位的限制，所以一个段的大小==最大只能是64KB==。
• 地址加法器将段地址左移四位，加偏移地址，获得物理地址。（==即由段地址和偏移地址获取了物理地址==）
• 物理地址从地址加法器送到IO控制电路，传递给内存。

段起始地址（基础地址）、段地址的区别 #

• 段起始地址是一个物理地址。
• 段地址是逻辑地址。
• 它们的关系是：后者左移4位得到前者。
  • 因此段起始地址必然是16的倍数。

8086的段寄存器 #

• 存放段地址的寄存器称为段寄存器，无论这个段是什么段。
• 8086有4个段寄存器，都以S结尾，分别是CS代码段寄存器、ES附加段寄存器（可以看作是通用段寄存器，如果实在没有段寄存器可用了就用它）、DS数据段寄存器、SS栈段寄存器。

CS：IP和指令执行的关系 #

IP（Instruction Pointer）指令指针寄存器。

• CS:IP指向的是CPU要执行的指令。
  • 因此，可以通过是否被CS:IP指向判断这里存的是指令还是数据。
  • 如果一条指令被执行了，那么它一定被CS:IP指向过。
  • 8086在加电或重置后，CS:IP被设置为FFFFH:0000H。这是8086CPU在开始运行时执行的第一条指令。
• IP指向下一指令的过程
  • CS:IP的指令取出后，放入IR，分析此指令的长度
  • 根据上述指令的长度，==让IP＋这个长度==
  • 重复上述步骤

如何手动修改CS:IP的值? #

• 8086CPU不提供使用MOV指令直接给CS或IP寄存器赋值的方式.例如MOV CS,3是不合法的.
• JMP指令有两种用法:
  • JMP数字，可以同时给CS:IP赋值。例如JMP　32:14相当于MOV CS,32 MOV IP,14的功能。（只是用来解释。实际上后者不合法。）
  • JMP寄存器，可以只给IP赋值。例如JMP AX，就相当于MOV IP，CS.
  • 因此，==JMP指令可以说是以特定的方式代替了MOV给CS或者IP赋值的操作==。

字单元和内存单元 #

• ==8086的内存是以字节编址的==，所以一个内存单元就是一个字节的大小，8bits。
• 8086的字长是16bits，所以一个字单元应包含两个内存单元。
  • 如果要存储一个字，那么字的高8位存在较高的那8位地址中（即起始地址较高的内存单元中），字的低8位类似。
  • 字单元按其起始内存单元的编号来编址，即其低8位所在内存单元的地址就是整个字单元的地址。例如我们说地址为2的字单元，就是指由地址2、地址3构成的字单元。
• 因此，任意两个连续的内存单元，可以看成是两个独立的内存单元，也可以看成是以较低的那个内存单元为地址的字单元。

如何利用DS以正确读取数据？ #

• ==8086的数据读取只能以偏移地址的方式读取。==因为8086会默认地从DS中取段地址并且和偏移地址合成物理地址。

  • 因此，需要正确设置DS寄存器的值才能正确读取数据。

• 如何设置DS寄存器的值？

  • 由于DS寄存器属于段寄存器，而8086的硬件设计不允许直接对段寄存器进行MOV操作，所以需要使用中转寄存器（任意一个通用寄存器即可）。例如：

  • mov bx,1000H
    mov ds,bx
    mov al,[1]  //成功读取到了10001H的内存单元的数据，送入al寄存器。
    //其中，中括号表示内存单元，其中的1表示偏移地址。
    

• 对字节的操作和对字的操作（8086作为16位机，支持一次性读取一个字的操作）：如果从内存单元mov到一个8位寄存器，那么读取这个地址的内存单元；如果从内存单元mov到一个16位的寄存器，那么读取==这个地址的字单元==（例如到AX，则AH和这个字单元的高8位对应，AL和这个字单元的低8位对应）。

8086的栈 #

• 8086和很多CPU一样，都提供==以栈的方式来==访问内存空间的指令。
  • 因此，所谓栈，实际上是访问内存空间的一种方式，即以LIFO的方式对内存进行访问。这段内存表现在8086中，就是一个“segment”。
• 注意，8086中，栈的压入和弹出是==以字为单位==进行的。因此，对于一段栈内存空间，其中的存储都是==字单元==。
• 8086无法对栈进行越界的检查。因此如果出现了栈溢出，可能会损害整个计算机系统。（我们既然把一段内存安排为栈段，就说明我们肯定不会用到其他空间，因此其他空间可能跑着其他程序的重要数据，甚至是OS。）
  • 8086只知道栈顶在哪里，却不知道栈的大小是多少。
  • 同样的原理，8086只知道要执行的指令在哪里，但是不知道一共有多少指令。
• 在利用栈编写汇编程序时，要注意栈有将数据==反向排列==的功能。因此入栈和出栈的顺序是相反的。
• 像定义代码段那样，我们可以把起始物理地址为==16的倍数==，且==连续的==不超过==64KB==的一段内存空间定义为栈段。
• 如何让我们的程序访问我们的栈段？需要我们自己设定SS、SP寄存器的值。因为8086 CPU==不会==因为我们安排了一段内存空间为栈段，就自动寻找到它。

