从汇编层面深度剖析C++虚函数

虚函数是C++语言实现运行时多态的唯一手段，因此掌握C++虚函数也成为C++程序员是否合格的试金石。csdn网友所发的一篇博文《VC虚函数布局引发的问题》 从汇编角度分析了对象虚函数表的构，以及C++指针或者引用是如何利用这个表来实现运行时多态。

诚然，C++虚函数的结构会因编译器不同而异，但所使用的原理是一样的。为此，本文使用linux平台下的g++编译器，试图从汇编的层面上分析虚函数表的结构，以及如何利用它来实现运行时多态。

汇编语言是难读的，特别是对一些没有汇编基础的朋友，因此，本文将汇编翻译成相应的C语言，以方便读者分析问题。

1. 代码

   为了方便表述问题，本文选取只有虚函数的两个类，当然，还有它的构造函数，如下：

[cpp]  view plain copy print ?

1. class Base      
2. {     
3.  public:     
4.     virtual void f() { }     
5.     virtual void g() { }     
6. };     
7. class Derive : public Base     
8. {     
9.   public:  
10.     virtual void f() {}  
11. };     
12. int main()     
13. {     
14.   Derive d;     
15.   Base *pb;  
16.   pb = &d;   
17.   pb->f();  
18.   return 0;  
19. }   

2. 两个类的虚函数表(vtable)

使用g++ –Wall –S test.cpp命令，可以将上述的C++代码生成它相应的汇编代码。

[cpp]  view plain copy print ?

1. _ZTV4Base:  
2.     .long   0    
3.     .long   _ZTI4Base  
4.     .long   _ZN4Base1fEv  
5.     .long   _ZN4Base1gEv  
6.     .weak   _ZTS6Derive  
7.     .section    .rodata._ZTS6Derive,"aG",@progbits,_ZTS6Derive,comdat  
8.     .type   _ZTS6Derive, @object  
9.     .size   _ZTS6Derive, 8   

_ZTV4Base是一个数据符号，它的命名规则是根据g++的内部规则来命名的，如果你想查看它真正表示C++的符号名，可使用c++filt命令来转换，例如：

[lyt@t468 ~]$ c++filt _ZTV4Base 
vtable for Base

_ZTV4Base符号(或者变量)可看作为一个数组，它的第一项是0，第二项_ZIT4Base是关于Base的类型信息，这与typeid有关。为方便讨论，我们略去此二项数据。 因此Base类的vtable的结构，翻译成相应的C语言定义如下：

[cpp]  view plain copy print ?

1. unsigned long Base_vtable[] = {  
2.     &Base::f(),  
3.     &Base::g(),  
4. };  

而Derive的更是类似，只有稍为有点不同：

[cpp]  view plain copy print ?

1. _ZTV6Derive:  
2.     .long   0    
3.     .long   _ZTI6Derive  
4.     .long   _ZN6Derive1fEv  
5.     .long   _ZN4Base1gEv  
6.     .weak   _ZTV4Base  
7.     .section    .rodata._ZTV4Base,"aG",@progbits,_ZTV4Base,comdat  
8.     .align 8  
9.     .type   _ZTV4Base, @object  
10.     .size   _ZTV4Base, 16   

相应的C语言定义如下：

[cpp]  view plain copy print ?

1. unsigned long Derive_vtable[] = {  
2.     &Derive::f(),  
3.     &Base::g(),  
4. };  

从上面两个类的vtable可以看到，Derive的vtable中的第一项重写了Base类vtable的第一项。只要子类重写了基类的虚函数，那么子类vtable相应的项就会更改父类的vtable表项。 这一过程是编译器自动处理的，并且每个的类的vtable内容都放在数据段里面。

3. 谁让对象与vtable绑到一起

上述代码只是定义了每个类的vtable的内容，但我们知道，带有虚函数的对象在它内部都有一个vtable指针，指向这个vtable，那么是何时指定的呢？ 只要看看构造函数的汇编代码，就一目了然了：

Base::Base()函数的编译代码如下：

[cpp]  view plain copy print ?

