X

曜彤.手记

随记,关于互联网技术、产品与创业

吉 ICP 备10004938号

《Low-Level Programming》读书笔记(二)


内容太多,所以分成多篇来记录了,书接上文。

Chapter 5:编译管线

  1. (Page:64)NASM 基本宏编译(属于“预处理阶段”,仅做简单的“宏展开”和“宏符号替换”而不考虑编程语言的语法规则):

常量宏替换(%define):

%define COUNT 42
mov rax, COUNT  ; macro -> macro expansion;
; mov rax, 42

带参数的宏替换(%macro / %endmacro):

%macro print 2  ; macro, taking 2 parameters;
mov rsi, %1  ; use the 1st parameter;
mov rax, 1
mov rdi, 1
mov rdx, %2  ; use the 2nd parameter;
syscall
%endmacro

section .rodata
v:
    db 'YHSPY', 0

global _start
section .text
_start:
    print v, 6  ; macro -> macro expansion;
    mov rax, 60
    xor rdi, rdi
    syscall
  1. (Page:66)NASM 条件宏编译:
%define FLAG 1
global _start
section .text
_start:
%if FLAG == 1  ; macro -> macro expansion;
    mov rdi, 1
%elif FLAG == 2
    mov rdi, 2
%else 
    xor rdi, rax
%endif
    mov rax, 60
    syscall
%define FLAG
global _start
section .text
_start:
%ifdef FLAG  ; macro -> macro expansion;
    mov rdi, 1
%else 
    xor rdi, rax
%endif
    mov rax, 60
    syscall
%macro pushr 1
%ifidn %1, rflags  ; test if texts are identical;
    pushf
%else
    push %1
%endif
%endmacro
global _start
section .text
_start:
    pushr rax
    pushr rflags  ; push lower 16 bits of EFLAGS;
    xor rdi, rdi
    mov rax, 60
    syscall
%macro print 1
%ifid %1  ; test whether it's an identifier?
    %error "String literals are not supported yet!"  ; throw an error;
%endif
%ifnum %1  ; test whether it's a number?
    mov rdi, 2
%endif
%ifstr  ; test whether it's a string?
    mov rdi, 3
%endif
%endmacro
global _start
section .text
_start:
    print 10  ; mov rdi, 2;
    mov rax, 60
    syscall
  1. (Page:69)NASM 下的宏定义求值规则
  1. (Page:71)NASM 宏重复结构:times 伪指令仅会在所有宏定义全部展开后才开始执行,因此无法用于重复使用宏定义,仅可用于重复指令执行。而我们可以使用 %rep / %endrep 宏结构来重复定义宏:
%define v 0
%define c 1
%rep 10
%assign v v + c  ; v += c;
%assign c c + 1  ; increase v by 1;
%endrep
global _start
section .text
_start:
    mov rdi, v  ; v <- 55;
    mov rax, 60
    syscall
  1. (Page:73)在宏定义中使用标签(%%<label>):
%macro foo 1
    xor rax, rax
%%start:
    cmp rax, %1
    je %%end  ; label name can be used with directives;
    inc rax
    jmp %%start
%%end:
%endmacro
global _start
section .text
_start:
    foo 10
    mov rdi, rax
    mov rax, 60
    syscall
  1. (Page:77)相较于 readelf 命令,objdump 还支持对除 ELF 外的其他格式的分析,比如:ELF、COFF、MachO 甚至 Wasm(llvm-objdump)。
  2. (Page:79)以 Intel 指令集(而非 AT&T)的语法形式展示反编译的代码结果:
objdump -D -M intel-mnemonic <file>
  1. (Page:80)NASM 下的静态链接

主文件:

extern count  ; declare this as an external symbol;

global _start
section .text
_start:
    mov rdi, [count]
    mov rax, 60
    syscall

模块文件:

global count  ; declare this as a global symbol;
section .data
count:
    db 10
  1. (Page:83)NASM 下的动态链接

