2. 进程地址空间 mm_struct 深度解析

在 Linux 内核中，每个进程都拥有一个独立的虚拟地址空间，而 mm_struct 正是描述这个地址空间的核心数据结构。它记录了进程内存的布局、映射关系、权限控制以及物理内存的映射入口。理解 mm_struct 是掌握内存管理全栈的第一步，也是后续分析页表、缺页中断和 VMA 操作的基础。

2.1 mm_struct 核心字段全景

下表列出了 mm_struct 中最重要的字段及其功能分类，这些字段直接参与地址空间的构建、查找和权限控制。

2.2 pgd：页表遍历的根入口

pgd 是 mm_struct 中指向页全局目录的指针。在 x86-64 架构下，页表采用四级页表结构：PGD → P4D → PUD → PMD → PTE。进程切换时，内核会将当前进程的 pgd 值写入 CPU 的 CR3 寄存器，从而激活该进程的地址空间。

下面通过 SVG 图展示 pgd 在页表层次中的位置以及虚拟地址到物理地址的转换路径。

2.3 mmap 与 mm_rb：VMA 的双重组织

虚拟内存区域（VMA）是进程地址空间的基本管理单元。每个 VMA 描述一段连续的虚拟地址区间及其属性（权限、文件映射、匿名等）。mm_struct 通过两种数据结构组织 VMA：

• mmap 链表： 按虚拟地址升序链接所有 VMA，用于顺序遍历和相邻 VMA 的合并操作。
• mm_rb 红黑树： 以 VMA 的起始地址为键值构建平衡二叉搜索树，用于快速查找指定虚拟地址所属的 VMA。

下面的 SVG 图展示了 mmap 链表和 mm_rb 红黑树如何共同管理进程的 VMA 集合。

2.4 arg_start/arg_end 与 env_start/env_end：进程参数与环境的边界

当用户执行一个程序时，内核会将命令行参数和环境变量放置在用户栈的顶部附近。arg_start 和 arg_end 标记了参数列表（argv）在栈中的地址范围，而 env_start 和 env_end 标记了环境变量（envp）的地址范围。这些字段对于调试器（如 GDB）和 /proc/<pid>/maps 的解析至关重要。

下面的 SVG 图展示了进程地址空间的典型布局，并标注了这些关键边界字段的位置。

2.5 其他关键字段速览

除了上述核心字段外，mm_struct 还包含以下重要成员：

• start_brk / brk： 堆的起始地址和当前堆顶。系统调用 brk() 和 sbrk() 通过调整 brk 来分配或释放堆内存。
• start_stack： 用户栈的起始地址（通常接近栈的最高地址）。栈从该地址向下增长。
• map_count： 当前 VMA 的数量。当 map_count 超过 sysctl_max_map_count（默认 65530）时，mmap 系统调用会返回 ENOMEM。
• total_vm： 进程虚拟内存页的总数，包括所有已映射和未映射的页面。该值可通过 top 或 ps 命令的 VSZ 字段查看。
• def_flags： 默认的 VMA 标志，例如 VM_READ、VM_WRITE、VM_EXEC，新建 VMA 时会继承这些标志。

2.6 实战：通过 /proc 查看 mm_struct 字段

以下示例展示了如何通过 /proc 文件系统查看当前进程的 mm_struct 关键字段。代码使用 C 语言读取 /proc/self/stat 并解析相关字段。

#include <stdio.h>
#include <stdlib.h>
#include <string.h>

int main() {
    FILE *fp = fopen("/proc/self/stat", "r");
    if (!fp) {
        perror("fopen");
        return 1;
    }

    char buf[1024];
    if (!fgets(buf, sizeof(buf), fp)) {
        perror("fgets");
        fclose(fp);
        return 1;
    }
    fclose(fp);

    // /proc/self/stat 格式：pid comm state ppid ...
    // 第 26 个字段是 startcode，第 27 是 endcode
    // 第 28 是 startstack，第 29 是 arg_start，第 30 是 arg_end
    // 第 31 是 env_start，第 32 是 env_end
    unsigned long startcode, endcode, startstack;
    unsigned long arg_start, arg_end, env_start, env_end;

    // 跳过前 25 个字段
    char *token = strtok(buf, " ");
    for (int i = 1; i < 25; i++) {
        token = strtok(NULL, " ");
        if (!token) break;
    }

    if (token) {
        startcode = strtoul(token, NULL, 10);
        token = strtok(NULL, " "); endcode = strtoul(token, NULL, 10);
        token = strtok(NULL, " "); startstack = strtoul(token, NULL, 10);
        token = strtok(NULL, " "); arg_start = strtoul(token, NULL, 10);
        token = strtok(NULL, " "); arg_end = strtoul(token, NULL, 10);
        token = strtok(NULL, " "); env_start = strtoul(token, NULL, 10);
        token = strtok(NULL, " "); env_end = strtoul(token, NULL, 10);

        printf("startcode  = 0x%lx\n", startcode);
        printf("endcode    = 0x%lx\n", endcode);
        printf("startstack = 0x%lx\n", startstack);
        printf("arg_start  = 0x%lx\n", arg_start);
        printf("arg_end    = 0x%lx\n", arg_end);
        printf("env_start  = 0x%lx\n", env_start);
        printf("env_end    = 0x%lx\n", env_end);
    }

    return 0;
}

startcode  = 0x400000
endcode    = 0x401000
startstack = 0x7ffc8a000000
arg_start  = 0x7ffc8a001000
arg_end    = 0x7ffc8a001020
env_start  = 0x7ffc8a001020
env_end    = 0x7ffc8a001080

2.7 本章小结

mm_struct 是进程地址空间管理的总控结构，其核心字段覆盖了页表入口（pgd）、VMA 组织（mmap / mm_rb）、进程参数边界（arg_start / arg_end）以及代码/数据/堆/栈的地址范围。理解这些字段的语义和相互关系，是后续分析 VMA 操作、缺页异常处理和页表遍历的基础。