Linux-进程概念

Posted 2021-10-29 Booksort

进程是一个非常重要的概念，了解它，你会更清晰的认知计算机中的程序执行。看待计算机的角度都会不一样。

• 冯诺依曼体系
• • 通信在体系下的硬件操作
  • 外设与CPU的交互
• 操作系统OS
• • 逻辑图
  • 概括
  • 管理的概念
• PCB-进程描述
• 进程概念
• • 创建进程
  • 删除进程
  • PCB的成员
  • • 时间片
    • 标识符
    • 状态
    • 优先级
    • 程序计数器
    • 记账信息
    • 进程切换与调度
    • 上下文数据
    • 结构体指针
  • CPU的操作
• 系统调用创建进程-fork
• 进程状态
• • R状态（运行状态）
  • S状态-休眠状态
  • D状态-深度睡眠
  • T状态-暂停状态
  • Z-僵尸状态
  • 孤儿状态
• 进程间的性质
• 进程优先级
• • top任务管理器
  • • PRI与NICE值
• 环境变量
• • 常见的环境变量
  • • HOME
    • SHELL
    • env
  • 三个main函数的参数
  • • argc-命令行参数个数
    • argv-命令行参数列表
    • envp-环境变量参数列表
• 进程地址空间
• • 提问：这个进程地址空间是不是内存呢？
  • 进程地址空间对应的地址不是物理地址
  • 虚拟地址
  • • 逻辑关系
    • 对父进程也一样
  • 进程地址空间的理解
  • • 为什么会存在进程地址空间
    • 创建进程

冯诺依曼体系

首先，来介绍计算机的结构-冯诺依曼体系

这是现代计算机的逻辑结构。
输入设备：键盘、鼠标、手柄、网卡…
输出设备：屏幕、硬盘、音响、网卡…
存储器：内存

也就是说，在不考虑缓存的情况下，CPU只会与内存进行交互，输入输出设备也是只与内存（存储器）进行直接交互。
控制器是进行决策的，决策的对象是内存中的数据与代码。
运算器是根据控制器的指令进行运算。

比如：键盘输入时，键盘中的寄存器会进行按键识别，识别后会把寄存器的数据给内存中相应的寄存器，CPU中的控制器会控制其寄存器中的数据读到运算器中，在根据指令进行操作。

各种硬件单元，使用的是线：总线（IO总线，系统总线），进行连接。

通信在体系下的硬件操作

使用即时通信软件，例如QQ，微信。
如果两个人想要发信息，需要两个人的QQ都要打开，则意味着，QQ这个程序变成了进程（后面介绍），正在执行中。
A从键盘上输入发送的信息，信息被读取到内存中，再被CPU读取，根据QQ的加密或者数据打包，再还要符合网络协议的格式，被CPU处理，再放入内存中，被输出设备（显示屏，网卡）读取，信息原封不动的显示在显示器上，同时，被打包后的信息会被发送进入网络，服务器上，
再发送到B的网卡中，数据包再被读取到内存中，被CPU解码，发送回内存，再被显示器读取，显示。就完成了一整个通信的硬件逻辑操作的过程

外设与CPU的交互

像输入输出设备也是能与CPU交互的，但不是数据交互，而是信号级别的交互，比如：中断（外部中断）

当你在键盘上输入数据时，CPU是如何知道输入好了数据呢？就是靠外设和CPU之间的信号交互。当数据输入好了，给CPU（控制器）发送一个硬件级别的电脉冲，CPU就会把外设寄存器中的数据读入到内存中。

除此之外，在数据层面上，CPU是不会和外设进行交互的，因为效率太低了。
所有设备在数据层面上都只能和内存（存储器）进行交互。

操作系统OS

一个计算机中，仅仅只有硬件体系是不够的，还需要管理硬件，然硬件被组织起来。
所以开发了一款软件，来对硬件资源进行管理，就是操作系统。同时，操作系统还为其它应用程序提供了一个可执行的软件环境