主文件(main.asm):

global _start

extern foo

section .text
_start:
    mov rdi, 10
    call foo
    mov rdi, rax
    mov rax, 60
    syscall

共享库文件(mod.asm):

extern _GLOBAL_OFFSET_TABLE_  ; PIC code;
global foo:function

section .rodata
message:
    db 'Shared object wrote this', 10, 0

section .text
foo:
    mov rax, 1
    mov rdi, 1
    mov rsi, message
    mov rdx, 14
    syscall
    ret
ld -o main main.o ./mod.so --dynamic-linker=/lib64/ld-linux-x86-64.so.2
  1. (Page:87)NASM 汇编实现的一个简易 Dictionary(基于 Linked List):基本原理是使用宏自动生成的标签(%%lw)来分割每一个 Node;每个 Node 包含两部分:一部分为指向下一个节点的“指针”,另一部分为 Key-Value 结构,保存了当前节点的键值对。
%define lw 0

%macro colon 2
%%lw: dq lw 
db %1, 0
xt_ %+ %2:  ; use '%+' to combine macros;

%define lw %%lw  ; use address of the label;
%endmacro

global _start
section .rodata
colon "tail", tail
db "tail", 0

colon "head", head
db "head", 0

section .text
_start:
    mov rax, lw
    ; save next node addr (first 8 bytes) to rbx;
    mov rbx, [rax]  
    add rax, 8

    ; print the key of the first node;
    mov rsi, rax
    mov rax, 1
    mov rdi, 1
    mov rdx, 4
    syscall

    ; start from that addr (bypass the first 8 bytes);
    add rbx, 8  
    mov rsi, rbx
    mov rax, 1
    mov rdi, 1
    mov rdx, 4
    syscall

    xor rdi, rdi
    mov rax, 60
    syscall

Chapter 6:中断和系统调用

  1. (Page:91)应用程序有两种可以访问 IO 端口的方式:
  1. (Page:94)每一个中断请求都带有一个 ID,以用于在内存中的“中断描述表(IDT)”查询对应的中断类型和处理程序地址。中断描述表的位置及大小信息被记录在 idtr 寄存器(64 位)中。其中低 16 位记录了大小信息高 48 位记录了 IDT 的地址信息
  2. (Page:94)IDT 中的每一个表项占据 16 个字节,大体结构如下:

  1. (Page:96)当第 n 号中断发生时,从程序员的角度将执行以下操作:
  1. (Page:97)Intel64 使用新的 syscall / sysret 指令来进行系统调用,相比于之前的 int 指令,其优势在于:

Chapter 7:计算模型

(“有限自动机”的部分略。这部分内容可以直接参考斯坦福的 CS143。)

  1. (Page:110)Forth 抽象机:处理器 + 两个分别用于存储数据和返回地址的栈 + 线性内存

Forth 程序按“”为单位以空格或换行符进行分割,数字值表示将该数据推入栈中。有三种类型的“字”:Integer(数据)、Native(操作)、Colon(定义其他字)。符号 “:” 用于定义新的字。一个基本的用于求一元二次方程判别式的 Forth 程序的栈变化图(Stack Diagram)如下:

  1. (Page:113)基于 ITC(Indirect Threaded Code,二级指针)方式实现的 Forth Machine 基本字调用结构:

一个简单实现:Becavalier/Forthress

Chapter 8:C 语言

  1. (Page:130)-Wall,可用于让编译器显示所有警告信息。
  2. (Page:131)在 C 中,全局变量只能使用编译时常量来赋值
  3. (Page:131)在大多数去情况下尽量使用 puts 来代替 printf 输出字符串。相较于 printf,puts 速度更快且没有安全漏洞。
  4. (Page:133)静态类型意味着可以在编译时知道所有变量的具体类型;弱类型意味着有时一些数据值会被隐式地转换为其他类型。
  5. (Page:136)C 中的 goto 语句可用于实现“有限状态机”。

