CSAPP笔记04链接（上）

0x00 概述

​ 链接（linking）是将各种代码和数据片段收集并组合称一个单一文件的过程，这个文件能被加载（复制）到内存并执行。

​ 链接可以执行于编译时（compile time），也就是在源代码被翻译成机器码时；也可以执行于加载时（load time），也就是在程序被加载器（loader）加载到内存并执行时；甚至执行于运行时（run time），也就是由应用程序来执行。在早期的的计算机系统中，链接是手动执行的。而在现代系统中，链接是由被称为链接器（linker）的程序自动执行的。

​ 使用链接器的最大好处是，它使得分离编译（separate compilation）成为可能。也就是说，我们不用将一个大型的应用程序组织为一个巨大的源文件，而是可以将其分解为更小、更好管理的模块，我们可以单独修改编译这些模块，然后链接，而不是重新编译整个程序的所有代码。

​ 学习链接的好处：

​ ①理解链接器将帮助我们构建大型程序，构造大型程序经常会遇见由于缺少模块、缺少库或者不兼容的库版本引起的链接器错误。理解链接器如何解析引用、什么是库、以及链接器是如何使用库来解析引用的，将有助于我们解决这些链接错误。

​ ②理解链接器有助于我们避免一些危险的编程错误，linux链接器解析符号引用时的决定可能会影响程序的正确性。比如，错误地定义了多个全局变量的程序仍可能会通过链接，并且不会产生任何警告信息。由此得到的程序会产生令人迷惑的运行时行为，并且非常难调试，我们将在这一届了解到这是如何发生的，以及如何避免。

​ ③理解链接将帮助我们理解语言的作用域规则，例如全局变量和局部变量之间的区别（在链接时）？定义一个具有static属性的变量或者函数时，实际意味着什么（链接时发生了什么？）

​ ④理解链接有助于我们理解其他重要的系统概念，链接器产生的可执行目标文件在重要的系统功能中扮演者关键角色，比如加载和运行程序、虚拟内存、分页（分页机制是实现虚拟内存的关键）、内存映射。

​ ⑤理解链接将使我们能够利用动态链接库（我确实没用过），随着共享库和动态链接在现代操作系统中越来越多被使用，链接成为一个较为复杂的过程，并给掌握链接的程序员带来强大的能力。比如，许多软件产品在运行时使用共享库来升级压缩包装的（shrink-wrapped）二进制程序。另外，大多数web服务器都依赖共享库的动态链接来提供动态内容。

​ 本章提供了关于链接的全面讨论，从传统的静态链接，到加载时的共享库的动态链接，以及运行时的共享库的动态链接。并且指出了链接时影响程序性能和正确性的情况。本章的内容基于x86-64的、使用标准的elf-64目标文件格式的linux系统。

0x01 编译器驱动程序

​ 对于下面c语言文件，要生成一个可执行的目标文件，需要调用编译驱动程序（compiler driver），也就是从c语言文件到生成最终可以执行文件时调用的一全套程序程：语言预处理器、编译器、汇编器和链接器。

//main.c
int sum(int *a,int n);
int array[2]={1,2};
int main(){
	int val=sum(array,2);
    return val;
}

//sum.c
int sum(int* a,int n){
    int i,s=0;
    for(i=0;i<n;i++){
        s+=a[i];
    }
    return s;
}

​ 使用如下命令调用gcc编译驱动程序，将上述c语言文件生成目标可执行文件。

gcc -Og main.c sum.c -o prog.out

​ 上图概括了驱动程序将示例程序从c语言源码文件生成可执行目标文件时的行为。可以在gcc命令里加上-v来显示具体生成步骤。

​ 由图上我们知道，从c语言到最终目标可执行文件中间由多个过程，前面的命令是调用多个命令的结果：

​ ①预处理器，c语言文件预处理过程：

cpp [other arguments] main.c -o main.i

​ ②编译器，将预处理后的文件翻译成汇编代码：

cc1 [other arguments] main.i -o main.s

​ ③汇编器，将汇编代码汇编成一个可重定位目标文件（relocatable object file），main.o:

as [other arguments] main.s -o main.o

​ ④链接器，经过相同的过程生成sum.o，然后与main.o以及一些必要的系统目标文件组合起来，创建一个可执行目标文件（executable object file）prog.out:

ld -o prog [other arguments] main.o sum.o -o prog.out

​ 要运行可执行文件prog，使用./prog.out

​ 这个时候，shell调用操作系统中的加载器（loader），将可执行文件prog.out中的代码和数据复制到内存，然后将控制转移到程序的开头。

​

0x02 静态链接

​ 静态链接器（static linker）以一组可重定位目标文件和命令行参数作为输入，生成一个完全链接的、可以加载和运行的可执行目标文件作为输出。

​ 输入的可重定位目标文件由各种不同的代码和数据节（section）组成，每一节都是一个连续的字节序列。（例如指令在一节中，初始化了的全局变量在另一节，而未初始化的变量又在另一节中）。