逻辑图

其中的驱动，是进行硬件和OS之间处理信息的，防止不同的硬件导致OS出现问题，让OS与硬件进行解耦。

概括

所以说操作系统就是

内核（内存管理，文件管理，进程管理，驱动管理）
其它程序（函数库，shell程序）

设计OS的目的，是为了

• 与硬件交互，管理所有的软硬件资源
• 为用户程序（应用程序）提供一个良好的执行环境

纯粹是为了进行管理。

管理的概念

我目前还是个学生，对于这个方面还是举学校的例子。

学生入学后，就进入了学校的管理系统，就属于被管理这的身份。而我们学生是看不到那些系统里的信息的。

而每个学院每一级都有一个辅导员，他负责处理我们的入学生活之类的。他看上去是个管理者，
但站在整个学校的角度来看，校长才是真正的管理者，而我们学生是被管理者，辅导员之类的是执行者。

而校长靠什么来管理我们的呢？靠教务系统，系统里已经全部组织好了全校学生的信息。比如，要打学校之间的辩论赛了，校长在教务系统中挑10名绩点最高的学生去打比赛，校长选好后，告诉辅导员，让辅导员去组织一下赛前准备。这个过程就是一个被组织的过程。

所以可以得出一个概念，管理，其实就是，先描述，再组织的过程。

PCB-进程描述

操作系统对于进程也是要进行管理的，也是要遵循，先描述再组织的过程。
那一个OS要管理的进程肯定不止一个，那那么多的进程要么怎么一一描述？
使用C语言中的结构体的概念，因为linux内核就是那C语言写的。
关于进程的所有信息都被放置在一个进程控制块中的结构体中，结构体中右进程所有信息的分类。

task_struct
{

}

task_struct是Linux内核的一种数据结构，它会被装载到RAM(内存)里并且包含着进程的信息

而一个PCB进程控制块来规划、组织一个进程，那OS要管理多个进程的时候，就是要管理多个PCB。那OS就会用一个数据结构来管理多个PCB。
使用了链表来组织的数据结构。

进程概念

当一个可执行文件（exe文件），没有执行时，是被保存在硬盘中，当被执行后，这个可执行程序的代码和数据就会被从硬盘中，加载到内存中。
且，当电脑开机时，第一个加载到内存中的进程就是操作系统。然后加载到内存中的进程就会被操作系统管理起来，管理进程的PCB。

创建进程

可执行文件的代码和数据会被加载到内存中，同时，OS会为这个进程创建一个PCB结构体来描述这个进程，同时，会把新创建的PCB连接到执行链表中，等待被CPU读取。

删除进程

当选择删除时，操作系统会先找到，要被删除进程的PCB，然后根据PCB中的信息，找到在内存中的代码和数据的位置，将这个内存销毁，再将·PCB从队列中剔除，并销毁PCB的所处空间。这就完成了一个进程的删除。

PCB的成员

• 标示符: 描述本进程的唯一标示符，用来区别其他进程。
• 状态: 任务状态，退出代码，退出信号等。
• 优先级: 相对于其他进程的优先级-pid。
• 程序计数器: 程序中即将被执行的下一条指令的地址。
• 
• 内存指针: 包括程序代码和进程相关数据的指针，还有和其他进程共享的内存块的指针
• 上下文数据: 进程执行时处理器的寄存器中的数据[休学例子，要加图CPU，寄存器。
• I／O状态信息: 包括显示的I/O请求,分配给进程的I／O设备和被进程使用的文件列表。
• 记账信息: 可能包括处理器时间总和，使用的时钟数总和，时间限制，记账号等。
• 其他信息

时间片

时间片：由于在计算机中，一定是进程多，CPU少，但是一个CPU不能只执行一个进程，其它进程也要执行，所以有了时间片的概念，即一个进程在CPU上执行的时间，通常是比较短的，这个进程在CPU上执行一点时间，立马换下一个进程，就遮掩给，依次进行。在我们看起来1就像是多个进程在同时进行的。
在正常的进程调度的过程中，要基于时间片来进行调度，也就是基于时间片的轮转

