【Linux】浅谈环境变量和进程地址空间
一、环境变量
基本概念
环境变量（Environment Variables）是操作系统提供的一种机制，用于存储和传递配置信息、系统参数、用户偏好设置等。
环境变量的作用
- 配置程序行为：
程序可以通过环境变量获取配置信息，例如日志级别、数据库连接信息、API 密钥等。
例如，LOG_LEVEL=DEBUG 可以设置程序的日志级别为调试模式。 - 指定系统路径：
环境变量可以指定程序或库的路径，例如 PATH 环境变量用于指定系统可执行文件的搜索路径。
例如，PATH=/usr/bin:/bin:/usr/local/bin 表示系统会在这些目录中查找可执行文件。 - 传递用户偏好设置：
环境变量可以存储用户的偏好设置，例如语言环境（LANG）、时区（TZ）等。
例如，LANG=en_US.UTF-8 设置了系统的语言环境为美国英语，使用 UTF-8 编码。 - 动态配置：
环境变量可以在运行时动态设置和修改，而无需重新编译程序。
例如，可以在启动脚本中设置环境变量，以控制程序的行为。
常见的环境变量
- PATH
用途：指定系统可执行文件的搜索路径。
示例：PATH=/usr/bin:/bin:/usr/local/bin
说明：当用户在终端中输入命令时，系统会在 PATH 指定的目录中查找可执行文件。 - HOME
用途：指定当前用户的主目录路径。
示例：HOME=/home/user
说明：程序可以使用 HOME 环境变量来访问用户的主目录，例如保存配置文件。 - LANG
用途：指定系统的语言环境。
示例：LANG=en_US.UTF-8
说明：设置系统的语言环境和字符编码，影响程序的输出和国际化行为。 - TZ
用途：指定系统的时区。
示例：TZ=America/New_York
说明：设置系统的时区，影响程序中日期和时间的显示。 - LD_LIBRARY_PATH
用途：指定动态链接器搜索动态库的路径。
示例：LD_LIBRARY_PATH=/usr/local/lib:/opt/lib
说明：动态链接器会在 LD_LIBRARY_PATH 指定的目录中查找动态库。 - USER
用途：指定当前登录的用户名。
示例：USER=zzx
说明：程序可以使用 USER 环境变量获取当前用户的名称。
查看环境变量
echo $NAME 其中NAME为你要查找的环境变量名称，比如PATH，USER等
可执行文件的默认执行路径
我们先写一个简单程序
#include <stdio.h>
int main()
{
printf("hello world");
return 0;
}
对上面的源代码编译形成一个可执行文件 hello ，当我们在命令行输入 hello 来执行这个可执行文件时候发现执行不了，报错 Command 'hello' not found 这是为什么呢？
其实在 Linux 和类 Unix 系统中，可执行文件的默认执行路径是由环境变量 PATH 决定的。PATH 环境变量是一个以冒号（:）分隔的目录列表，操作系统会在这些目录中按顺序查找可执行文件，而 hello 这个命令我们默认执行路径也就是PATH指定的路径，而不是当前路径。
解决方法：
- 指定当前路径，执行命令
./hello - 临时修改 PATH 环境变量。将当前路径添加到 PATH 环境变量中，
expot PATH=$PATH:hello - 永久修改 PATH 环境变量，通过修改 shell 配置文件，我们可以在配置文件
~/.bashrc中添加下面这段代码
export PATH=$PATH:你的可执行文件所处路径
然后再执行 source ~/.bashrc 是配置文件生效
- 创建符号链接到已有的 PATH 目录。
ln -s /path/to/your/program/your_executable /usr/local/bin/your_executable
如果在 /usr/local/bin 中找到了符号链接 your_executable，操作系统会解析这个符号链接，找到它指向的实际文件 /path/to/your/program/your_executable，并运行该文件。
- 使用 alias 为程序创建一个简化的命令。
alias myprogram='/path/to/your/program/your_executable'
将上述命令添加到你的 shell 配置文件中（如 ~/.bashrc 或 ~/.zshrc），以永久生效。
环境变量相关命令
- export : 在全局环境变量表中设置一个全新的环境变量
- env : 显示所有环境变量
- unset : 清楚环境变量
- set : 显示本地定义的shell变量和环境变量
环境变量的组织方式
