notebook
yubin
2021-11-18
目录

可执行文件概述

# 一、可执行文件生成概述

image-20220102210419223

# 1.1 GCC 处理 C 程序的过程

# 1）预处理

C 预处理程序为 cpp（C Preprocessor），主要用于 C 语言编译器对各种预处理命令进行处理。包括：

  • 宏定义的展开：删除#define并展开所定义的宏
  • 条件预编译的选择：处理如#if,#ifdef, #endif等
  • 头文件的包含：插入头文件到#include处，可以递归方式进行处理
  • 删除注释
  • 添加行号和文件名标识，以便编译时编译器产生调试用的行号信息
  • 保留所有#pragma编译指令（编译器需要用）

GCC 预处理命令：

  • gcc –E hello.c -o hello.i
  • cpp hello.c -o hello.i

经过预编译处理后，得到的是预处理文件（如，hello.i) ，它还是一个可读的文本文件，但不包含任何宏定义。

# 2）编译

编译过程就是将预处理后得到的预处理文件（如 hello.i）进行词法分析、语法分析、语义分析、优化后，生成汇编代码文件。

用来进行编译处理的程序称为编译程序（编译器，Compiler）。

GCC 编译命令：

  • gcc -S hello.i -o hello.s
  • gcc -S hello.c -o hello.s
  • cc1 hello.c -o hello.s

经过编译后，得到的汇编代码文件（如 hello.s）还是可读的文本文件，CPU 无法理解和执行它。

提示

gcc命令实际上是具体程序（如ccp、cc1、as等）的包装命令，用户通过 gcc 命令来使用具体的预处理程序 ccp、编译程序 cc1 和 汇编程序 as 等

# 3）汇编

汇编的功能是将编译生成的汇编语言代码转换成机器指令序列。

GCC 汇编命令：

  • gcc -c hello.s -o hello.o
  • gcc -c hello.c -o hello.o
  • as hello.s -o hello.o （as是一个汇编程序）

汇编结果是一个可重定位目标文件（如，hello.o），其中包含的是不可读的二进制代码。

# 4）链接

预处理、编译和汇编三个阶段针对一个模块（一个*.c文件）进行处理，得到对应的一个可重定位目标文件（一个*.o文件）。

链接过程将多个可重定位目标文件合并以生成可执行目标文件。链接的本质：合并相同的节。

GCC 链接命令：

  • gcc -static -o myproc main.o test.o
  • ld -static -o myproc main.o test.o

–static 表示静态链接。如果不指定 -o 选项，则默认生成的可执行文件名为“a.out”。

链接的好处：

  • 1：模块化
    • （1）一个程序可以分成很多源程序文件
    • （2）可构建公共函数库，如数学库，标准C库等
  • 2：效率高
    • （1）时间上，可分开编译：只需重新编译被修改的源程序文件，然后重新链接；
    • （2）空间上，无需包含共享库所有代码：源文件中无需包含共享库函数的源码，只要直接调用即可（如，只要直接调用printf()函数，无需包含其源码）。

# 1.2 可执行目标文件的生成

示例：

// main.c
int buf[2] = {1, 2};
void swap(); 

int main() 
{
    swap();
    return 0;
}

// swap.c
extern int buf[]; 
int *bufp0 = &buf[0];
static int *bufp1;

void swap()
{
    int temp;
    bufp1 = &buf[1];
    temp = *bufp0;
    *bufp0 = *bufp1;
    *bufp1 = temp;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
  • 每个模块有自己的代码、数据（初始化全局变量、未初始化全局变量，静态变量、局部变量）；
  • 局部变量temp分配在栈中，不会在过程外被引用，因此不是符号定义。

使用GCC编译器编译并链接生成可执行程序 P：

$ gcc -O2 -g -o p main.c swap.c
$ ./p
1
2

gcc 编译器的静态链接过程：

链接操作的步骤：

  1. 符号解析
  2. 合并相关 .o 文件
  3. 确定每个符号的地址
  4. 在指令中填入新地址

# 二、目标文件格式

# 2.1 三类目标文件

  1. 可重定位目标文件（.o）
    • 其代码和数据可和其他可重定位文件合并为可执行文件；
    • 每个 .o 文件由对应的 .c 文件生成；
    • 每个 .o 文件代码和数据地址都是从 0 开始。
  2. 可执行目标文件（default：a.out）
    • 包含的代码和数据可以被直接复制到内存并被执行；
    • 代码和数据地址为虚拟地址空间中的地址
  3. 共享的目标文件（.so）
    • 特殊的可重定位目标文件，能在装入或运行时被装入到内存并自动被链接，称为共享库文件
    • Windows 中称其为 Dynamic Link Libraries (DLLs)

# 2.2 目标文件的格式

目标代码（Object Code）指编译器和汇编器处理源代码后所生成的机器语言目标代码。

目标文件（Object File）指包含目标代码的文件。

目标文件的标准二进制格式：

  • DOS 操作系统：COM 格式
  • System V UNIX 早期版本：COFF 格式
  • Windows：PE 格式
  • Linux 等类 UNIX：ELF 格式

