链接器的原理与实现

转载自：http://hi.baidu.com/sangwf/item/af16fc51f66c6c10db163557

最近在开发walleos时，需要将汇编生成的机器指令与C代码编译生成的机器指令放到一起运行，开始我只是将两者顺序放置，能够正常的执行。但我在C代码里实现一个print_string函数时，发现了问题。比如我在函数中定义char str[] =“Hello, world!”，虽然str是在栈上分配的，不需要考虑重定位问题，可是”Hello, world!”字符串，还是被编译器放到专门的段中，然后在初始化时将其拷贝到str的数组中。有趣的是，当str的内容比较短时，编译器是直接将每个字符的asc码直接赋值到数组，也就没有了字符串重定位的问题，可是对于较长的字符串，那就需要重定位了。具体的规律我还没有详细研究，可是促使我不得不面对一个现实，要实现一个简单的链接器——wlinker。

 

你可能会问，ld不是已经实现了吗？我的电脑是mac系统的，而mac下的ld链接生成的执行文件是mach-o格式的，而非纯机器指令，我就需要将机器指令扣出来直接在硬件上运行。当然，如果ld能够直接链接生成纯机器指令格式的，那我就不用这么麻烦了。还有一点，linux下的ld要更易用一些，我还是想借此机会研究一下mac os下的执行文件格式。

 

大学编译编译原理课上，讲词法语法分析之类的比较多，但对链接器一笔带过，到了操作系统课上，又将加载器一笔带过。结果就是链接器与加载器对于许多人来说是很模糊的，并且这方面的材料也非常少，幸运的是，有个老外写的一本书《linkers and loaders》，是讲这方面最系统的，相信作者是一个从事这方面研究与开发的人。我就佩服老外这一点，对自己所研究的技术之类的，围绕某个点钻研的很深入透彻，而非广而不精。

 

那么什么是链接器？最开始写程序时，应该是不需要链接器的，可能整个程序只是一个文件，那么直接编译好就是可运行的。可到后来程序越来越大，分成了多个文件，那么在分别编译后，之间的互相调用必须转化为对具体地址的访问，而这一步转化与合并为一个执行程序，就是链接器要干的。那么加载器是要干什么呢？操作系统要运行一个执行程序时，就是通过加载器将执行文件加载到内存，然后跳转到机器指令的开始处执行。

 

这编译器、链接器与加载器之间必须约定一种文件格式，不然岂不乱了套了。一到标准问题，操作系统领域就各自为政了，总希望自己的格式能够一统江湖，unix/linux开始是a.out，后来变成了ELF，而微软是PE格式。苹果用的是mach-o格式，按照官方的文档，相比a.out，它有个创新之处是统一了执行文件与动态链接库的格式，都用mach-o来表示。当然，这个所谓的创新在ELF格式上也存在，算是标配了。而linux下有elf、.a（其实就是个elf文件的压缩包）两种格式，windows下除了pe，还有.dll动态链接库格式。

 

在之前的一篇文章，我介绍了mach-o的文件格式，但明显只讲了一半，这也难怪，当时我还没有将mach-o文件如何链接为一个执行文件理解清楚，直到今天下午，在我呆在宾馆无所事事的时候，花了三个小时将打印出来的mach-o格式说明文档详细研究了一遍，总算想清楚了。且考虑清楚了我需要的简单链接器如何实现。

 

要理解清楚链接器的工作原理，主要是要理解清楚符号表（symbal table）和重定位表（relocation table）。

 

首先来说符号表，其实CPU是不认识符号的，它只认识指令与地址。所以符号最终都会被地址所替换，可我们写代码时，都是用符号代替了地址。什么是符号？比如定义了一个函数，那么函数名就是一个符号，定义一个全局变量，那么变量名就是一个符号。符号表里的每一项就记录了符号名，以及符号定义所在的地址信息。和符号表对应的就是重定位表，记录了在某个位置引用了某个符号。当我们进行程序链接时，就是将机器指令、变量之类的先放到一段空间中，然后计算出符号定义所对应的地址，然后将重定位表中的每一处引用地址，用符号表中的新地址所替代。这样就完成了目标文件的链接。

 

这里举个例子：

int f() {

            return1;

}

 

int f2() {

            returnf();

}

 

编译后，符号表中就会有两项：

f           地址1

f2         地址2

 

重定位表中就有一项：

地址3 f

 

那么我们在调整了机器指令的绝对地址后，符号表中的地址也顺便调整为绝对地址，那再将重定位表中的指定位置替换掉就可以了。

 

不知道明白了没有？理论来说比较简单，如果有机会，还是建议读者去真的将一个执行程序解剖开，就自然明白了。

 

我要实现的wlinker，其功能是将汇编文件head.s生成的bin文件与C代码编译生成的mach-o文件链接到一起作为系统镜像。那我要做的就是先计算出bin文件的长度，然后将其作为基地址，将mach-o文件重新链接。这里的链接就是算出符号表的每个符号的真实地址，然后将需要重定位的地址全部都替换掉。是不是说起来很简单？等着我的wlinker发布吧～。