Penjelasan terperinci tentang proses penyusunan program Linux

Bahasa pengaturcaraan komputer biasanya dibahagikan kepada tiga kategori: bahasa mesin, bahasa himpunan dan bahasa peringkat tinggi. Bahasa peringkat tinggi perlu diterjemahkan ke dalam bahasa mesin sebelum ia boleh dilaksanakan. Terdapat dua cara terjemahan, satu disusun dan satu lagi ditafsirkan.

Jadi pada asasnya kami membahagikan bahasa peringkat tinggi kepada dua kategori, satu adalah bahasa yang disusun, seperti C, C++, Java, dan satu lagi adalah bahasa tafsiran, seperti Python, Ruby, MATLAB dan JavaScript.

Artikel ini akan memperkenalkan proses menukar program peringkat tinggi yang ditulis dalam bahasa C/C++ kepada kod binari yang boleh dilaksanakan oleh pemproses, termasuk empat langkah:

• Prapemprosesan
• Kompilasi
• Perhimpunan
• Memautkan

Pengenalan rangkaian alat GCC

Yang biasa dirujuk sebagai GCC ialah singkatan dari GUN Compiler Collection, iaitu alat penyusunan yang biasa digunakan pada sistem Linux. Perisian rantai alat GCC termasuk GCC, Binutils, pustaka masa jalan C, dsb.

GCC

GCC (GNU C Compiler) ialah alat penyusunan. Artikel ini akan memperkenalkan proses menukar atur cara yang ditulis dalam bahasa C/C++ kepada kod binari yang boleh dilaksanakan oleh pemproses, yang dilengkapkan oleh pengkompil.

Binutils

Satu set alat pemprosesan program binari, termasuk: addr2line, ar, objcopy, objdump, as, ld, ldd, readelf, size, dsb. Set alat ini adalah alat yang sangat diperlukan untuk pembangunan dan penyahpepijatan pengenalan masing-masing adalah seperti berikut:

• addr2line: digunakan untuk menukar alamat program kepada fail sumber program yang sepadan dan baris kod yang sepadan, dan juga mendapatkan fungsi yang sepadan. Alat ini akan membantu penyahpepijat mengesan lokasi kod sumber yang sepadan semasa penyahpepijatan.
• sebagai: Terutamanya digunakan untuk pemasangan, sila rujuk artikel berikut untuk pengenalan terperinci kepada pemasangan.
• ld: Terutamanya digunakan untuk pautan Untuk butiran tentang pautan, sila lihat artikel berikut.
• ar: Terutamanya digunakan untuk mencipta perpustakaan statik. Untuk memudahkan pemahaman pemula, konsep perpustakaan dinamik dan perpustakaan statik diperkenalkan di sini:
• Jika anda ingin menjana berbilang fail sasaran .o ke dalam fail perpustakaan, terdapat dua jenis perpustakaan, satu ialah perpustakaan statik dan satu lagi ialah perpustakaan dinamik.
• Dalam Windows, perpustakaan statik ialah fail dengan akhiran .lib dan perpustakaan kongsi ialah fail dengan akhiran .dll. Di Linux, perpustakaan statik ialah fail dengan akhiran .a dan perpustakaan kongsi ialah fail dengan akhiran .so.
• Perbezaan antara perpustakaan statik dan perpustakaan dinamik terletak pada masa apabila kod dimuatkan. Kod perpustakaan statik telah dimuatkan ke dalam program boleh laku semasa proses penyusunan, jadi saiznya lebih besar. Kod pustaka kongsi dimuatkan ke dalam memori apabila program boleh laku sedang berjalan, dan hanya dirujuk semasa proses penyusunan, jadi saiz kod lebih kecil. Dalam sistem Linux, anda boleh menggunakan perintah ldd untuk melihat perpustakaan kongsi yang bergantung kepada program boleh laku.
• Jika terdapat berbilang atur cara dalam sistem yang perlu dijalankan pada masa yang sama dan terdapat perpustakaan kongsi antara program ini, maka menggunakan perpustakaan dinamik akan menjimatkan lebih banyak memori.
• ldd: boleh digunakan untuk melihat perpustakaan kongsi yang bergantung pada program boleh laku.
• objcopy: Terjemah fail objek ke format lain, seperti menukar .bin kepada .elf, atau menukar .elf kepada .bin, dsb.
• objdump: Fungsi utamanya ialah pembongkaran. Untuk pengenalan terperinci tentang pembongkaran, lihat artikel berikut.
• readelf: Memaparkan maklumat tentang fail ELF, lihat kemudian untuk maklumat lanjut.
• saiz: Senaraikan saiz dan jumlah saiz setiap bahagian fail boleh laku, segmen kod, segmen data, jumlah saiz, dll. Sila lihat artikel berikut untuk contoh penggunaan khusus menggunakan saiz.