Chapter 9:C 类型系统

  1. (Page:148)int 的大小原本被设计为等同于机器字(word)的大小。直到 32bit 到 64bit 的过渡时期,为了不破坏原有应用的可用性,int 仍被保持为默认的 4 字节大小。
  2. (Page:149)long double 类型的值至少与 double 类型要保持一致,但不同编译器对待该类型的实际尺寸可能不一样。在某些 X86-32 芯片中,该尺寸可能为 80bit。
  3. (Page:154)C 中没有“数组引用”做函数参数的概念,因此在为以普通数组做参数的函数传递实参时,编译器会将数组退化(decay)为指针,从而丢失长度信息。而“数组引用”做参数时会保留参数的长度信息和数组类型。C99 引入了新的语法(静态数组参数),可以向编译器保证被传入的实参数组至少有一定数量的元素,以便以进行某些优化。
#define ARR_SIZE 10
void foo(int arr[static ARR_SIZE]) {}  // a promise to compiler;

int main(int argc, char** argv) {
  int arr[ARR_SIZE + 1] = {};
  foo(arr);
  return 0;
}
  1. (Page:154)指派初始化(C++20 里也开始支持):
#define ARR_SIZE 10
int main(int argc, char** argv) {
  int arr[ARR_SIZE] = { [5] = 29, [1] = 10};
  return 0;
}
  1. (Page:156)一般情况下,请使用 size_t 类型来作为数组的索引下标。标准规定,数组类型的可索引大小由 size_t 的大小决定。
  2. (Page:156)C 标准中没有规定对负数进行位移操作时的具体实现规则
  3. (Page:157)sizeof 不是函数,而是运算符。对应的表达式会在编译时被求值。一个最多的应用场景是将其用于对数组大小的求值。
  4. (Page:161)在使用 typedef 定义新类型时,尽量不要把多个类型混合在一起,比如不要定义新类型为一个函数指针(函数类型 + 指针类型)。指针类型可以在表达式中单独提出来,这样易于代码的理解,提高了可读性。
  5. (Page:166)一个重构前后的代码示例(很适合作为面试题):

重构前:

#include <stdio.h>
int array[] = {1, 2, 3, 4};
int main(int argc, char** argv) {
  int i;
  int sum;
  for (i = 0; i < 5; i++)
    sum = sum + array[i];
  printf("The sum is: %d\n", sum);
  return 0;
}

重构后:

#include <stdio.h>
const int g_array[] = {1, 2, 3, 4};  // 变量带有语义;
// 提取通用部分;
int array_sum(const int* array, size_t count) {  // 声明不可变变量;
  if (array == NULL) {  // 判断异常值;
    return -1;
  }
  int sum = 0;
  for (size_t i = 0; i < count; ++i) {  // 限制局部变量的使用范围;
    sum += array[i];  // 符合运算符的性能提升(一步好于多步,类似 super-instruction);
  }  // 括号增强可维护性;
  return sum;
}
int main(int argc, char** argv) {
  printf("The sum is: %d\n", array_sum(g_array, sizeof(g_array) / sizeof(int)));
  return 0;
}
  1. (Page:168)C 中的结构体在使用时需要配合 “struct” 关键字。如下,即 “struct pair” 整体才是一个类型。编译器会通过判断是否带有 “struct” 关键字来推断引用变量的类型是结构体还是其他符号。
#include <stdio.h>
struct pair { int x; int y; };
int main(int argc, char** argv) {
  struct pair p = { .x = 10 };  // should be used by "struct pair".
  int pair = 10;
  return 0;
}
  1. (Page:170)C 下,Union 的一种常见的使用方式:
#include <stdio.h>
union pixel {
  struct { char a, b, c; };
  char at[3];
};
int main(int argc, char** argv) {
  union pixel p = {'a', 'b', 'c' };
  printf("%c\n", p.at[1]);  // 'c'.
  return 0;
}
  1. (Page:173)类似 OCaml 的静态强类型语言中,针对两整数运算(+)和两浮点数运算(+.)分别有着不同的运算符
  2. (Page:178)C11 中新增的宏 _Generic 可以在编译时动态选择符合条件的子句(可用于模拟 C++ 中的函数重载):
#include <stdio.h>

