机器码(机器语言)是什么?
机器码,也叫机器语言,是处理器直接执行的二进制指令。每条指令是一小段字节,比如 b8 01 00 00 00,告诉 CPU 移动、相加、比较或跳转,而每个处理器家族都有自己的一套指令。
更新于 2026年11月16日
这个程序会查看它自己的三条指令,也就是 sample: 下面那几条,并打印出处理器看到的字节。点击运行:
b8 01 00 00 00 bf 01 00 00 00 0f 05
这十二个字节就是 sample: 下面三行代码的机器码,用十六进制表示,每个字节两位。在内存里它们是比特:b8 就是 10111000。程序从不运行它们,而是像读取其他数据一样读取它们,因为对计算机来说,指令也只是内存里的字节。
读懂这些字节
| 字节 | 汇编 | 处理器做什么 |
|---|---|---|
b8 01 00 00 00 | mov rax, 1 | 把 32 位数字 1 放进 eax,这也会清零 rax 的高半部分 |
bf 01 00 00 00 | mov rdi, 1 | 同样的操作,放进 edi |
0f 05 | syscall | 调用操作系统 |
在前两条指令里,第一个字节就是操作码(opcode),也就是说明要做什么的部分。这里 b8 到 bf 都表示“把接下来的 4 个字节放进一个寄存器”,具体是哪个寄存器,取决于操作码离 b8 有多远:eax 是 0 号寄存器,所以它的操作码是 b8;edi 是 7 号寄存器,所以它的操作码是 b8 + 7,也就是 bf。并不是每条 x86-64 指令都这么简单:有些指令以前缀字节开头,比如许多 64 位指令前面的 48;有些操作码占两个字节,比如 0f 05。
后面的 4 个字节存放数字 1,不过是倒着放的:01 00 00 00。x86-64 是小端序(little-endian),也就是说,多字节的数字会先存最低位的字节。数字 258 会存成 02 01 00 00。
汇编器在这里也做了一个选择。源代码写的是 mov rax, 1,用的是 64 位寄存器,但 NASM 写出的是针对 eax 的 5 字节指令,因为写入 32 位寄存器会把高 32 位清零,结果完全一样。长的写法 48 c7 c0 01 00 00 00 要占 7 个字节。
处理器如何运行机器码
处理器把下一条指令的地址保存在一个特殊的寄存器里,在 x86-64 上是 rip,叫作指令指针或程序计数器。它每秒数十亿次地重复三个步骤:
- 取指。 读取
rip所指地址上的字节。 - 译码。 弄清这些字节是哪条指令、有多长。x86-64 指令长 1 到 15 个字节,所以处理器必须先读前面的字节,才知道这条指令在哪里结束。ARM64 指令则总是 4 个字节。
- 执行。 执行这条指令,然后把
rip移到下一条指令;如果这是一条跳转指令,就移到另一个地址。
没有任何东西告诉处理器,rip 处的字节本来是不是指令。如果某个 bug 让它跑到一个满是文本的地址,它会把这些文本当成指令来译码并执行,或者因为非法指令错误而停下。现代操作系统会把数据内存标记为不可执行,所以跳进去只会让程序终止;在 Linux 上,这会报告为段错误。
机器码与汇编语言
汇编语言是机器码的文本形式。两者几乎一一对应,但并不是同一个东西:
| 机器码 | 汇编语言 | |
|---|---|---|
| 它是什么 | 处理器执行的字节 | 人写的文本 |
| 示例 | bf 01 00 00 00 | mov rdi, 1 |
| 由谁读取 | 处理器 | 汇编器,比如 NASM |
| 标签和注释 | 没有,只有地址 | _start:、; comment |
| 源代码中的数据 | 只是更多的字节 | db "Hello" 这样的伪指令 |
| 绑定在一个处理器家族上 | 是 | 是 |
汇编器从右边一列走到左边一列。反汇编器(比如 objdump -d)则反过来:把字节变回汇编。注释从来不会存进机器码,所以已经找不回来了。标签名只保留在文件的符号表里:对上面的程序,objdump 会把循环里的 jnz 显示为 jne 401019 <next_byte>(同一条指令的两个名字);用 strip 去掉符号之后,就只剩 jne 0x401019。人们就是这样阅读没有源代码的程序的。
机器码与字节码
并非所有编译出来的程序都是机器码。C、C++、Go 或 Rust 的编译器生成的是针对一种处理器的机器码。Java 会编译成 .class 文件里的字节码,Python 则在解释器运行你的代码之前,先把它编译成字节码。字节码也有指令,但这些指令是给虚拟机(一个程序)用的,而不是给物理芯片用的。
所以同一个 .class 文件能在任何装有 Java 运行环境的电脑上运行,而编译好的 C 程序必须为每种处理器和操作系统重新构建。两者在即时(JIT)编译器中交汇:JVM 和 V8 这样的 JavaScript 引擎会在程序运行时,把最常用的字节码变成机器码。
为什么机器码只能在一种电脑上运行
程序的机器码要能运行,有三样东西必须匹配:
- 指令集。 x86-64 和 ARM64 用不同的字节表示不同的操作。Apple 的 Rosetta 2 通过把 x86-64 机器码翻译成 ARM64 机器码,让搭载 Apple 芯片的 Mac 能运行 x86-64 程序。
- 文件格式。 Linux 使用 ELF 文件,Windows 使用 PE(
.exe),macOS 使用 Mach-O。每种格式都告诉操作系统代码和数据在哪里、从哪里开始执行。 - 系统调用。 上面的例子向 Linux 请求 1 号系统调用 write。Windows 和 macOS 给各项服务的编号不同,所以同样的字节会请求别的东西,或者什么也请求不到。
下一步
在汇编在线编辑器里修改 sample: 下面的指令,再运行一次程序,就能看到它们的字节:试试 add rax, rbx 或 ret。汇编语言页面讲解了这些指令所用的语言,汇编速查表列出了常用指令,免费的汇编语言课程从第一个系统调用开始教你 x86-64。想了解比特和字节如何存储其他一切,请看字节页面。
常见问题
机器码就是 0 和 1 吗?
b8 01 00 00 00。机器码和汇编语言有什么区别?
mov 这样的名称代替 b8 这样的数字,还加上了给人看的标签和注释。汇编器把汇编翻译成机器码,反汇编器再把它翻译回来,只是标签和注释会在这个过程中丢失。每台电脑上的机器码都一样吗?
0f 05 在 x86-64 上表示 syscall,而 ARM64 芯片每次读取 4 个字节作为一条指令,这两个字节在它那里没有这个含义。即使是同一种处理器,Windows、macOS 和 Linux 也用不同的文件格式打包程序,提供不同的系统调用,所以一个程序是为一种处理器和一种操作系统构建的。机器码和字节码有什么区别?
.class 文件和 Python 的 .pyc 文件里存放的是字节码,它能在任何装有对应虚拟机的电脑上运行,而 JIT 编译器可以在程序运行时把最繁忙的部分变成机器码。人能直接写机器码吗?
能,最早的程序员就是这么做的,用开关或穿孔卡片手动输入数字。这样做既慢又容易出错,因为每个地址都得手工算出来,所以汇编语言早在 20 世纪 40 年代末就出现了。如今人们在调试器里读机器码的次数,远远多于亲手写机器码。