课程总目录
文章目录
- 一、进程的虚拟地址空间内存划分和布局
- 二、函数的调用堆栈详细过程
- 三、程序编译链接原理
- 1. 编译过程
- 2. 链接过程
一、进程的虚拟地址空间内存划分和布局
任何的编程语言 → \to → 产生两种东西：指令和数据
编译链接完成之后会产生一个可执行文件xxx.exe，会把程序从磁盘加载到内存中，不可能直接加载到物理内存！！！
环境： x86 32位linux环境
程序：
int gdata1 = 10;
int gdata2 = 0;
int gdata3;static int gdata4 = 11;
static int gdata5 = 0;
static int gdata6;int main()
{int a = 12;int b = 0;int c;static int e = 13;static int f = 0;static int g;return 0;
}
linux系统会给当前进程分配一个 232（4G）大小的一块空间（进程的虚拟地址空间），大小和环境的位数相关，如果是64位，则为8G
注意区分虚拟内存和虚拟地址空间，这是两个不同的概念
-
0x00000000 ~ 0x08048000
这段无法被访问，如果运行char *p = nullptr;strlen(p);则会报错，因为空指针在这段区域，char *src = nullptr;strcpy(dest, src);也会报错 -
0x08048000 ~ 0xC0000000
- .text（代码段）： 放指令（只读）。main函数中的三个初始化 a, b, c 语句，都会转化为一条mov指令，如
mov dword ptr[a], 0xCH，如果cout << c，此时的c是什么不确定（参考文章），它是栈上的无效值；int main(){}以及cout << c << g << endl;都是指令，都存放在 .text中
int a = 12;这条语句不产生符号，只产生对应的汇编指令，对应指令存放在 .text上，但是当指令运行的时候，指令做的是在栈上开辟4字节的空间将12放进去- .rodata： 只读数据read only。
char *p = "hello world";其中p在栈上，常量字符串"hello world"就存储在 .rodata段，但是如果*p = 'a';，通过指针让常量字符串的第一个字符修改为a，可以编译但不能运行，因为这一部分是只读的 - .data（数据段）： 用于存储已经初始化并且不为0的全局变量和静态变量，这些变量在程序运行之初就有了确定的初始值，在程序执行之前就会被初始化，因此需要分配实际的存储空间。
[gdata1 & gdata4 & e] - .bss： 用于存储未初始化和已经初始化为0的全局变量和静态变量。
[gdata2 & gdata3 & gdata5 & gdata6 & f & g]
此时
cout << gdata3 << endl;输出为0，因为gdata3存放在 .bss段。操作系统会把没初始化的变量全部置为0- .heap：堆
- 加载共享库：在window系统中是
*.dll，在linux中是*.so - stack：栈，函数运行或产生线程时，产生的栈空间，从下往上（高地址向地地址）进行增长
- 命令行参数和环境变量
- .text（代码段）： 放指令（只读）。main函数中的三个初始化 a, b, c 语句，都会转化为一条mov指令，如
在 Linux 中，进程在内存中一般会分为五个段，包含了从磁盘载入的程序代码以及其他数据。即代码段、数据段、BSS段、堆、栈
- 0xC0000000 ~ 0xFFFFFFFF
- 内核空间
每一个进程的用户空间是私有的，但是内核空间是共享的。例如匿名管道通信，就是在内核空间中分配出一部分内存，进程1往里写内容，进程2和3都能看见。
二、函数的调用堆栈详细过程
int sum(int a, int b)
{int temp = 0;temp = a + b;return temp;
}int main()
{int a = 10;int b = 20;int ret = sum(a, b);cout << "ret:" << ret <<endl;return 0;
}问题一：main函数调用sum，sum执行完后，怎么知道回到哪个函数
问题二：sum函数执行完，回到main函数后，怎么知道从哪一行指令继续运行
程序分析：
int a = 10; → \to → mov dword ptr[ebp-04H], 0AH
int b = 20; → \to → mov dword ptr[ebp-08H], 14H
int ret = sum(a, b);编译后会将位置为ptr[ebp-0Ch]命名为ret，之后是调用函数，先从右向左向栈顶压入形式参数a和b，同时esp也会随之移到栈顶，即
mov eax, dword ptr[ebp-08H]
push eax
mov eax, dword ptr[ebp-04H]
push eax
call sum // 函数调用指令，会做两件事，将下一条命令的地址(0x08124458)压栈，进入sum
// sum函数返回后
add esp, 8 // 本条指令地址(假如地址为0x08124458)将给形参分配的地址交还给系统
mov dword ptr[ebp-0CH], eax // 将结果放到ret中
由此也可见，在函数调用过程中，形参的内存开辟是在调用函数时就分配好的
进入sum函数，在int temp = 0;执行之前，即左括号{和int temp = 0;之间，会执行下面的汇编代码
push ebp // 此时ebp指向main函数栈帧的栈底，把此地址记录下来
mov ebp, esp // 把esp赋给ebp，此时ebp指向sum函数栈帧的栈底
sub esp, 4CH // 给sum函数开辟栈帧空间
int temp = 0; → \to → mov dword ptr[ebp-04H], 0
temp = a + b;
mov eax, dword ptr[ebp+0CH] // 取形参b的值存到eax
add eax, dword ptr[ebp+08H] // 取形参a的值，和b相加，存到eax
mov dword ptr[ebp-04H], eax // a+b结果存到temp
return temp; → \to → mov eax, dword ptr[ebp-04H]