每个程序都有一个环境变量表，环境变量表是一个字符指针数组，每个指针指向一个以‘ \0 ’ 结尾的环境字符串
代码获取环境变量
- 命令⾏第三个参数
#include <stdio.h>
int main(int argc, char *argv[], char *env[])
{
int i = 0;
for(; env[i]; i++)
{
printf("%s\n", env[i]);
}
return 0;
}
- 通过 extern 第三方变量 environ 获取
#include <stdio.h>
int main(int argc, char *argv[])
{
extern char **environ;
int i = 0;
for(; environ[i]; i++)
{
printf("%s\n", environ[i]);
}
return 0;
}
通过系统调用获取
通过系统调用 getenv(name) 来获取环境变量，其实现我们可以通过 man 手册来查找（man getenv）
#include <stdio.h>
#include <stdlib.h>
int main()
{
printf("%s\n", getenv("PATH"));
return 0;
}
子进程继承环境变量
- 环境变量通常具有全局属性，可以被子进程继承下去。
代码演示
#include <stdio.h>
#include <stdlib.h>
int main()
{
printf("%s\n", getenv("PATH"));
return 0;
}
由我们在编译上面代码形成可执行程序，在运行时就会帮我们打印 PATH 环境变量可知，环境变量是会被子进程继承的（注意： 任何在命令行执行的可执行文件都是由 shell 进行 fork() 创建的子进程，在通过 进程切换 执行的命令，所以上面可进程就是 shell 的子进程）
程序地址空间
程序地址空间布局：
但上面的地址空间布局就是物理地址空间布局吗，答案是不是的。
我们可以通过一段程序验证
#include <stdio.h>
#include <unistd.h>
#include <stdlib.h>
int g_val = 0;
int main()
{
pid_t id = fork();
if(id < 0)
{
perror("fork");
return 0;
}
else if(id == 0)
{ //child
printf("child pid %d : %d : %p\n", getpid(), g_val, &g_val);
}
else
{ //parent
printf("parent pid %d : %d : %p\n", getpid(), g_val, &g_val);
}
sleep(1);
return 0;
}
输出结果：
parent pid 4635 : 0 : 0x56436823f014
child pid 4636 : 0 : 0x56436823f014
我们可以看见父子进程的 gval 的值是不一样的，但地址确实一样的，我们就可以得出一下结论：
- 我们看到的地址值绝对不是物理地址，而是虚拟地址，即我们在C/C++语言中看到的地址都是虚拟地址！而不是物理地址，物理地址用户是看不到的，统一由操作系统管理
- OS必须负责虚拟地址带物理地址的转换
进程地址空间
由上面可知 程序地址空间 的说法不准确，那应该为什么呢，准确来说应该为 进程地址空间
虚拟地址转换为物理地址
通过这个我们就可以看出，同一个变量地址相同，内容不同，其实是虚拟地址空间相同，但是物理内存上的地址其实是不同的。
也就是相当于操作系统给编译器画了一张大饼，告诉编译器这里的空间你全部可以用，但其是并不是全部可以用，你申请空间时 操作系统 就会看你申请的空间物理内存是否足够容纳的下，如果容纳不下，操作系统就不会帮你申请，直接打回你的申请，就像你兄弟告诉你我有100块，你说给我200块，你兄弟说不行一样
浅谈虚拟内存管理
那么既然有虚拟内存，那么操作系统就需要对虚拟内存管理，那操作系统是怎么对虚拟内存管理的呢？
和进程一样，也是先描述，再组织
描述
每一个进程都有一个 task_struct ，在 task_struct 中就有一个描述进程地址空间的结构体 mm_struct （内存描述符）
struct task_struct
{
/*...*/
struct mm_struct *mm; //对于普通的⽤⼾进程来说该字段指向他的
//虚拟地址空间的⽤⼾空间部分，对于内核线程来说这部分为NULL。
struct mm_struct *active_mm; // 该字段是内核线程使⽤的。当该进程是内核线程时，