我先声明一下，这些图片都是我在OneNote上做的笔记，但复制就变成了图片了。

标识符

状态

优先级

程序计数器

记账信息

进程切换与调度

上下文数据

结构体指针

CPU的操作

当程序变成进程时， CPU要对进程进行操作。
CPU只负责执行三个操作，循环进行。
读取指令->分析指令->执行指令


这个进程替换就是又操作系统来决定的。
CPU取指令时，要从指令寄存器eip中读取即将要执行的下一条指令的地址。也就是PCB中程序计数器的概念。

实际上，操作系统对进程的管理，就是对PCB链表的增删查改。

再概括一下，操作系统对进程的管理是，先描述，再组织。描述就是创建PCB，组织就是对链表进行操作。

系统调用创建进程-fork

如果是子进程，其返回的就是0
如果是父进程，其返回的就是子进程的pid
如果进程创建失败，就会返回-1。
这个是fork函数的返回值的信息。

从某种意义上说，这个函数有两个返回值。
因为它不仅会返回代表子进程的0，还有代表父进程的子进程的pid。

至于为什么说他又两个返回值，看这个。

这是输出结果。

看到么？这有两个返回值，正好对应了上面的介绍。
这就是可以通过，fork函数系统调用创建子进程，有两个进程，就可以让两个进程执行不同的操作，利用其返回值。

这是效果

一直执行不同的操作。

进程状态

进程再内存中也是有状态的。

对于操作系统而言，所有的进程都需要被操作系统识别，区分，而操作系统不能像我们人类能这么抽像的理解，所以，进程状态要让OS理解，就必须符合OS的规则，要将其数据化。
在OS中，进程的所有状态的都是可以数据化的，

而进程状态->数据化，所有的数据都被保存在PCB中，不然PCB怎么叫进程状态控制块。

像task_struct中，就有一个指针数组专门存储进程的所有状态。

static const char * const task_state_array[] = {
"R (running)", /* 0 */
"S (sleeping)", /* 1 */
"D (disk sleep)", /* 2 */
"T (stopped)", /* 4 */
"t (tracing stop)", /* 8 */
"X (dead)", /* 16 */
"Z (zombie)", /* 32 */
};

R状态（运行状态）

举例

注意：

S状态-休眠状态

举例：

比如说：你在课堂上太困了，然后你跟你同桌说，太困了，要睡一觉，等老师来了，就赶紧叫醒你。这时，触发你醒的条件就是老师来了。然而，这也可以因其他情况叫醒你，比如，老师叫你上去做题目，这又是另外一种条件。或者你自己睡醒了。你是随时能够被唤醒的。

休眠状态的进程也是这样子。

D状态-深度睡眠

可以防止进程被操作系统杀掉，而导致进程执行任务失败后造成资源丢失，而内存泄漏。

T状态-暂停状态

经过信号SIGSTOP可以让进程处于暂停的状态
这个和休眠状态很像，按照编程需要进行进程暂停或运行。

Z-僵尸状态

一个进程需要一个退出码，其OS需要根据退出码来判断这个进程为什么退出。是正常退出还是因为其他原因而导致进程退出。

这个退出码就是main函数中return返回的值。
可以用echo $?来显示退出码。
且这个进程的退出码保存在task_struct中，也就是PCB中，OS会在这里读取退出信息。

孤儿状态

这是父进程托管子进程的状态。

当我杀掉父进程时，子进程的pid未变动，而父进程已经变成了OS

子进程被1号进程接管了。

进程间的性质

• 独立性：多进程运行需要独享各种资源，多进程运行期间互不干扰
• 并行：多进程在多个CPU下分别、同时的进行（任意时刻）
• 并发：多个进程在一个CPU下采用切换的方式，在同一时间段内，多个进程都得以推进
• 竞争：系统进程数目众多，而CPU资源有限，所以进程之间存在竞争性，为了高效完成任务，进程获得相关资源的先后顺序便有了优先级

