本页目录

CSAPP I · 机器级表示

对标：CS:APP 第 2–3 章（CMU 15-213）/ 《深入理解计算机系统》｜前置：408 组成原理的概念框架系统线的第一课，也是 408「组成原理」的真身。408 让你背 CPU 有哪些部件，CSAPP 让你看见一行 C 代码变成机器眼里的什么。核心心法一句话：程序员的抽象（变量、类型、函数）在机器层全是字节与地址——理解这层"翻译"，段错误、溢出、性能诡异全部不再神秘。

学习层：同一串比特，为什么会有两个答案？

具体谜题：127 加 1 到底发生了什么？

在 8 位机器字里，01111111 既可解释为无符号 127，也可解释为有符号 127。加 1 后得到 10000000：无符号值是 128，有符号补码值却是 -128。再看 struct { char a; int b; char c; } 为什么常占 12 字节而重排后只占 8 字节？

先预测位模式与布局

先写下：① 补码最高位的权重是 \(-2^7\)，所以 10000000 表示 -128；② 8 位无符号加法按模 \(256\) 回绕；③ 结构体的地址不仅受成员大小影响，还受对齐与尾部填充影响。实验会把数值解释和字节布局放在同一张账上。

最小心智模型：位模式 + 解释协议

硬件保存的是固定宽度的比特，类型决定如何解释、比较、扩展和运算。整数是环上的编码；浮点是带指数的有损网格；指针是带类型步长的地址；结构体是满足对齐约束的连续字节块。C 的抽象并没有消失，只是被编译成这些协议。

形式机制：补码、转换与对齐

\(w\) 位补码的值为 \(-b_{w-1}2^{w-1}+\sum_{i=0}^{w-2}b_i2^i\)；无符号值为 \(\sum_{i=0}^{w-1}b_i2^i\)。无符号加法保持 \((x+y)\bmod2^w\)；C 有符号溢出则可能触发未定义行为。成员偏移必须满足 \(\mathrm{offset}(m)\equiv0\pmod{\mathrm{align}(m)}\)，结构体大小还要是最大对齐量的倍数。

反例与失效边界

int 溢出不能当作可靠的模运算；编译器可利用“不会溢出”的语言前提重排代码。
有符号/无符号混合比较会先转换类型，0u - 1 不是 -1；长度检查因此可能被绕过。
浮点的舍入、NaN 和非结合加法使“位模式看懂了”不等于数值算法稳定；端序也会改变多字节对象的内存阅读顺序。

迁移题：从源码追到地址

选一段包含数组索引、结构体成员和条件判断的 C 代码，写出每一步的字节宽度、偏移、转换和条件跳转。再用 sizeof、offsetof 与调试器内存窗口核对，指出哪个假设属于语言标准、哪个只属于当前 ABI。

无 JavaScript 时的静态版本：8 位下 127 + 1 的位模式为 10000000，按无符号读是 128，按补码读是 -128；250u + 10u 是 \(260\bmod256=4\)。在常见 4 字节对齐 ABI 下，{char,int,char} 的偏移为 0、4、8、总大小 12，重排为 {int,char,char} 时总大小 8。页面脚本会逐位显示加法、解释和布局空洞。

1. 信息即比特：数的表示与它的陷阱

图 csapp-01.3补码数轴/圆环：位模式↔有符号值映射，突出 -128 无相反数、溢出回绕。

图 csapp-01.4IEEE754 位布局（符号|阶码|尾数）+ 浮点是对数刻度网格。

机器只有 0/1，一切类型都是对字节的解释约定。

整数：无符号是直接二进制；有符号用补码（two's complement）——最高位权重取负 \(-2^{w-1}\)。补码的好处是加法器不用区分正负（\(a-b = a + (\sim b + 1)\)），硬件极简。陷阱：

溢出回绕：int 加法溢出是未定义行为（C 里），无符号则模 \(2^w\) 回绕。经典 bug：for (unsigned i = n; i >= 0; i--) 永不终止（无符号永 \(\ge 0\)）。
有符号/无符号混用：sizeof 返回无符号，if (a - b < 0) 当 a,b 无符号时永假——大量安全漏洞源于此（长度检查被绕过，🔗 sec-01）。

