引言
我們很多人是開發者，每天寫大量的程式碼，有時也不是糟糕的程式碼。每個人都能很輕鬆寫下這樣的程式碼：
|
1 2 3 4 5 6 7 8 |
#include <stdio.h> int main() { int x = 10; int y = 100; printf("x + y = %d", x + y); return 0; } |
大家都能理解上面這段 C 語言程式碼完成的功能，但是…這段程式碼底層是如何工作的呢？我想我們中間不是所有人都能回答這個問題，我也不能。我認為我可以用高階程式語言寫程式碼，例如 Haskell、Erlang、Go 等等，但是我完全不知道在編譯之後它在底層是如何工作的。所以，我決定往下再深入一步，到彙編這個層次，並且記錄下我的學習彙編之路。希望這是有趣的過程，而不是僅僅對我一個人。大約五、六年前我已經使用過彙編來寫簡單的程式，那時我還在上大學，用的是 Turbo 彙編和 DOS 作業系統。現在我使用 Linux-x86_64 作業系統，是的，64 位 Linux 和 16 位 DOS 肯定有很大的不同。那我們就開始吧。
準備階段
在開始之前，我們需要準備一些我接下來要提到的東西。我使用的是 Ubuntu(Ubuntu 14.04.1 LTS 64 位) 系統，因此我的文章都是基於該作業系統和體系結構的。不同的 CPU 支援不同的指令集，我使用的是 Intel Core i7 870 處理器，所有程式碼都在這上面執行。另外我將用 nasm 彙編，你可以用下面命令來安裝：
|
1 |
sudo apt-get install nasm |
I它的版本應該是 2.0.0 或者更高了。我是用的是 2013年12月29日編譯的 NASM version 2.10.09 版本。最後一部分，你需要一款寫彙編程式碼的文字編輯器，我使用配有 nasm-mode.el 的 Emacs 編輯器。當然這不是強制性的，你可以選擇任何你喜歡的文字編輯器。如果你像我一樣使用的是 Emacs，你可以下載 nasm-mode.el，將你的 Emacs 配置成這樣：
|
1 2 3 |
(load "~/.emacs.d/lisp/nasm.el") (require 'nasm-mode) (add-to-list 'auto-mode-alist '(".(asm|s)$" . nasm-mode)) |
這就是目前我們需要準備的所有東西，其它工作在接下來的文章中會提到。
x64 語法
這裡我就不全面介紹彙編的語法了，我們僅提一下這篇文章中用到的語法。通常 NASM 程式會被劃分為不同的段（section），這篇文章中我們會涉及到兩個段：
- 資料段（data section）
- 程式碼段（text section）
資料段用來定義常量（constant），常量是在執行時不會改變的資料。你可以定義數字或其他常量等等，宣告一個資料段的語法如下：
|
1 |
section .data |
程式碼段是存放程式碼（code）的，該段必須以 global_start 開始，告訴核心這裡是程式開始執行的地方。
|
1 2 3 |
section .text global _start _start: |
註釋是以 ; 開始。每個 NASM 程式碼行包含下面四個欄位的組合：
|
1 |
[label:] instruction [operands] [; comment] |
中括號括起來的欄位表示是可選的。基本 NASM 指令由兩部分組成，第一部分是需要執行指令的名字，第二部分是該指令的運算元。例如：
|
1 |
MOV COUNT, 48 ;將數值 48 存放到 COUNT 變數中 |
Hello world
讓我們用 NASM 彙編來寫第一個程式吧，當然是傳統的列印 “Hello world” 的程式。這是程式碼：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
section .data msg db "hello, world!" section .text global _start _start: mov rax, 1 mov rdi, 1 mov rsi, msg mov rdx, 13 syscall mov rax, 60 mov rdi, 0 syscall |
是的，看起來不像 printf(“Hello world”)，我們試著去理解它是什麼、怎麼工作的。先看 1-2 行，我們定義了一個資料段，並且有一個 msg 常量，值為 Hello world，那麼我們就可以在程式碼中使用這個常量了。下一步是定義了一個程式碼段，以及程式的入口，程式碼從第 7 行開始執行。現在到了程式最有意思的部分了。我們已經瞭解了 mov 指令的功能，它帶有兩個運算元，將第二個運算元的值放到第一個運算元中。但是，rax、rdi 等等這些是什麼呢？我們找到維基百科的解釋：
中央處理單元（CPU）是計算機中的硬體，它讀取計算機程式中的指令，完成系統中基本的算術、邏輯、輸入/輸出操作。
好了，CPU 完成一些操作，例如算術操作等，但是它從哪獲得操作的資料呢？第一個答案是記憶體。然而從記憶體中讀取和存入資料的速度遠遠低於處理器的速度，它涉及到複雜的通過控制匯流排來傳送資料請求的過程。因此，CPU 有其內部的儲存位置，稱為暫存器（register）。
那麼我們寫 mov rax, 1，意思是將 1 放到 rax 暫存器中。現在我們知道什麼是 rax、rdi、rbx 等等了吧，但是還需要知道什麼時候使用 rax，什麼時候使用 rsi 等等。
- rax —— 臨時暫存器，當我們呼叫系統呼叫時，rax 儲存系統呼叫號
- rdx —— 用來向函式傳遞第三個引數
- rdi —— 用來向函式傳遞第一個引數
- rsi —— 用來向函式傳遞第二個引數的指標
換句話說，我們就是呼叫了 sys_write 系統呼叫，該函式原型是：
|
1 |
ssize_t sys_write(unsigned int fd, const char *buf, size_t count) |
它有三個引數：
- fd —— 檔案描述符，0、1、2 分別代表標準輸入、標準輸出和標準錯誤
- buf —— 字元陣列的指標，用來儲存從 fd 指向的檔案中獲取的內容
- count —— 表示要從檔案中讀入到字元陣列的位元組數
我們知道 sys_write 系統呼叫帶有三個引數，它在系統呼叫表中有一個系統呼叫號。我們再看看程式的實現，將 1 放到 rax 暫存器中，它意思是我們使用 sys_write 系統呼叫；下一行將 1 存到 rdi 暫存器，它是 sys_write 的第一個引數，1 代表標準輸出；然後我們將 msg 的指標存到 rsi 暫存器中，這是 sys_write 的第二個引數 buf；接著我們傳遞 sys_write 最後一個引數（字串的長度）到 rdx 暫存器中。現在，我們有了 sys_write 的所有引數，就可以在 11 行使用 syscall 來呼叫它了。好了，我們列印出 “Hello world” 字串，現在需要從程式中正確退出。我們傳遞 60 到 rax 暫存器，60 是 exit 的系統呼叫號；以及將 0 傳遞給 rdi 暫存器，這是錯誤碼，0 表示我們的程式正確地退出。這就是 “Hello world” 的所有分析，相當簡單吧:)現在我們編譯程式，假設我們的程式放在 hello.asm 檔案中，那麼我們需要執行下面的命令來執行：
|
1 2 |
nasm -f elf64 -o hello.o hello.asm ld -o hello hello.o |
編譯連結完成之後，我們得到可執行檔案 hello，可以使用 ./hello 來執行，可以在終端看到輸出 “Hello world”。
總結
本文用一個簡單不能再簡單的程式開始第一部分，接下來我們會看到一些算術運算。如果你有任何問題或者建議可以給我評論。
譯註：所有的原始碼，都可以在作者的 GitHub 找到。