机器语言，ISA和汇编语言的关系

在计算机体系结构的学习中，我们不可避免地会接触到汇编语言，机器语言和指令集架构（ISA）的概念。对于 x86 架构，大家可能会听说有两种不同的汇编语言语法，它们表示相同的指令集，但语法和书写风格却各不相同。这篇文章将深入探讨这些概念，以及 x86 汇编中两种常见的语法—Intel 语法与 AT&T 语法的区别与联系。

什么是 ISA 和 机器语言？

在理解汇编语言和它们的差异之前，我们先了解两个重要的概念：机器语言和 ISA（指令集架构）。

• ISA（指令集架构） 是一种抽象的规范，定义了计算机处理器所能执行的指令集。它描述了指令的功能、寄存器的使用、指令的格式、寻址方式等，是程序员与硬件之间的接口。x86 和 arm 就是我们最常见的 ISA。

• 机器语言 是计算机可以直接用 CPU 执行的、以二进制编码形式存在的指令集合。机器语言是计算机硬件唯一能够直接理解和执行的内容。基于 x86 和 arm 这样的 ISA，有各自厂家对应的 CPU

简而言之，ISA 定义了机器语言的抽象规范和规则，比如x86要支持哪些操作码？指令的语义、指令格式、操作模式、寄存器集等是什么？机器语言则是这些规则的具体二进制实现。

同一个 ISA 的不同实现（如 Intel 和 AMD 的 x86 处理器）可以使用不同的优化和硬件设计，但它们的机器语言必须符合相同的 ISA 规范。当然厂商可以在硬件设计中实现额外的非公开指令（通常称为私有指令或未公开指令），这些指令虽然存在于机器语言中，但不一定属于标准的 ISA。这和高级语言的情况非常类似。

类比高级语言，ISA 可以类比为高级语言的语法和规则，而机器语言则相当于语言本身。ISA 是对处理器行为的抽象描述，类似于定义语言的规范，而机器语言是符合该规范的实际代码。

当然，这一套结构最终是统一的。实际应用里 x86 架构这个术语本身可以指代指令集架构（ISA）、机器语言、汇编语言或 使用 x86 的 CPU。

汇编语言与 ISA 的关系

为了让人类更容易编写和阅读程序，汇编语言被创造出来作为机器语言的可读版本。汇编语言是一种低级的编程语言，它直接对应于机器语言指令，可以直接一一对应（而不需要高级语言到汇编语言的复杂编译）。但使用人类更易理解的文本符号。汇编语言与特定的 ISA 密切相关，每一个 ISA 通常都有它独特的汇编语言，其规则和语法是基于该 ISA 的。

x86 汇编语言的两种语法

每一个 ISA 通常都有它独特的汇编语言规则，但是对于 x86 处理器，由于历史原因，汇编语言存在两种主要的语法，即 Intel 语法 和 AT&T 语法。这两种语法描述了同一套指令集，但它们在指令格式和操作数书写方式上有所不同。

Intel 语法

Intel 语法 是由 Intel 公司提出的官方语法风格，也是 x86 处理器的最早文档中使用的格式。

• 操作数顺序：目标（destination） 在前，源（source） 在后。例如：
  • MOV EAX, EBX 表示将寄存器 EBX 的值移动到寄存器 EAX 中。
• 寄存器和立即数表示：
  • 没有特殊的前缀，直接使用寄存器名（如 EAX）。
• 寻址方式：
  • 使用方括号 [] 表示间接寻址。例如，[EAX] 表示使用寄存器 EAX 的值作为内存地址。

这种语法比较贴近自然语言，易于理解，因此在 Windows 平台和 Microsoft 的 MASM（Microsoft Macro Assembler）中得到了广泛应用。

AT&T 语法

AT&T 语法 是 GNU 工具链（如 GCC 和 GAS）所采用的默认语法，广泛用于 Unix 和 Linux 系统。

• 操作数顺序：源（source） 在前，目标（destination） 在后。例如：
  • MOVL %EBX, %EAX 表示将寄存器 EBX 的值移动到寄存器 EAX 中。
• 寄存器和立即数表示：
  • 寄存器使用 % 前缀（如 %EAX）。
  • 立即数使用 $ 前缀（如 $5 表示立即数 5）。
• 寻址方式：
  • 使用圆括号 () 表示间接寻址。例如，(%EAX) 表示使用寄存器 EAX 的值作为内存地址。