浮点（IEEE 754）：\((-1)^s\times 1.M\times 2^{E-\text{bias}}\)——符号 + 尾数 + 阶码。必须建立的直觉：浮点是对数刻度（大数间隙大），故 0.1 + 0.2 != 0.3、大数加小数会吞掉小数、比较浮点要用容差。特殊值 NaN/Inf 传播。"浮点不是实数、是实数的有损网格"——数值计算（🔗 数学站 num 线）的一切误差从这里生根。

2. C 与内存：指针、数组、结构体的真相

图 csapp-01.2结构体内存布局 + 对齐填充：{char;int;char} 12 字节 vs 重排 8 字节。

C 是"带类型的汇编"——它的每个抽象都能翻译成地址算术：

指针 = 地址 + 类型（类型决定 p+1 走多少字节、解引用读几字节）。
数组 = 连续内存 + 无边界检查：a[i] 就是 *(a+i)——越界不报错，直接读写邻居，缓冲区溢出（sec-01）的物理根源。
结构体 = 带对齐的字节块：成员按对齐规则排布（int 落在 4 的倍数地址），故结构体有填充空洞；调整成员顺序能省内存（把大类型放前面）。union 则是同一块字节的多种解释。

读法：C 里没有魔法，只有"这块字节怎么解释、走多远"。段错误 = 解引用了不该碰的地址；诡异数据 = 类型解释错了字节。学会用 gdb 看内存 + sizeof/offsetof 算布局，C 就透明了。

3. 汇编：控制流与函数调用的机器实现

高级语言的 if/for/函数 在机器层只有跳转和约定。看 x86-64（AT&T 语法）关键映射：

条件/循环 → 比较设置条件码（ZF/SF/OF/CF）+ 条件跳转 je/jl/jg。for 循环 = 初始化 + 条件跳转回边。
函数调用 → call 压返回地址 + 跳转；调用约定规定参数走哪些寄存器（rdi,rsi,rdx,...）、返回值在 rax、哪些寄存器调用者/被调用者保存。
栈帧 → 每次调用在栈上分配局部变量 + 保存现场；rsp/rbp 管理。递归就是栈帧的叠放，栈溢出 = 递归太深帧堆爆。

为什么要看汇编：① 理解性能（编译器做了什么优化、有没有向量化，🔗 perf 线）；② 理解安全（返回地址在栈上 ⇒ 溢出能劫持控制流，栈溢出攻击 sec-01）；③ 调试优化过的代码。你不用会写汇编，但要会读——它是"代码真正在做什么"的最终答案。

4. 从 C 到可执行：编译四步概览

gcc hello.c 背后：预处理（展开宏/头文件）→ 编译（C → 汇编）→ 汇编（汇编 → 机器码目标文件 .o）→ 链接（多个 .o + 库 → 可执行）。本页管前三步的"表示"，链接是 csapp-03 的主题。理解这条流水线，你才知道"undefined reference"（链接期）和"segfault"（运行期）是完全不同阶段的错误——报错定位能力就来自看清这条链。

5. 练习与要点

例 1（补码手算陷阱） 8 位补码：-128 的相反数是多少？答：还是 -128（\(+128\) 溢出）——abs(INT_MIN) 是真实存在的 UB 坑。一道题记住"补码不对称"。

例 2（结构体瘦身） struct {char a; int b; char c;} 在 4 字节对齐下占 12 字节（填充）；重排成 {int b; char a; char c;} 占 8 字节。手算两种布局的 sizeof，理解"字段顺序影响内存"这个真实的性能/内存优化点。

例 3（读一段汇编） 把一个带 if 的三行 C 函数 gcc -S -O0 出汇编，对照条件码与跳转——"高级控制流 = 比较 + 跳转"亲眼看一次。这是 [实验 L01 缓存实验] 之前最好的热身。\(\blacksquare\)

▶ 关联实验：本页无独立 lab，但它是 [L01 缓存分块]、[L03 malloc]、[L02 shell] 三个 C 实验的地基——先把"C 即字节"这层吃透，那三个实验才不会卡在指针上。

下一页：CSAPP II——存储层级与缓存：为什么同一个算法，换个循环顺序快 10 倍。