C perpustakaan masa jalan

Standard bahasa C terutamanya terdiri daripada dua bahagian: satu bahagian menerangkan sintaks C, dan bahagian lain menerangkan perpustakaan standard C. Pustaka standard C mentakrifkan satu set fail pengepala standard Setiap fail pengepala mengandungi beberapa fungsi yang berkaitan, pembolehubah, pengisytiharan jenis dan takrifan makro Contohnya, fungsi printf biasa ialah fungsi perpustakaan standard C, dan prototaipnya ditakrifkan dalam stdio fail pengepala.

C语言标准仅仅定义了C标准库函数原型，并没有提供实现。因此，C语言编译器通常需要一个C运行时库（C Run Time Libray，CRT）的支持。C运行时库又常简称为C运行库。与C语言类似，C++也定义了自己的标准，同时提供相关支持库，称为C++运行时库。

准备工作

由于GCC工具链主要是在Linux环境中进行使用，因此本文也将以Linux系统作为工作环境。为了能够演示编译的整个过程，本节先准备一个C语言编写的简单Hello程序作为示例，其源代码如下所示：

#include  

//此程序很简单，仅仅打印一个Hello World的字符串。
int main(void)
{
  printf("Hello World! \n");
  return 0;
}

“

编译过程

1.预处理

预处理的过程主要包括以下过程：

• 将所有的#define删除，并且展开所有的宏定义，并且处理所有的条件预编译指令，比如#if #ifdef #elif #else #endif等。
• 处理#include预编译指令，将被包含的文件插入到该预编译指令的位置。
• 删除所有注释“//”和“/* */”。
• 添加行号和文件标识，以便编译时产生调试用的行号及编译错误警告行号。
• 保留所有的#pragma编译器指令，后续编译过程需要使用它们。

使用gcc进行预处理的命令如下：

$ gcc -E hello.c -o hello.i // 将源文件hello.c文件预处理生成hello.i                      
// GCC的选项-E使GCC在进行完预处理后即停止

hello.i文件可以作为普通文本文件打开进行查看，其代码片段如下所示：

// hello.i代码片段

extern void funlockfile (FILE *__stream) __attribute__ ((__nothrow__ , __leaf__));
# 942 "/usr/include/stdio.h" 3 4

# 2 "hello.c" 2


# 3 "hello.c"
int
main(void)
{
  printf("Hello World!" "\n");
  return 0;
}

2.编译

编译过程就是对预处理完的文件进行一系列的词法分析，语法分析，语义分析及优化后生成相应的汇编代码。

使用gcc进行编译的命令如下：

$ gcc -S hello.i -o hello.s // 将预处理生成的hello.i文件编译生成汇编程序hello.s
                        // GCC的选项-S使GCC在执行完编译后停止，生成汇编程序

上述命令生成的汇编程序hello.s的代码片段如下所示，其全部为汇编代码。

// hello.s代码片段

main:
.LFB0:
    .cfi_startproc
    pushq   %rbp
    .cfi_def_cfa_offset 16
    .cfi_offset 6, -16
    movq    %rsp, %rbp
    .cfi_def_cfa_register 6
    movl    $.LC0, %edi
    call    puts
    movl    $0, %eax
    popq    %rbp
    .cfi_def_cfa 7, 8
    ret
    .cfi_endproc

3.汇编

汇编过程调用对汇编代码进行处理，生成处理器能识别的指令，保存在后缀为.o的目标文件中。由于每一个汇编语句几乎都对应一条处理器指令，因此，汇编相对于编译过程比较简单，通过调用Binutils中的汇编器as根据汇编指令和处理器指令的对照表一一翻译即可。

当程序由多个源代码文件构成时，每个文件都要先完成汇编工作，生成.o目标文件后，才能进入下一步的链接工作。注意：目标文件已经是最终程序的某一部分了，但是在链接之前还不能执行。

使用gcc进行汇编的命令如下：

$ gcc -c hello.s -o hello.o // 将编译生成的hello.s文件汇编生成目标文件hello.o
                        // GCC的选项-c使GCC在执行完汇编后停止，生成目标文件
//或者直接调用as进行汇编
$ as -c hello.s -o hello.o //使用Binutils中的as将hello.s文件汇编生成目标文件

注意：hello.o目标文件为ELF（Executable and Linkable Format）格式的可重定向文件。

4.链接

链接也分为静态链接和动态链接，其要点如下：

• 静态链接是指在编译阶段直接把静态库加入到可执行文件中去，这样可执行文件会比较大。链接器将函数的代码从其所在地（不同的目标文件或静态链接库中）拷贝到最终的可执行程序中。为创建可执行文件，链接器必须要完成的主要任务是：符号解析（把目标文件中符号的定义和引用联系起来）和重定位（把符号定义和内存地址对应起来然后修改所有对符号的引用）。
• 动态链接则是指链接阶段仅仅只加入一些描述信息，而程序执行时再从系统中把相应动态库加载到内存中去。
• 在Linux系统中，gcc编译链接时的动态库搜索路径的顺序通常为：首先从gcc命令的参数-L指定的路径寻找；再从环境变量LIBRARY_PATH指定的路径寻址；再从默认路径/lib、/usr/lib、/usr/local/lib寻找。
• 在Linux系统中，执行二进制文件时的动态库搜索路径的顺序通常为：首先搜索编译目标代码时指定的动态库搜索路径；再从环境变量LD_LIBRARY_PATH指定的路径寻址；再从配置文件/etc/ld.so.conf中指定的动态库搜索路径；再从默认路径/lib、/usr/lib寻找。
• 在Linux系统中，可以用ldd命令查看一个可执行程序依赖的共享库。