#define print_fmt(x) (_Generic((x), \
          int: "%d", \
          double: "%f", \
          default: "%x"))
#define print(x) printf(print_fmt(x), x); puts("");
int main(int argc, char** argv) {
  int x = 101;
  double y = 10.1;
  print(x);
  print(y);
  return 0;
}

Chapter 10:代码结构

  1. (Page:183)可以在函数声明中使用 incomplete 不完全类型
  2. (Page:191)在宏函数体内的所有变量在使用其值时均需要以括号“()”的形式包裹起来
  3. (Page:200)静态局部变量被存放在 .data 段(同全局变量,不受栈增长和收缩的影响)中。

Chapter 11:内存

  1. (Page:203)ptrdiff_t / std::ptrdiff_t 类型为两个指针相减的结果值类型。两个指针相减的结果值并不是字节数,而是指针所指类型数据的个数。ptrdiff_t(signed)的长度是平台相关的,因此使用时要注意隐式类型转换可能带来的一些问题。
  2. (Page:203)两个指针类型变量之间不能进行加法、乘法和除法操作
  3. (Page:208)第一类对象(First-class Object):指某个实体的值其可以被作为函数参数、函数返回值,或者赋值给某个变量;二等对象(Second-class Object):某个实体的值仅能够作为函数参数(比如 C 中的函数)。
  4. (Page:209)可变长度数组(VLA):数组长度可以在运行时决定(C99)。
#include <stdio.h>
#define DEFAULT_INDEX 0

int main(int argc, char **argv) {
  int arrSize = 10;
  int arr[arrSize];
  arr[DEFAULT_INDEX] = 1;
  printf("%d\n", arr[DEFAULT_INDEX]);
  return 0;
}
  1. (Page:209)灵活(柔性)数组类型:结构体中的最后一个元素允许是未知大小的数组,而 sizeof 返回这种结构体的大小时不包括柔性数组占用的内存(C99)。对于 C++ 来说,某些编译器会以“扩展”的方式支持该特性。
#include <stdio.h>
#include <string.h>
#include <stdlib.h>

#define ARR_SIZE 10

typedef struct int_array {
  size_t size;
  int array[];  // FAM (Flexible Array Member);
} t_int_array;
int main(int argc, char **argv) {
  t_int_array* arr = malloc(sizeof(t_int_array) + sizeof(int) * ARR_SIZE);
  arr->size = ARR_SIZE;
  memset(arr->array, 0, ARR_SIZE * sizeof(int));
  for (int i = 0; i < ARR_SIZE; ++i) {
    printf("%d\n", arr->array[i]);
  }
  return 0;
}
  1. (Page:212)对于较短的字符串,编译器通常会将其直接 inline 到指令中作为立即数。对于较长的字符串,通常会被事先存放到 .rodata 段中,然后在使用到时再通过指令拷贝到栈上。
  2. (Page:213)不同平台体系上的数据模型:

  1. (Page:214)使用“平台无关类型”(uint8_t \ int64_t \ int16_t 等):
#include <stdio.h>
#include <inttypes.h>
int main(int argc, char **argv) {
  int64_t i64 = -10;
  uint64_t u64 = 100;
  printf("%" PRIi64 "\n", i64);  // 'PRIi64' 为格式化输出字符串对应的宏;
  printf("%" PRIu64 "\n", u64);
  return 0;
}

Chapter 12:语法、语义和语用学

(略)

Chapter 13:良好的编码习惯

  1. (Page:247)可以使用 Doxygen 来为 C/C++ 源码创建 HTML 或 LATEX 格式的文档。


这是文章底线,下面是评论
  暂无评论,欢迎勾搭 :)