linux程序关联文件,图解 Linux 程序的链接原理

将 C 或 C++ 源代码编译成可执行文件分成两步：第一步是将每个源代码文件分别编译成可重定位文件(relocatable，扩展名为 .o)，第二步是将所有的可重定位文件链接成可执行文件。在 Linux 中，可重定位文件和可执行文件的格式都是 ELF(Executable and Linkable Format)。

本文面向对 ELF 文件格式不熟悉的读者，通过图解的形式讲解 ELF 文件的链接方式，重点分析为什么要引入各种数据结构，以便读者对 ELF 的链接过程有形象化的认识。如果读者对这部分内容已经有所了解，可以直接跳到文章末尾的《参考文献》部分，直接阅读这些深入讲解 ELF 文件格式的文章和文档。

本文涉及的概念包括段(segment)、节(section)、符号表(symbol table)、字符串表(string table)和重定位表(relocation table)。重点讲解这些概念是如何互相配合，以服务于 ELF 链接过程的，而不详细说明这些概念在文件中的二进制格式。

为了减少复杂性，本文中的 ELF 程序都不使用共享对象(shared object)和动态加载技术(dynamic loading)。

1 段(segment)

从操作系统的视角来看，将程序加载到内存中的最简单方法是：将程序从文件中直接拷贝到内存的指定位置上，然后跳转到程序入口处。

因为程序在内存中的位置是预先约定好的，所以，每一个函数和全局变量在内存中的位置也都是可以事先知道的。程序的代码不需要任何修改就可以直接被执行。

在实际的操作系统中，内存是以页(page)为单位管理的。一页为 4096 字节(十六进制表示为 0x1000)，每个内存页都可以设置访问权限。在 x86 中，内存页可以设置写入和执行两种权限。

出于系统安全的目的，代码所在的内存页可以执行，但不可以写入，数据所在的内存页可以写入，但不可以执行。如果有一段内存既可以写入，又可以执行，攻击者就可以利用程序的 bug 在这个位置写入攻击代码，然后执行它，从而达到破坏操作系统的目的。

在 ELF 文件中，内存访问属性相同的内容在文件中也连续存储，称为段(segment)。代码存放在代码段(text segment)中，数据存放在数据段(data segment)中。

除了在文件中的位置和长度，一个段还需要说明它在内存中的位置和长度，以及它所需的内存属性。这些信息记录在程序头(program header)中。段和程序头一一对应。

程序头以数组的形式连续地存储在 ELF 文件中，这个数组称为程序头表(program header table)。通常，程序头表在 ELF 头之后，但也可以在文件的其他位置。程序头表的在文件中的具体位置记录在 ELF 头之中。

操作系统根据 ELF 头记录的信息找到程序头表。在找到程序头表之后，操作系统按照每个程序头的信息，将对应的段加载到内存中的相应位置，最后跳转到程序入口处开始执行程序。

因为内存页以 4K 为单位，所以代码段和数据段的长度必须是 4K 的整数倍。如果通过在段末尾补 0 的方式凑齐 4K 的整数倍，就会有空间浪费。为了避免这种浪费，ELF 文件的各个段之间是紧密相连的，只是在加载到内存中的时候，才映射到不同的内存区域。又因为通过内存映射(memory mapping)加载文件时必须以 4K 为单位，所以在内存中数据段的开头会有一小部分代码，而代码段的末尾也会有一小部分数据。

2 节(section)

操作系统最关心的问题是如何将文件加载到内存中，因此，段所记录的信息是：

段在文件中的位置和长度；

段在内存中的位置和长度；

段的内存属性。

而从链接器的视角触发，第二点和第三点都不是链接器所关心的问题。链接器更关心 ELF 文件中各个部分的功能，以及如何按功能将多个可重定位文件合并成一个文件。

一个段可以包含多种需要区别对待的功能：在代码段中，普通的代码和全局初始化代码应该区别对待；在数据段中，有初始值的全局变量和没有初始值的全局变量也应该区别对待。这样一段连续的相同功能的区域称为节(section)。与段不同，每个节都有名称。