# 2.3 ELF 目标文件格式

目标文件既可用于程序的链接，也可用于程序的执行。

有两种视图：

  • 链接视图，被链接，可重定位目标文件；
    • 主要由不同的节组成，不同的节描述了目标文件中不同类型的信息及特征。
  • 执行视图，被执行，可执行目标文件。
    • 主要由不同的段组成，描述了目标文件中的节如何映射到存储空间的段。

# 2.4 可重定位目标文件格式

可重定位目标文件主要包含代码部分和数据部分，它可以与其他可重定位目标文件链接，从而创建可执行目标文件、共享库文件。

  • 可被链接（合并）生成可执行文件或共享目标文件；
  • 静态链接库文件由若干个可重定位目标文件组成；
  • 包含代码、数据（已初始化全局变量和局部静态变量.data和未初始化的全局变量和局部静态变量.bss）；
  • 包含重定位信息（指出哪些符号引用处需要重定位）；
  • 文件扩展名为.o（相当于Windows中的 .obj文件）

# （1）ELF 头

ELF 头位于目标文件的起始位置，包含文件结构说明信息。分32位版本和64位版本。

32位系统对应的数据结构，共占 52（0x34） 字节：

#define EI_NIDENT 16

typedef struct {
   unsigned char e_ident[EI_NIDENT]; // 开始的四个字节是魔数，后面的16个字节包含一些标识信息，如字节序、32/64位、版本号等
   Elf32_Half e_type;      // 目标文件类型（可重定位文件、可执行文件、共享库文件还是其他类型文件）
   Elf32_Half e_machine;   // 机器结构类型（如 IA-32、AMD 64等）
   Elf32_Word e_version;   // 目标文件版本
   Elf32_Addr e_entry;     // 指定系统将控制权转移到的起始虚拟地址（程序入口点），如果没有关联入口点则为0，比如可重定位文件就是0
   Elf32_Off e_phoff;
   Elf32_Off e_shoff;      // 节头表在文件中的偏移量（以字节为单位）
   Elf32_Word e_flags;
   Elf32_Half e_ehsize;    // ELF 头的大小（以字节为单位）
   Elf32_Half e_phentsize; 
   Elf32_Half e_phnum;
   Elf32_Half e_shentsize; // 节头表中一个表项的大小，所有表项大小相同
   Elf32_Half e_shnum;     // 节头表项的个数
   Elf32_Half e_shstrndx;
} Elf32_Ehdr;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
  • 魔数：文件开头几个字节通常用来确定文件的类型或格式。
    • a.out的魔数：01H 07H
    • PE格式魔数：4DH 5AH
    • 加载或读取文件时，可用魔数确认文件类型是否正确
  • 仅 ELF 头在文件中具有固定位置，即总是在开头位置，其余部分的位置由 ELF 头和节头表指出。

可以用 readelf -h 命令对某个可重定位目标文件的 ELF 头进行解析。

ELF头信息举例

  • 因为是可重定位文件，所以字段 e_entry 为0，无程序头表（Size of program headers = 0）。

# （2）节

节是 ELF 文件中的主体信息，包含了链接过程所用的目标代码信息，包括指令、数据、符号表和重定位信息等。

节名 说明
.text 已编译程序的机器代码
.rodata 只读数据，如 printf 语句中的格式串、开关语句（switch-case）的跳转表等
.data 已初始化的全局变量
.bss 未初始化的全局和静态变量，以及所有被初始化为 0 的全局或静态变量。在目标文件中这个节不占据实际的空间，它仅仅是一个占位符，为了节省空间。在运行时，在内存中将这些变量初始化为 0。
.symtab 符号表（symbol table）,程序中定义的函数名和全局静态变量名都属于符号，与这些符号相关的信息保存在符号表中。每个可重定位目标文件都有一个 .symtab 节。和编译器中的符号表不同， .symtab 符号表不包含局部变量的条目。
.rel.text .text 节相关的重定位信息。当链接器合并目标文件时，.text 中的代码合并后部分位置的数据需要修改。一般而言，任何调用外部函数或者引用全局变量的指令都需要修改定位信息。另一方面，调用本地函数的指令则不需要修改。 TIP：可执行文件中并不需要重定位信息。
.rel.data .data 节相关的可重定位信息。一般而言，任何已初始化的全局变量，如果它的初始值是一个全局变量地址或者外部定义函数的地址，都需要被修改。
.debug 调试用符号表。其条目是程序中定义的全局变量和类型定义，程序中定义和引用的全局变量，以及原始的 C 源文件。
.line C 源程序中的行号和 .text 节中机器指令之间的映射。
.strtab 字符串表。包括 .symtab 节和 .debug 节中的符号以及节头表中的节名。字符串表就是以 null 结尾的字符序列。
  • .bss 可以记成 "Better Save Space"。
  • 只有使用 -g 选项的 gcc 命令才能得到 .debug 和 .line 表。