SS和SP寄存器 #

• SS:SP指向栈顶元素。SS是段地址寄存器，SP是栈顶指针寄存器。

• 在8086中，栈底是较大的地址号，栈顶是较小的地址号。因此如果把内存空间按地址编号从小到大向下排列的方式，则栈顶才会看起来是内容越多，其越往上走；随着内容的逐渐弹出，它才会下降。但是实际上从编号上来看，栈顶上升实际上是内存编号减小。

  • 又因为8086中的栈是以字为单位进行操作，所以入栈操作时==SP-2==.

• 当栈为空（或者说是刚刚定义），SS指向栈的==最顶端==，然后再右移四位（如果栈超过了这里那就是爆栈了，也就是SP为负了），SP指向栈的==最底栈空间的再下一个==字单元（如果该单元不存在，也就是如果特殊情况，该栈空间到最底下就到了整块内存的最底处了，那么也得这么做。例如CPU的最大地址空间到了FFFF1H，那么如果栈空间最底部的元素的地址就是FFFF1H，根据规则，栈空时，SP应该指向此地址再+2，即FFFF3H，显然该地址在物理上不可能存在，但是写在这里是没有任何问题的。）（+2是因为我们采用字单元的地址，但是8086采用按字节编址。）

• 由上述空栈时SP和SS的取值关系，可以看出==SP的初始值直接就定义了整个栈的大小。==例如一个16B的栈空间，那么不管SS是什么，其SP一定是000EH（即000FH-1H，因为我们采用字单元地址。）

• 出栈操作并不会抹除原有的数据，而只是移动一下SP的值就完成了整个出栈操作。因为下次有值入栈的时候，可以直接覆写对应的单元。因此可以看出抹除数据是没有任何意义的。

  • 这就类比C++ iterator，当把vector的最大下标元素删除后，使用下标仍然能访问到，且其值并没有任何变化。因为也是采用了类似原理。

“盲人大厨”CPU #

• 我们可以自行安排段，安排我们的数据段、代码段、栈段。但是这和CPU没有关系。你不能用自然语言告诉CPU你要把这些段安排在哪里。你告诉它的方式是：
  • 我们设置CS、IP的值，告诉CPU代码段在这里，你可以把它们当作代码执行了；
  • 我们设置SS、SP的值，告诉CPU栈段在这里，你可以按照栈的方式访问这段内存了；
  • 我们设置DS的值，告诉CPU代码段在这里，你可以正常访问属于你的内存了。
  • CPU就像一个盲人厨师，什么都懂，就是看不见调料、锅、菜在哪里。你要拿着他的手，让他知道这些东西在哪里，他就记住了。然后他就能非常自如地炒出一盘好菜。但是如若你没有准确地告诉他正确的位置，那他可能把勺子炒了。（CPU自己不知道栈段在哪里，但是他知道应该SS和SP指向的就应该按照栈的方式访问；CPU自己不知道代码段在哪里，但是他知道CS、IP指向的就是要执行的东西，…，重要的是你要告诉CPU这些东西。）
• 因此，就算你把代码段、数据段、栈段都放在同一段内存里，CPU自己也不知道。==因此你可以这样来调戏CPU（bushi）==

程序如何从源文本文件变成可执行程序？ #

• 编译（汇编）：生成目标文件.o
• 连接：==生成可执行文件==。
  • 如果源程序由很多.obj文件构成，则需要把他们连接成单个可执行文件；
  • 如果源程序调用了很多外部库，则需要把他们整合进最终的可执行文件；
  • .obj文件中虽然存放了机器码，但是其中的一些内容还不能直接用来运行。需要经过连接程序处理后，生成最终可供直接运行的文件。（因此，即便没有调用外部库，即便没有采用多个源文件，也需要进行连接。）
    • 连接器将.o中定义的各个section组织到内存中的segment中去。其中section就是例如data section、ubuntu info section，是一些小片段，只是.o文件的单位。而segment是之前所讲的代码段、数据段等，是内存中的单位了。