与代码和数据相关的节包括：

节名称

描述

在可执行文件中放在哪个段中

.text

一般的代码

代码段

.init

初始化代码，在程序运行的最开始执行

代码段

.fini

清理代码，在程序退出前执行

代码段

.data

有初始值的全局数据

数据段

.bss

没有初始值的全局数据，初始值为 0

数据段

.rodata

只读的全局数据

代码段，因为在内存属性上与代码段最接近

描述节的结构是节头(section header)。节头以数组的形式连续地存放在文件中，这个数组被称为节头表(section header table)。节头表通常放置于 ELF 文件的末尾，它的具体位置记录在 ELF 头中。

值得注意的是，节不是段的子结构，而是与段的地位相同的结构。段是从操作系统的视角来看 ELF 文件的方式，节是从链接器的视角来看 ELF 文件的方式。它们都是 ELF 文件的可选部分：可重定位文件没有段，而可执行文件也可以没有节(但大部分可执行文件都有节)。

在链接过程中，相同名称的节会合并成一个节。以 .text 节为例，每个可重定位文件都有一个 .text 节，它们被链接器合并成一个大的 .text 节，并存放在输出的可重定位文件或者可执行文件中。

3 符号表(symbol table)和字符串表(string table)

在写程序时，一个文件可以访问另一个文件中定义的变量和函数。这些变量和函数统称为符号(symbol)。其他文件可以访问的符号称为全局符号(global symbol)，只有文件内部可以访问的符号称为本地符号(local symbol)。这与 C 语言的 static 关键字的功能是相同的。

如果一个文件引用了另一个文件的符号，这个符号也会被记录在引用者中，称为未定义符号(undefined symbol)。在最终链接成可执行程序时，所有的未定义符号都应该可以找到同名的全局符号，否则就会链接失败。

一个符号除了需要记录它的名字，以便其他文件引用，还需要记录它出现在哪个节中和它在节中的偏移量。这些信息以数组的形式连续地存储在文件中，这个数组称为符号表(symbol table)。符号表是一种特殊的节，它的名字是 .sym。

到目前为止，我们发现 ELF 文件中有两处需要存储字符串，一处是节的名字，另一处是符号的名字。因为字符串的长度是可变的，如果将其直接存在节头和符号表中，就需要预先分配足够的空间，这会造成大量空间被浪费。为了节约字符串的存储空间，ELF 文件中的所有字符串都存放在一个特殊的节中，称作字符串表(string table)，它的节名是 .str。

所有的字符串都是以 0 结尾的 C 风格字符串，它们在字符串表中连续存储。其他地方通过它们在字符串表中的下标来引用它们：ELF 头记录了字符串表在节头表中的下标，节头记录了节名称在字符串表中的下标；每个符号表都与一个字符串表关联，每个符号都记录了它的名称在关联的字符串表中的下标。通过这些信息，链接器就可以找到节名和符号名。

4 重定位表(relocation table)

虽然我们现在可以引用其他文件中定义的符号，但我们仍未解决一个重要的问题。

访问全局变量的操作通常会被编译器翻译成访问内存地址的指令。然而，可重定位文件中的节只记录了它在文件中的位置，而不像段一样记录它在内存中的位置，因此我们并不知道文件中定义的全局变量的内存地址。除此之外，如果一个文件引用了另一个文件定义的全局变量，那么直到将它们链接起来之前，我们都不可能知道这个全局变量的内存地址。

进一步地说，直到最终链接成可执行文件时，我们才能知道全局变量和函数的内存地址，在此之前我们始终无法生成访问它们的指令。

ELF 文件的做法是：仍然按照正常的流程生成访问这些全局变量和函数的指令，但是在内存地址部分填写 0，并且将这些占位 0 的出现的位置记录在 ELF 文件中。在确定了所有这些符号的内存地址后，将占位 0 改成正确的内存地址。