//它的mm字段为NULL，表⽰没有内存地址空间，可也并不是真正的没有，这是因为所有进程关
//于内核的映射都是⼀样的，内核线程可以使⽤任意进程的地址空间。
/*...*/
}
struct mm_struct
{
/*...*/
struct vm_area_struct *mmap;
/* 指向虚拟区间(VMA)链表 */
struct rb_root mm_rb;
/* red_black树 */
unsigned long task_size;
/*具有该结构体的进程的虚拟地址空间的⼤⼩*/
/*...*/
// 代码段、数据段、堆栈段、参数段及环境段的起始和结束地址。
unsigned long start_code, end_code, start_data, end_data;
unsigned long start_brk, brk, start_stack;
unsigned long arg_start, arg_end, env_start, env_end;
/*...*/
}
每一个进程都有独立的 mm_struct ，这样保证了进程之间的独立性。
组织
虚拟地址组织方式有两种：
- 当虚拟区较少时采取单链表，由 mmap 指针指向这个链表
- 当虚拟区间多时采取红黑树进行管理，由 mm_rb 指向这棵树
linux内核使用 vm_area_struct 结构来表示一个独立的虚拟内存区域（VMA）,一个进程使用多个 vm_area_struct 来表示不同位置的虚拟内存区域。
struct vm_area_struct {
unsigned long vm_start; //虚存区起始
unsigned long vm_end;
//虚存区结束
struct vm_area_struct* vm_next, * vm_prev;
//前后指针
struct rb_node vm_rb;
//红⿊树中的位置
unsigned long rb_subtree_gap;
struct mm_struct* vm_mm;
//所属的 mm_struct
pgprot_t vm_page_prot;
unsigned long vm_flags;
//标志位
struct {
struct rb_node rb;
unsigned long rb_subtree_last;
} shared;
struct list_head anon_vma_chain;
struct anon_vma* anon_vma;
const struct vm_operations_struct* vm_ops; //vma对应的实际操作
unsigned long vm_pgoff;
//⽂件映射偏移量
struct file* vm_file;
//映射的⽂件
void* vm_private_data;
//私有数据
atomic_long_t swap_readahead_info;
#ifndef CONFIG_MMU
struct vm_region* vm_region;
/* NOMMU mapping region */
#endif
#ifdef CONFIG_NUMA
struct mempolicy* vm_policy;
/* NUMA policy for the VMA */
#endif
struct vm_userfaultfd_ctx vm_userfaultfd_ctx;
} __randomize_layout;
通过上面的描述，我们可以用图来表示以上结构：
为什么要有虚拟地址空间
- 安全风险，如果每个进程都可以访问任意内存空间，那么就意味着任意一个进程都能够读写系统先关的内存区域，如果是一个木马病毒，就意味着可以随意修改内存空间，导致很多不缺定因素
- 地址不确定，如果使用的是物理地址，每次运行的程序的地址是不确定的，因为每次运行的程序个数都不一样
- 效率低，如果直接使用物理内存的话，一个进程就是作为一个整体（内存块）操作的，如果出现内存不够用，就只能将不常用的进程拷贝到磁盘的交换分区中，等下次内存够了，在加载回来，如果是虚拟地址空间，就可以通过分页管理和页表映射分批加载进程，大大减小了内存的压力，使内存能够以更小的空间做更多的事
- 地址空间和页表都是OS来维护的，也就意味着想要使用地址空间和页表映射，就需要OS来监督，这也就保护了物理内存中的合法数据，包括各个进程以及内核的有效数据
- 由页表和地址空间的存在，也就意味着物理内存的分配和进程的管理没有关系了，进程管理模块和内存管理模块就完成了解耦
- 有了页表，程序在物理内存中理论上就可以在任意位置上加载。但它可以将地址空间上的虚拟地址空间和物理地址空间进程映射，所以在进程视角所有的内存分布都是有序的