当进程数目较多时，对某一该进程而言，其切换到周期就变大了，就反映出一种”卡“的感觉

进程优先级

• cpu资源分配的先后顺序，就是指进程的优先权（priority）。
• 优先权高的进程有优先执行权利。配置进程优先权对多任务环境的linux很有用，可以改善系统性能。
• 还可以把进程运行到指定的CPU上，这样一来，把不重要的进程安排到某个CPU，可以大大改善系统整体性能。

top任务管理器

PRI与NICE值

• PRI也还是比较好理解的，即进程的优先级，或者通俗点说就是程序被CPU执行的先后顺序，此值越小进程的优先级别越高
• 那NI呢?就是我们所要说的nice值了，其表示进程可被执行的优先级的修正数值
• PRI值越小越快被执行，那么加入nice值后，将会使得PRI变为：PRI(new)=PRI(old)+nice
• 这样，当nice值为负值的时候，那么该程序将会优先级值将变小，即其优先级会变高，则其越快被执行
• 所以，调整进程优先级，在Linux下，就是调整进程nice值
• nice其取值范围是-20至19，一共40个级别

需要强调一点的是：进程的nice值不是进程的优先级，他们不是一个概念，但是进程nice值会影响到进 程的优先级变化。
可以理解nice值是进程优先级的修正数据

通过top指令也能修改一个进程的NICE值，来间接修改一个进程的优先级。

top->按 ‘r’ -> 输入进程的PID - >输入NICE值

通过ps -al可以查看进程

我把子进程的优先级修改成了60，也就是说我将NICE值变成了-20，所以子进程的优先级是最高的。

提醒：普通权限是不被允许修改进程优先级的，要sudo提升权限。才会允许。

环境变量

• 环境变量(environment variables)一般是指在操作系统中用来指定操作系统运行环境的一些参数
  如：我们在编写C/C++代码的时候，在链接的时候，从来不知道我们的所链接的动态静态库在哪里，但是照样可以链接成功，生成可执行程序，原因就是有相关环境变量帮助编译器进行查找。
• 环境变量通常具有某些特殊用途，还有在系统当中通常具有全局特性

由系统提供的环境变量，那就有变量名与变量内容。

如，经常使用的ls命令，这其实某种程度上说是一个可执行程序。就跟我们让自己写的程序运行。
一般是./myproc，.是指在当前目录下查找，找到myproc后，再执行。而ls/mkdir/rm/mv....都是一样的，要先找到，在执行这个程序。这些查找其路径，就是靠环境变量来完成。

常见的环境变量

• PATH : 指定命令的搜索路径
• HOME : 指定用户的主工作目录(即用户登陆到Linux系统中时,默认的目录)
• SHELL : 当前Shell,它的值通常是/bin/bash。

像ls指令就是PATH去指定命令下搜索。
就会去这些路径下搜索命令。


ls指令是被打包后的。
从理论上说，只要我们把自己编写的可执行程序也放入PATH可以找到的路径下，那么也能像这些指令一样运行。
比如：sudo cp -f myproc /usr/bin(不推荐，可能会对系统造成影响)

export PATH=$PATH:可执行文件的路径

这样就是添加了PATH查找的路径

如果你破坏了环境变量，也没什么，重新进一下系统，服务器会重新配置环境变量的。

HOME

可以显示自己所处的工作目录。也就是说这个环境变量保存了当前所处的工作目录

SHELL

显示命令行解释器的版本

env

可以显示所有的环境变量

三个main函数的参数

int main(int argc,char* argv[],char* envp[])

argc-命令行参数个数

argv-命令行参数列表

envp-环境变量参数列表

后面的就是命令行参数。

解释一下：ls -a/-al... 这些都是命令，而 ls 是命令，而后面的-a -al 都是选项

就有点像，函数传递的不同的参数，而执行不同的指令

最后一个元素是NULL代表结尾。

代码运行后


把环境变量全部给打印出来了。
如果把这个程序加入PATH中，就也能变成一个指令。

进程地址空间

先来回顾一下程序地址空间。

我们曾经认为的程序空间的地址就是这样，可以直接对应与硬盘的空间。系统给程序分配了2的32次方（32位机下）的大小，总共4G，当时我还不理解是什么意思。
现在，在了解了进程后，这个其实是叫进程地址空间更合适一些。