1. _ZN4BaseC1Ev:  
2. .LFB6:  
3.     .cfi_startproc  
4.     .cfi_personality 0x0,__gxx_personality_v0  
5.     pushl   %ebp  
6.     .cfi_def_cfa_offset 8  
7.     movl    %esp, %ebp  
8.     .cfi_offset 5, -8  
9.     .cfi_def_cfa_register 5  
10.     movl    8(%ebp), %eax  
11.     movl    $_ZTV4Base+8, (%eax)  
12.     popl    %ebp  
13.     ret  
14.     .cfi_endproc   

ZN4BaseC1Ev这个符号是C++函数Base::Base() 的内部符号名，可使用c++flit将它还原。C++里的class，可以定义数据成员，函数成员两种。但转化到汇编层面时，每个对象里面真正存放的是数据成员，以及虚函数表。

在上面的Base类中，由于没有数据成员，因此它只有一个vtable指针。故Base类的定义，可以写成如下相应的C代码：

[cpp]  view plain copy print ?

1. struct Base {  
2.     unsigned long **vtable;  
3. }   

构造函数中最关键的两句是：

    movl    8(%ebp), %eax 
    movl    $_ZTV4Base+8, (%eax)

$_ZTV4Base+8 就是Base类的虚函数表的开始位置，因此，构造函数对应的C代码如下：

[cpp]  view plain copy print ?

1. void Base::Base(struct Base *this)  
2. {  
3.     this->vtable = &Base_vtable;  
4. }  

同样地，Derive类的构造函数如下：

[cpp]  view plain copy print ?

1. struct Derive {  
2.     unsigned long **vtable;  
3. };  
4. void Derive::Derive(struct Derive *this)  
5. {  
6.     this->vtable = &Derive_vtable;  
7. }  

4. 实现运行时多态的最关键一步

在造构函数里面设置好的vtable的值，显然，同一类型所有对象内的vtable值都是一样的，并且永远不会改变。下面是main函数生成的汇编代码，它展示了C++如何利用vtable来实现运行时多态。

[cpp]  view plain copy print ?

1. .globl main  
2.     .type   main, @function  
3. main:  
4. .LFB3:  
5.     .cfi_startproc  
6.     .cfi_personality 0x0,__gxx_personality_v0  
7.     pushl   %ebp  
8.     .cfi_def_cfa_offset 8  
9.     movl    %esp, %ebp  
10.     .cfi_offset 5, -8  
11.     .cfi_def_cfa_register 5  
12.     andl    $-16, %esp  
13.     subl    $32, %esp  
14.     leal    24(%esp), %eax  
15.     movl    %eax, (%esp)  
16.     call    _ZN6DeriveC1Ev  
17.     leal    24(%esp), %eax  
18.     movl    %eax, 28(%esp)  
19.     movl    28(%esp), %eax  
20.     movl    (%eax), %eax  
21.     movl    (%eax), %edx  
22.     movl    28(%esp), %eax  
23.     movl    %eax, (%esp)  
24.     call    *%edx  
25.     movl    $0, %eax  
26.     leave  
27.     ret   
28.     .cfi_endproc  

 

    andl    $-16, %esp 
    subl    $32, %esp

    这两句是为局部变量d和bp在堆栈上分配空间，也即如下的语句：

Derive d;   
Base *pb;

leal    24(%esp), %eax 
movl    %eax, (%esp) 
call    _ZN6DeriveC1Ev

esp+24是变量d的首地址，先将它压到堆栈上，然后调用d的构造函数，相应翻译成C语言则如下：

Derive::Dervice(&d);

leal    24(%esp), %eax 
movl    %eax, 28(%esp)

这里其实是将&d的值赋给pb，也即：

pb = &d;

最关键的代码是下面这一段：

[cpp]  view plain copy print ?

1. movl    28(%esp), %eax  
2. movl    (%eax), %eax  
3. movl    (%eax), %edx  
4. movl    28(%esp), %eax  
5. movl    %eax, (%esp)  
6. call    *%edx  

翻译成C语言也就传神的那句：

pb->vtable[0](bp);

编译器会记住f虚函数放在vtable的第0项，这是编译时信息。

5. 小结

这里省略了很多关于编译器和C++的细枝未节，是出于讨论方便用的需要。从上面的编译代码可以看到以下信息：

1.每个类都有各有的vtable结构，编译会正确填写它们的虚函数表

2. 对象在构造函数时，设置vtable值为该类的虚函数表

3.在指针或者引用时调用虚函数，是通过object->vtable加上虚函数的offset来实现的。

当然这仅仅是g++的实现方式，它和VC++的略有不同，但原理是一样的