由于链接动态库和静态库的路径可能有重合，所以如果在路径中有同名的静态库文件和动态库文件，比如libtest.a和libtest.so，gcc链接时默认优先选择动态库，会链接libtest.so，如果要让gcc选择链接libtest.a则可以指定gcc选项-static，该选项会强制使用静态库进行链接。以Hello World为例：

• 如果使用命令“gcc hello.c -o hello”则会使用动态库进行链接，生成的ELF可执行文件的大小（使用Binutils的size命令查看）和链接的动态库（使用Binutils的ldd命令查看）如下所示：

$ gcc hello.c -o hello
$ size hello  //使用size查看大小
   text    data     bss     dec     hex filename
   1183     552       8    1743     6cf     hello
$ ldd hello //可以看出该可执行文件链接了很多其他动态库，主要是Linux的glibc动态库
        linux-vdso.so.1 =>  (0x00007fffefd7c000)
        libc.so.6 => /lib/x86_64-linux-gnu/libc.so.6 (0x00007fadcdd82000)
        /lib64/ld-linux-x86-64.so.2 (0x00007fadce14c000)

如果使用命令“gcc -static hello.c -o hello”则会使用静态库进行链接，生成的ELF可执行文件的大小（使用Binutils的size命令查看）和链接的动态库（使用Binutils的ldd命令查看）如下所示：

$ gcc -static hello.c -o hello
$ size hello //使用size查看大小
     text    data     bss     dec     hex filename
 823726    7284    6360  837370   cc6fa     hello //可以看出text的代码尺寸变得极大
$ ldd hello
       not a dynamic executable //说明没有链接动态库

链接器链接后生成的最终文件为ELF格式可执行文件，一个ELF可执行文件通常被链接为不同的段，常见的段譬如.text、.data、.rodata、.bss等段。

分析ELF文件

1.ELF文件的段

ELF文件格式如下图所示，位于ELF Header和Section Header Table之间的都是段（Section）。一个典型的ELF文件包含下面几个段：

• .text：已编译程序的指令代码段。
• .rodata：ro代表read only，即只读数据（譬如常数const）。
• .data：已初始化的C程序全局变量和静态局部变量。
• .bss：未初始化的C程序全局变量和静态局部变量。
• .debug：调试符号表，调试器用此段的信息帮助调试。

可以使用readelf -S查看其各个section的信息如下

$ readelf -S hello
There are 31 section headers, starting at offset 0x19d8:

Section Headers:
  [Nr] Name              Type             Address           Offset
       Size              EntSize          Flags  Link  Info  Align
  [ 0]                   NULL             0000000000000000  00000000
       0000000000000000  0000000000000000           0     0     0
……
  [11] .init             PROGBITS         00000000004003c8  000003c8
       000000000000001a  0000000000000000  AX       0     0     4
……
  [14] .text             PROGBITS         0000000000400430  00000430
       0000000000000182  0000000000000000  AX       0     0     16
  [15] .fini             PROGBITS         00000000004005b4  000005b4
……

2.反汇编ELF

由于ELF文件无法被当做普通文本文件打开，如果希望直接查看一个ELF文件包含的指令和数据，需要使用反汇编的方法。

使用objdump -D对其进行反汇编如下：

$ objdump -D hello
……
0000000000400526 :  // main标签的PC地址
//PC地址：指令编码                  指令的汇编格式
  400526:    55                          push   %rbp 
  400527:    48 89 e5                mov    %rsp,%rbp
  40052a:    bf c4 05 40 00          mov    $0x4005c4,%edi
  40052f:    e8 cc fe ff ff          callq  400400 
  400534:    b8 00 00 00 00          mov    $0x0,%eax
  400539:    5d                      pop    %rbp
  40053a:    c3                          retq   
  40053b:    0f 1f 44 00 00          nopl   0x0(%rax,%rax,1)

使用objdump -S将其反汇编并且将其C语言源代码混合显示出来：

$ gcc -o hello -g hello.c //要加上-g选项
$ objdump -S hello
……
0000000000400526 :
#include 

int
main(void)
{
  400526:    55                          push   %rbp
  400527:    48 89 e5                mov    %rsp,%rbp
  printf("Hello World!" "\n");
  40052a:    bf c4 05 40 00          mov    $0x4005c4,%edi
  40052f:    e8 cc fe ff ff          callq  400400 
  return 0;
  400534:    b8 00 00 00 00          mov    $0x0,%eax
}
  400539:    5d                          pop    %rbp
  40053a:    c3                          retq   
  40053b:    0f 1f 44 00 00          nopl   0x0(%rax,%rax,1)
……

Atas ialah kandungan terperinci Penjelasan terperinci tentang proses penyusunan program Linux. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!