如果访问的是全局数组中的某个元素或者全局结构的某个成员，我们会将元素或成员的偏移量当作占位符写在内存地址出现的地方。在确定了符号的内存地址后，将这两者相加就可以得到正确的内存地址。这个偏移量被称作 addon 。

记录这些占位符出现位置的结构称为重定位表(relocation table)。它也是一种特殊的节，而且在文件中不只有一个。每个需要重定位的节都有一个与之对应的重定位表，重定位表的名字就是在被重定位的节名前加上 .rel 或者 .rela。.text 的重定位表是 .rel.text 或者 .rela.text。

之所以有这两种命名方式，是因为重定位表有两种略有不同的格式。.rel 格式的重定位表将 addon 写在内存地址出现的位置，当作占位符，如同前面描述的一样；而 .rela 格式的重定位表将 addon 写在重定位表中，而不是被重定位的位置上。

因为重定位需要符号的内存地址，所以每个重定位表除了与被重定位的节相关联，也与符号表相关联。综合来说，重定位表的每个表项(entry)都记录了四种信息：需要重定位的占位符在节中的偏移量、所引用符号在符号表中的下标、重定位时的地址计算方式和addon。

常见的地址计算方式有两种：

名称

计算方式

R_386_32

符号的内存地址 + Addon

R_386_PC32

符号的内存地址 + Addon - PC

PC 指的是程序计数器，该寄存器记录了当前指令所在的内存地址。R_386_PC32 用于相对于 PC 的寻址，通常用于生成位置无关代码(PIC)。

在链接成可执行文件时，链接器首先合并相同的节，然后确定节在内存中的位置，组成段。这时候，链接器就可以计算出所有的符号在内存中的地址。接下来链接器遍历所有的重定位表，将每个需要重定位的位置改写为真正的内存地址，就完成了重定位操作。这样生成的程序就可以被操作系统加载到内存中执行了。

5 小结

记录如何将程序加载到内存的结构是段。每个段有如下属性：

段在文件中的位置和长度

段在内存中的位置和长度

段的内存权限

记录 ELF 文件中各个部分的结构是节。每个节有如下属性：

节的名称

节的类型

节在文件中的位置

与它关联的其他的节的下标

符号表与字符串表关联

重定位表与符号表和被重定位的节关联

全局变量和函数统称为符号。

符号有名称

每个符号对应一个节和节内偏移

按类型，符号可以分成：对象(变量)和函数

按作用域，符号可以分成：全局符号和局部符号

只是引用而未定义的符号称为未定义符号

节名和符号名存储在字符串表中。

用于将程序中的占位符改写为内存地址的结构称为重定位表。

每个需要重定位的节都有一个与之对应的重定位表

每个重定位表项与节中的偏移量和一个符号对应

重定位的两种计算方式

R_386_32 = 符号地址 + Addon

R_386_PC32 = 符号地址 + Addon - PC

6 参考文献

ELF Format 是描述 ELF 文件格式的文档，只有 60 页但面面俱到地讲解了静态链接和动态加载的原理，是了解 ELF 文件的必读材料。然而这个版本已经略有过时，如果按照这个文档去分析现在的 ELF 文件，会发现一些新的属性在文档中是缺失的。尽管如此，因为这个本手册比较薄，所以它的可读性很好，建议在阅读更详细的文档前先读一下这个文档。

Oracle 的 ELF 文档 是描述 ELF 文件格式最详细和最新的文档，适合当作手册来查阅。

Eli Bendersky 的 Load-Time Relocation of Shared Libraries 是讲解共享对象加载原理的文章。共享对象按照代码是否是位置无关的分成两种，本文讲解的是没有开启 PIC (位置无关代码)选项下共享对象的加载方式，它在原理上与链接是相同的。本文有代码和反汇编等实例，适合读者去更加深入而具体地了解链接的过程。