AT&T 语法的这种严格的标记方式更适合命令行环境，能够明确区分寄存器、立即数和内存地址，因此常见于 GNU 编译工具链中。

Intel 与 AT&T 语法的对比

Intel 语法：

section .data
    msg db 'Hello, World!', 0

section .bss
    res resb 1

section .text
    global _start

_start:
    ; 将字符串地址加载到 EAX 中
    lea EAX, [msg]
    ; 将 EAX 的值存入 EBX
    mov EBX, EAX
    ; 设置系统调用号 4（sys_write）到 EAX
    mov EAX, 4
    ; 设置文件描述符 1（stdout）到 ECX
    mov ECX, 1
    ; 设置消息长度 13 到 EDX
    mov EDX, 13
    ; 执行系统调用
    int 0x80

    ; 正常退出
    mov EAX, 1      ; 系统调用号 1（sys_exit）
    xor EBX, EBX    ; 设置返回值 0
    int 0x80

AT&T 语法：

.section .data
    msg: .string "Hello, World!"

.section .bss
    res: .resb 1

.section .text
    .globl _start

_start:
    # 将字符串地址加载到 %eax 中
    lea msg, %eax
    # 将 %eax 的值存入 %ebx
    movl %eax, %ebx
    # 设置系统调用号 4（sys_write）到 %eax
    movl $4, %eax
    # 设置文件描述符 1（stdout）到 %ecx
    movl $1, %ecx
    # 设置消息长度 13 到 %edx
    movl $13, %edx
    # 执行系统调用
    int $0x80

    # 正常退出
    movl $1, %eax     # 系统调用号 1（sys_exit）
    xorl %ebx, %ebx   # 设置返回值 0
    int $0x80

可以看到，这两个代码片段功能相同，主要区别在于：

• 操作数顺序不同：AT&T 语法中源在前，目标在后，而 Intel 语法中目标在前，源在后。
• AT&T 使用寄存器和立即数前缀来区分，例如 % 表示寄存器，$ 表示立即数。
• 寻址方式的差异，AT&T 使用更严格的符号标识。

为什么会有两种语法？

x86 汇编存在两种语法的原因主要可以归结为历史和工具链的差异。

• 历史原因：AT&T 语法是由 Unix 和 GNU 工具链的开发者们提出的，以与 Intel 提出的官方语法有所区分。随着 x86 架构在各种操作系统和平台上的普及，这两种语法逐渐并存。
• 工具链选择：不同的平台和编译器使用不同的工具链。例如，Windows 平台通常使用 MASM，它使用 Intel 语法。而 Unix 和 Linux 系统则常使用 GNU 编译器工具链（如 GCC），其默认的汇编器 GAS 使用 AT&T 语法。

在编译器中切换语法

现代的编译器通常支持这两种语法，并允许开发者根据需要进行切换。例如：

• 在 GNU 的 as 汇编器中，可以通过 --intel-syntax 参数来切换到 Intel 语法。
• Clang 和 GCC 支持通过 -masm=intel 或 -masm=att 来指定生成哪种汇编语法。

这使得程序员能够选择他们更习惯的语法，方便调试和开发工作。

其他指令集及其对应的汇编语言

除了 x86 之外，其他常见的指令集也有各自的汇编语言和对应的规则。以下是几个例子：

ARM 指令集

ARM 架构被广泛应用于移动设备和嵌入式系统中。ARM 的汇编语言也有其独特的特点：

• 寄存器表示：使用 R0, R1, R2 等形式来表示寄存器。
• 指令简洁：ARM 汇编指令简洁高效，常见指令如 MOV R0, R1 将寄存器 R1 的值移动到寄存器 R0。
• 条件执行：ARM 汇编中的指令大多可以根据条件执行，例如 MOVEQ 表示在上一个结果为等于（EQ）时执行 MOV 操作。

MIPS 指令集

MIPS 是一种经典的 RISC（精简指令集计算）架构，通常用于教学和嵌入式系统。

• 操作数顺序：类似于 Intel 语法，目标操作数在前，源操作数在后。
• 寄存器使用：MIPS 的寄存器通常表示为 $t0, $t1 等，代表临时寄存器。
• 寻址方式：MIPS 使用类似 lw $t0, 0($t1) 的方式来加载内存数据到寄存器。

x86 与其他架构的汇编对比

通过对比可以看到，不同的指令集架构有不同的汇编语言规则和特性。x86 属于 CISC（复杂指令集计算），其指令集相对复杂，而 ARM 和 MIPS 则属于 RISC，指令集更为简洁和高效。