提问：这个进程地址空间是不是内存呢？

回答：不是（后面解答）

进程地址空间对应的地址不是物理地址

这是一份程序，还没跑起来。有一个全局变量val，在父进程时，让该进程休眠了1秒，也就是说让子进程先跑。
在子进程的分流中执行了修改全局变量的值。
看看输出结果。

子进程修改后的val的值变成20了，而父进程的值依旧是之前的100，而两个进程分流后的val的地址依旧是一样的，没有改变
也就是说，val的地址没变，但是子进程与父进程的val值取已经发生了改变。看似不可能，却是实实在在的发生了改变。
先前提过，父进程创建了子进程，子进程会共享父进程的代码和数据。
这也就证明了一点，这个进程地址空间，其对应的地址，根本就不是真实的物理地址，如果其对应的是真实的物理地址，那么两个地址一样的空间，是不可能读取到两个不同的值

虚拟地址

进程地址空间对应的地址，其实是虚拟地址。也就是说，我们在代码中操作的指针、地址，也不是真实地址，而也是虚拟地址。

而在Linux操作系统中，OS负责将物理地址转换为虚拟地址。

再来一个联想，打印输出的val的虚拟地址在父子进程中是一样的，而值是不一样的也就是说，这个val的真实物理地址是不一样的，只不过操作系统将不同的物理地址处理成了相同的虚拟地址。

逻辑关系

页表是OS处理虚拟与物理地址之间映射关系的方案，页表使用一种算法，将物理地址处理成虚拟地址，且，让物理地址不可见。同时对于子进程也是一样的。

当程序运行时，子进程的分流修改了val的值，由于进程之间是具有独立性的，子进程的数据被修改了，并不会影响父进程的数据。为了保证这种进程间的独立性，OS会位这个val在内存中申请过一个空间，修改val的值，同时，这个新申请的空间的地址就又会被页表处理，使虚拟地址不变。

对父进程也一样

这次，我让父进程先运行，先对val的值进行修改，子进程后运行。看看结果。

同样，为了满足进程之间的独立性，并不是只有子进程会让OS为它在其它地方申请一块空间来保存修改后的值，对于任何进程都一样，无论是父进程还是子进程。

进程地址空间的理解

其本质是内存中的一种数据结构 mm_struct 也就是意味着，结构体成员中存在不同的区域，而进程地址空间中存在不同的区域，静态区，代码区，数据区，堆区，栈区…
而这些被mm_struct 这个结构体进行维护，所以说，结构体中就存在stack_start、stack_end、heap_start、heap_end 差不多是这样的成员。

而理解上，进程地址空间是物理内存的一种度量。物理内存本身是不具备任何衡量标准的，只是代表一个个地址，而进程地址空间，就像是一把尺子上的刻度，将物理内存逻辑化、形象化、数据化了。

不仅仅是内存被划分区域了，对于磁盘中的程序，可执行文件（Linux中是ELF文件），也同样被划分了不同的区域，代码段，数据段…当这个文件被执行时，会根据规则，将这些分段全部链接在一起。

为什么会存在进程地址空间

1. 有了进程地址空间提供的虚拟地址、虚拟空间，这样可以防止代码中有些操作直接访问物理地址，这样，哪怕是访问了未申请区域，也仅仅是虚拟空间中的越界，，不会存在系统界别的越界访问，在虚拟空间中，操作系统是可以掌握的，最多就是代码执行出错，系统杀进程或者进程崩了，不会影响到真实的物理内存。同时，页表可以对真实的物理地址进行保护，让真实的物理地址完全不可见，可以保护内存。
2. 大一统的好处：让所有的进程都遵循同一个处理规则，所有的进程都有着相同的内存处理规则
3. 每个进程都认为自己是独占内存的，更好的完成进程的独立性且合理的分配空间，方便操作系统合理的规划所有控件的调度。

因为一个进程不可能是所有的代码数据都同时加载到内存中，因为内存明显不够，且把CPU是一条指令一条指令的执行，一次性把所有代码和数据都加载到内存中，大部分的代码和数据并不会被执行，这样非常占用资源，所以，调度算法会处理，当需要执行的部分，才会进行加载，分配资源空间。这样操作系统可以很高效的分配资源。

将进程调度和内存管理进行解耦分离对于部分的进程调度，只有当执行到的时候才会为其分配资源，减少内存负荷。

创建进程

就是创建 tast_struct 、mm_struct、页表....