# （3）节头表

节头表（Section Header Table）由若干表项组成，每个表项描述相应的一个节的节名、在文件中的偏移、大小、访问属性、对齐方式等，目标文件中的每个节都有一个表项与之对应。

  • 除ELF头之外，节头表是ELF可重定位目标文件中最重要的部分内容。

以下是 32 位系统对应的数据结构（每个表项占40B）：

typedef struct {
   Elf32_Word sh_name;  // 节名字符串在.strtab中的偏移
   Elf32_Word sh_type;  // 节类型：无效/代码或数据/符号/字符串/…
   Elf32_Word sh_flags; // 节标志：该节在虚拟空间中的访问属性
   Elf32_Addr sh_addr;  // 虚拟地址：若可被加载，则对应虚拟地址
   Elf32_Off sh_offset; // 在文件中的偏移地址，对.bss节而言则无意义
   Elf32_Word sh_size;  // 节在文件中所占的长度
   Elf32_Word sh_link;  // sh_link和sh_info用于与链接相关的节（如.rel.text节、.rel.data节、.symtab节等）
   Elf32_Word sh_info;
   Elf32_Word sh_addralign;   // 节的对齐要求
   Elf32_Word sh_entsize;     // 节中每个表项的长度，0表示无固定长度表项
} Elf32_Shdr;
1
2
3
4
5
6
7
8
9
10
11
12
节头表信息举例

  • 从上述解析结果可以看出，该 test.o 共 11 个节。节头表从 120 字节开始。
  • 其中，.text、.data、.bss 和 .rodata 节需要在存储器中分配空间。.text 是可执行的，.data 和 .bss 是可读写的，.rodata 是只读的。
    • 由于在真正运行时也要对 .bss 节中的数据进行读写，所以它也要占空间。
  • 根据每个节在文件中的偏移地址和长度，可以画出 test.o 的结构：

  • 比较特殊的一个地方：.bss 在文件中不占用空间，但节头表记录了 .bss 节的长度为 0x0c = 12，因此需要在主存中给 .bss 节分配 12 字节空间。

整体就是通过 ELF 头连接了节头表，再通过节头表把每一个节连接起来了。

# 2.5 可执行目标文件格式

与可重定文件稍有不同：

  • ELF头中字段 e_entry 给出执行程序时第一条指令的地址，而在可重定位文件中，此字段为0；
  • 多一个程序头表，也称段头表（segment header table），是一个结构数组，用来说明段信息；
  • 多一个.init节，用于定义_init函数，该函数用来进行可执行目标文件开始执行时的初始化工作；
  • 少两个.rel节（无需重定位）。

在可执行文件中，ELF 头、程序头表、.init 节、.fini 节、.text 节和 .rodata 节合起来可构成一个只读代码段；.data 节和 .bss 节合起来可构成一个可读写数据段。显然，在可执行文件启动执行时，这两个段必须装入内存，因而称为可装入段。

# 程序头表

为了可执行文件执行时能够给在内存中访问到代码和数据，必须将可执行文件中这些连续的、具有相同访问属性的代码和数据段映射到存储空间（通常是虚拟地址空间）。程序头表就用于描述这种映射关系，一个表项对应一个连续的存储段或特殊节。程序头表表项大小分别由 ELF 头中的字段 e_phentsize 和 e_phnum 指定。

32 为系统的程序头表中每个表项具有如下数据结构：

typedef struct {
   Elf32_Word p_type;   // 描述存储段的类型或特殊节的类型
   Elf32_Off p_offset;  // 指出本段的首字节在文件中的偏移地址
   Elf32_Addr p_vaddr;  // 指出本段首字节的虚拟地址
   Elf32_Addr p_paddr;  // 指出本段首字节的物理地址，该信息通常无效
   Elf32_Word p_filesz; // 指出本段在文件中所占的字节数，可以为 0
   Elf32_Word p_memsz;  // 本段在存储器中所占的字节数，也可为 0
   Elf32_Word p_flags;  // 存取权限
   Elf32_Word p_align;  // 对齐方式，用一个模数表示，为 2 的正整数幂
} Elf32_Phdr;
1
2
3
4
5
6
7
8
9
10
程序头表示例

使用 readelf -l main 命令显示的可执行文件 main 的程序头表信息：

对于任何段 s，链接器必须选择一个起始地址 vaddr，使得

这种对齐是一种优化，使得当程序执行时，目标文件中的段能够很有效率地传送到内存中。

编辑 (opens new window)
#csapp
上次更新: 2022/01/03, 08:04:30
优化程序性能
符号解析与重定位

← 符号解析与重定位→

最近更新
01
Deep Reinforcement Learning
10-03
02
误删数据后怎么办
04-06
03
MySQL 一主多从
03-22
更多文章>
Theme by Vdoing | Copyright © 2021-2024 yubincloud | MIT License
×