引言

现在我们来到了第三层——Machine Language Program

接下来将介绍汇编语言是怎么转化成机器码的

Consequence #1: Everything Has a Memory Address

由于所有的指令和数据都存储在内存中，所以一切都有一个内存地址：指令、数据字
- 这意味着分支和跳转都使用这些地址
C 指针只是内存地址：它们可以指向内存中的任何东西
- 不受约束的地址使用可能导致严重的错误；在 C 语言中避免错误是你的责任；而在 Java 语言设计中，这种使用受限
一个寄存器保存着当前正在执行的指令的地址：“程序计数器”（Program Counter，简称 PC）
- 基本上就是一个指向内存的指针
- 英特尔称之为指令指针（Instruction Pointer，简称 IP）

Consequence #2: 二进制的兼容

程序以二进制形式分发
- 程序绑定到特定的指令集
- 手机和个人电脑的版本不同
新机器希望运行旧程序（“二进制”文件）以及编译到新指令的程序
这导致了“向后兼容”的指令集随着时间的推移而演变
选择英特尔8088处理器作为1981年首款IBM PC的处理器是当今最新PC仍使用80x86指令集的主要原因；1981年的PC程序今天仍然可以运行

指令作为数字

大多数我们处理的数据都是以字（32位块）为单位：

每个寄存器是一个字
lw和sw每次都访问一个字的内存
那么我们如何表示指令呢？
- 记住：计算机只能理解1和0，所以汇编器字符串“add x10,x11,x0”对硬件来说是无意义的
- RISC-V追求简洁：既然数据是以字为单位，那么指令也固定为32位的字
- 同样的32位指令用于RV32、RV64、RV128
一字为32位，因此将指令字分为“字段”
每个字段向处理器传达一些关于指令的信息
我们可以为每条指令定义不同的字段，但RISC-V追求简洁，所以定义了六种基本类型的指令格式：
- R格式用于寄存器-寄存器算术运算
- I格式用于寄存器-立即数算术运算和加载
- S格式用于存储
- B格式用于分支（S格式的一个小变种）
- U格式用于20位上位立即数指令
- J格式用于跳转（U格式的一个小变种）

R-Format布局

32-bit instruction word divided into six fields of varying numbers of bits each: 7+5+5+3+5+7 = 32
opcode: 部分指定了是什么指令
- 注意：对于所有R型格式的寄存器-寄存器算术指令，该字段等于0110011。
funct7和funct3：结合opcode，这两个字段描述了要执行的操作。
rs1（Source Register #1）：指定包含第一个操作数的寄存器。
rs2：指定第二个操作数的寄存器。
rd（Destination Register）：指定将接收计算结果的寄存器。
每个寄存器字段包含一个5位无符号整数（0-31），对应一个寄存器编号（x0-x31）。

例子

所有 RV32 R-format 指令

图片中的“2’s comp of rs2”意思是“rs2的二进制补码”

在表格中，“2’s comp of rs2”标注在funct7字段中的0100000这一行，表示：

对应指令是sub（减法）。

这个funct7字段的具体含义是告诉处理器，这条指令要对寄存器rs2中的值取二进制补码，然后与rs1中的值相加，从而实现减法操作。

具体解释

add指令的funct7字段是0000000，表示正常加法操作：rd = rs1 + rs2。

sub指令的funct7字段是0100000，表示减法操作：rd = rs1 - rs2。在计算机内部，减法操作可以通过加上一个数的二进制补码来实现。因此，这里“2’s comp of rs2”表示对rs2取二进制补码然后再相加。

对于sra和srl来说，funct7字段中的第一个1（即0100000中的第2位）在这里作为一个标识符，用于区分这两种不同的右移操作。