右括号}，回退栈帧
mov esp, ebp // 把ebp赋给esp，把栈空间归还给系统，但并未清空栈中内容
pop ebp // 出栈，并把栈里的数值给ebp，即退回main函数栈帧的栈底，同时esp+4
ret // 出栈，把出栈内容(0x08124458)放在CPU的PC寄存器中，同时esp+4
返回main函数中
// sum函数返回后
add esp, 8 // 本条指令地址(假如地址为0x08124458)将给形参分配的地址交还给系统
mov dword ptr[ebp-0CH], eax // 将结果放到ret中
之后再打印，return，结束程序
注：
数值 ≤ 4B，通过eax寄存器带出
4B ＜ 数值 <= 8B，通过eax和edx两个寄存器带出
数值 > 8B，函数调用之前产生临时量，再把临时量地址入栈，被调用函数return处通过偏移ebp访问临时量。
三、程序编译链接原理
编译过程： 预编译 → \to → 编译 → \to → 汇编 → \to → 二进制可重定位的目标文件（*.obj / *.o）
链接过程： 编译完成的所有.o文件 + 静态库文件（Linux下是*.a，Windows下是*.lib）
两个核心步骤：（1）所有.o文件段的合并；符号表合并后，进行符号解析
（2）符号的重定位（重定向）【链接的核心】
最终在工程目录下 → \to → win下得到xxx.exe，Linux下得到a.out
我们需要关注的点：
*.o文件的格式组成是什么样子的？- 可执行文件的组成格式是什么样子的？
- 链接的两步做的是什么事情？
- 符号表的输出 → \to → 符号，符号怎么理解？
- 符号什么时候分配虚拟地址（在用户空间上）？
程序：
main.cpp：
//引用sum.cpp文件里面定义的全局变量以及函数
extern int gdata;
int sum(int, int);int data = 20;int main()
{int a = gdata;int b = data;int ret = sum(a, b);return 0;
}
sum.cpp：
int gdata = 10;
int sum(int a, int b)
{return a+b;
}
1. 编译过程
| C++文件 | 预编译 | 编译 | 汇编 | 二进制可重定位的目标文件（*.obj / *.o） |
|---|---|---|---|---|
| main.cpp sum.cpp | 处理#开头的命令 | 语法分析、语义分析、词法分析、代码优化 用 g++ -O 0/1/2/3 指定优化等级 | 编译完成之后生成特定架构下的汇编代码 | main.o sum.o |
预编译阶段：#pragma lib 和 #pragma link 例外，不是在预编译阶段完成的，而是在链接阶段完成的，这俩是用于处理链接阶段的外部库文件
现在来看我们的程序
首先进行编译g++ -c xxx.cpp
符号表：汇编器在把汇编码转成最终的.o文件时就会生成一个符号表
看一下符号表objdump -t xxx.o
可以看到左边全为0，即编译过程中符号不分配虚拟地址，在链接过程中分配虚拟地址
分析：
如果引用了外部文件，也会将外部文件中的符号产生在自己的符号表中。如果定义了main函数，则在符号表中函数的符号就是函数名，放在.text（代码段）；定义了全局变量data且值为20不等于0，因此放在.data（数据段）；引用的gdata也产生了符号gdata，sum也产生了符号_z3sumii，但他们都是*UND*，这是符号的引用，而不是符号的定义。
在sum.o文件的符号表中中，需要由函数名字和形参列表一起产生符号，例如这里的sumii解释为sum_int_int
符号表的第二列，l表示local，local的符号只能在当前文件中看见；g表示global，global的符号在其他文件也看得见。因此在链接时，所有.obj文件在一起链接，链接器可以看见所有global的符号，但看不见local符号。
.o文件的组成，可以用readelf -S main.o打印段表，用readelf -h main.o打印文件头（节头部表）：
回答问题1：*.o 文件的格式组成是什么样子的？
答：由上图可见，是由各种段组成的（elf文件头.text.data.bss.symtab等等）
编译完成后，.o文件代码段放入的指令如下，此时符号的地址位置填充的是0，这也是.o文件无法运行的原因之一，可以用objdump -S main.o打印代码段
2. 链接过程
步骤一：
- 所有
.o文件段的合并：在链接过程中，就要将main.o和sum.o的各个段进行合并，如.text段和.text段进行合并，.data段和.data段进行合并，.bss段和.bss段进行合并。包括段表和符号表，全部都进行合并。 - 符号表合并后，进行符号解析：所有对符号的引用，都要找到该符号定义的地方。从原本的
*UND*找到对应的在.text和.data上的定义。如果链接器没有找到对引用符号的定义，会报错“符号未定义”；如果找到多个对符号的定义（重定义），会报错“符号重定义”。在符号解析成功后，给所有的符号分配虚拟地址。
步骤二：
- 符号的重定位（重定向）：将代码段中的对应符号地址修改为为其分配的虚拟地址。
链接器指定入口并进行链接ld -e main *.o，其中-e是指定main作为入口，这样在链接生成的输出文件a.out文件的文件头会将main函数的第一行地址401000作为入口点地址进行记录
objdump -t a.out
可以看到所有符号都分配地址了，都放到对应的位置了
objdump -S a.out
readelf -S a.out
回答问题2：可执行文件的组成格式是什么样子的？
答：由上图可见，可执行文件也是由各种段组成的
readelf -h a.out
可以看到这是可执行文件，入口是main函数的第一行地址
401000
readelf -l a.out
可执行文件的段和重定向文件的段几乎一致，只是多了一个program headers段，可用
readelf -l a.out打印。运行可执行文件的时候，program headers段中LOAD哪些段，就是告诉系统把哪些段加载到内存中，如上图，一般会将.text段和.data段加载到内存中
运行一个可执行文件：
- 加载哪些内容 → \to → 看program headers段
- 从哪里开始运行 → \to → 文件头中的入口地址