可执行文件的构成 #

• 可执行文件在总体上由头、代码、数据构成。
  • 头中存在了关于程序的描述，例如占用大小、二进制代码的排列等
  • 程序就是机器码，是经过汇编得到的。
  • 数据是源程序中预先定义的数据。
• OS把CS:IP指向程序开始，并且把数据、程序按其段装入内存。CPU直接取指令执行即可。

编写一个汇编程序 #

• 伪指令：不存在对应的机器码，只是供编译器进行识别，指导编译器进行编译操作。

  • XXX segment 和 XXX ends声明了一个段。它们配对构成，在它们之间书写段的内容。(注意它们两个都是后缀。即先写段名称再写关键字)

    • 一个程序由若干个段构成，每个段有其自己的作用。一个程序至少要由一个代码段构成才叫程序。不存在无段的程序。

    • 例如：

      • codesg segment
        //codesg段内容
        codesg ends
        

  • end用来标志整个程序的结束。编译器读取到end才知道可以结束工作了，否则编译器无法退出。

  • assume Reg:XXX的意思是假设，用于建议编译器把某个段XXX和物理的段寄存器Reg相关联。在需要的情况下，编译器会采纳这一建议，并真的把它们关联起来。例如：assume cs:codesg就是把codesg这一代码段和cs程序段寄存器关联起来了。

    • 可以在声明一个段之前使用assume指令去关联这个段使之==有效化==。例如：

      • assume cs:codesg //有效化这个段
        codesg segment
        //codesg段内容
        codesg ends
        

• 标号

  • 标号代表了一个地址。例如上面所说的代码段名称codesg就是一个标号。
  • 虽然在源代码中体现不出是短地址，但是编译器、连接器经过处理，可以把它处理为一个地址，也就是代码段的段地址。

• 程序的结构

  • ==程序就是一些段的集合。== 至少要包含一个段，那就是代码段。

• 编写程序的流程

  • 首先定义一个段。因为程序的基本单位是==段==。

    • abc segment
      abc ends
      

  • 然后，==补充==这个段的内容。这个段是代码段，所以写入程序。

    • abc segment
      	add ax,bx
      	mov ax,2
      abc ends
      

  • 然后，==有效化==这个段。

    • assume cs:abc
      abc segment
      	add ax,bx
      	mov ax,2
      abc ends
      

  • 最后，指出程序在何处==结束==。

    • assume cs:abc
      abc segment
      	add ax,bx
      	mov ax,2
      abc ends
      end
      

• 程序执行

  • 在DOS系统中，我们运行一个可执行文件，则CPU控制权由DOS系统交给了此程序（因为DOS是单任务操作系统）。
    • 具体地说，DOS启动后，完成各项准备工作，就开始运行command.com程序。这就是DOS 的shell。
    • 我们键入可执行文件的名称，command程序就把可执行文件的程序装入内存，设置CS:IP，然后CPU执行它，同时command停止执行，装入的程序开始执行。直到装入的程序执行完毕，command才开始继续执行。
    • debug和command的区别是：debug并不放弃对CPU的控制权。因此当其装入的程序开始执行时，debug仍然保持对CPU的控制。这就允许我们能够单步调试目标程序了。
    • 我们输入debug a.exe，实际上是command装入了debug，debug又装入了1.exe。因此1.exe执行完毕后，先返回到debug，再返回到command。如果我们在1.exe执行完毕后不给debug退出的命令，你会发现你仍然一直处于debug的命令提示符里面。
    • 程序装入后，CX寄存器中的值代表了程序的大小（即==长度==）。
    • 程序装入后，DS寄存器中的值是sa，也即是程序被分配的内存区的所在段地址（因此，程序被分配的内存的起始物理地址就是DS:0）。
      • 在sa:0到sa:00FFH这段256个B（即从0000H到00FFH，十进制0到255）的空间中，存放PSP，也就是DOS系统中的程序段前缀。
      • 因此，程序段地址实际上是sa+10H（因为10H左移4位是100H也就是256），程序从sa+10H:0开始。
      • 确定后，将sa存入DS寄存器，然后设置CS:IP到sa+10H==即可完成程序的装入，完全可以直接开始执行了==。

• 程序返回

  • 当此程序运行完毕，应该再交还此CPU控制权。这个交还的过程就是==返回==。

  • 注意在debug时，单步执行其他指令用t，但是执行int 21H时必须用p。

  • mov ax,4c00H //中断参数
    int 21H //21H中断：返回DOS系统