​ 为了构造可执行文件，链接器必须完成的两个主要任务（也是其主要功能）是：

​ ①符号解析（symbol resolution）

​ 目标文件定义和引用符号，每个符号对应于一个函数、一个全局变量或者一个静态变量（即c语言中所有以static声明的变量）。符号解析的目的是，将每个对符号的引用，都正好找到一个对应的定义。

​ ②重定位（relocation）

​ 编译器和汇编器生成的每个目标文件中的每个节，地址都是从0开始的。每个节都在符号表中对应一个符号，通过修改符号表内的偏移，来重定位节，然后修改所有对这些符号的引用。链接器按照汇编器产生的重定位条目（relocation entry）的详细指令/信息，进行上述的重定位。

​

0x02 目标文件

​ 目标文件有三种形式：

​ ①可重定位目标文件：包含一个二进制代码和数据，可以在编译时（广义的编译，实际指链接时）与其他可重定位目标文件合并起来，创建一个可执行目标文件。

​ ②可执行目标文件：包含二进制代码和数据，可以被直接复制到内存并执行。

​ ③共享目标文件：一种特殊的可重定位目标文件，可以在加载时或者运行时被动地加载进内存并链接。

​ 编译器和汇编器生成可重定位目标文件（包括共享目标文件）。链接器生成可执行目标文件。

​ 一个目标模块（object module）就是一个字节序列，而一个目标文件（object file）是以文件形式存放在磁盘的目标模块。

​ 目标文件按照特定的目标文件格式来组织，各个系统的目标文件格式都不相同。Windows上使用PE（portable executable）可移植可执行格式，而现代x86-64 linux系统使用ELF(executable and linkable format) 可执行可链接格式，各种格式的基本概念相似。

0x04 可重定位目标文件

​

​ 一个典型的ELF 可重定位目标文件的格式如上图,各部分的说明如下：

​ ELF头：以一个16字节的序列开始，该序列描述了生成该文件的系统的字的大小和字节序列。ELF头剩下的部分包含帮助链接器语法分析和解释目标文件的信息，如ELF头的大小，目标文件的类型（如可重定位、可执行或者共享的）、机器类型（如x86-64）、节头部表在文件内的偏移，以及节头部表中条目的大小和数量。

​ 节头部表：用来描述不同节的位置（文件内的偏移和内存中的位置，如果是可重定位目标文件，内存中的位置总是0，等待链接时重定位）和大小。目标文件中的每个节（如.bss .text）都在节头部表有一个固定大小的条目（entry）。

​ 夹在ELF头和节头部表之间的都是节，一个经典的ELF可重定位目标文件包含以下几个节（可执行目标文件则又略有不同）：

​ .text 已经编译好的机器代码。

​ .rodata read only data，只读数据，比如printf语句中的格式字符串和switch语句中的跳转表。

​ .data c语言中已经初始化的全局和静态变量，而局部变量在运行时被保存在栈里，既不出现在.data节也不出现在.bss节。

​ .bss 未初始化或者初始化为0的全局和静态变量。在目标文件中这个节不占据实际空间，仅仅是一个占位符。（因为.data和.bss里都是保存全局变量和静态变量的值，而.bss保存的值未初始化，或者为0，因此不用填）。在目标文件中，未初始化变量不需要占据任何实际的磁盘空间。运行时，在内存中分配这些变量，初始值为0。（而局部变量未初始化，到底怎么处理，不同编译器有不同实现）。

​ .symtab 一个符号表，存放在程序中定义和引用的函数和全局变量的信息。和前面的.data和.bss不同，前面两个存放的是全局变量的值，而这个存放的是名字和其他信息（比如所在节，值在所在节里的偏移，值所占的字节，但是不包括值本身）

​ .rel.text 一个.text节中位置的列表，当链接器把这个目标文件和其他文件组合时，需要修改的.text节里的位置。一般来说，任何调用外部函数或者引用全局变量的指令都需要修改。而调用本地函数的指令责不需要修改（因为是相对地址，而且偏移位置在编译和汇编时就知道）。可执行目标文件已经完成重定位了，所以没有这一节。（全局变量在.text只可能被引用，不可能被定义，定义的在.data或.bss）

​ .rel.data 被模块引用或者定义的所有全局变量（包括外部和内部）的值重定位信息。一般而言，全局变量引用是在代码里引用，所以对其引用的重定位在.rel.data里，而全局变量的值是不变的，但是如果全局变量被初始化为另一个全局变量的地址，或者外部定义函数的地址，那么其值（也就是对应的地址），需要被修改。

​ .debug 调试符号表，不多介绍

​ .line 调试用的c源代码和机器码的行映射关系，不多介绍

​ .strtab 一个字符串表，内容包括 .symtab和.debug中的符号，以及节头部的节名字。字符串表的每一项都是以’\0’结束。 ​

​

​

​