csapp链接

链接是什么呢？

链接（Linking） 是将各种代码和数据片段收集并组合成为一个单一文件的过程，这个文件可被加载（复制）到内存并执行。链接可以执行于编译、加载、运行时，在早期，链接是被手动执行的，在现代系统中，链接是由一个叫做链接器的程序自动执行的。

• 预处理时：处理的过程

  • 以#开头的预编译指令；删除以“#define”并展开所定义的宏；处理所有的条件预编译指令，如#if，#define;插入头文件到#include处，可使用递归的方式进行处理；删除所有的注释，添加行号和文件名标识符；保留所有的#pragma编译指令。
  • 经过预处理后，得到的是与处理文件（hello.i），它还是一个可读的文本文件，但是不包含任何宏定义。

• 编译（compile time）时：将源代码翻译成机器代码。编译的过程就是将得到的预处理文件进行词法、语法、语义分析、生成汇编代码文件，经过编译后的代码文件还是可读的文件，但是CPU无法理解执行它。

• 汇编时：

  • 汇编文件代码由汇编指令构成；汇编器（as）用来将汇编语言程序转换成机器指令序列。
  • 汇编指令和机器指令都属于机器指令，所构成的程序称为机器及代码。
  • 汇编的结果是一个可重定位目标文件，包含的结果是不可读的二进制代码。

• 链接：将多个可重定位的目标文件合并以生成可执行目标文件。

  • 汇编的语言：用助记符表示操作码，用符号表示位置，用助记符表示寄存器。
  • 链接的操作步骤：确定符号引用关系（符号解析）；合并相关.o文件；确定每个符号的地址（优点：模块化，分成多个源程序文件；效率高，可分开编译）；在指令中填入新地址。

在gcc 中的执行方法：
1.预处理：hello.c变成helloc.i(命令gcc -E或cpp)
2.编译：hello.i变成hello.s（命令gcc -0g -S）
3.汇编：hello.s变成hello.o(gcc或者as)
4.链接：hello.o+所需静态库——hello(gcc或ld)

链接的本质是什么呢？

从图中可以看出连接的本质就是合并相同的节，在合并之前还要进行符号解析

符号解析

• 符号分为强符号和弱符号
  • 强符号：函数名和已初始化的全局变量名是强符号
  • 弱符号：未初始化的全局变量名是弱符号，外部符号引用函数声明
• 在Linux链接器中使用下面的规则来处理多重定义的符号名：
  • 规则1：不允许有多个同名的强符号；
  • 规则2：如果有一个强符号和多个弱符号同名，那么选择强符号；
  • 规则3：如果有多个弱符号同名，那么从这些弱符号中任意选择一个。
• 多重定义符号的处理规则：强符号只能被定义一次，否则链接错误。

知道了这些知识后，那我们来具体看看在Linux中是怎么样的吧

//mismatch-main.c
long int x;  /* Weak symbol */
#include <stdio.h>
	int main(int argc, char *argv[]) {
	printf("%ld\n", x);
return 0;
}

• 1
• 2
• 3
• 4
• 5
• 6

//文件mismatch-variable
/* Global strong symbol */
double x = 3.14;

• 1
• 2

第一段代码中定义了一个长整型的弱符号x，并且没有赋予初值，在第二段代码mismatch-variable中定义了一个长整型的强符号x，并赋值为3.14。
在Linux平台下输入gcc -Wall -Og -o mismatch mismatch-main.c mismatch-variable.c
可得到一个重定位目标文件mismatch
这时我们再输入./mismatch可得到一个结果为4614253070214989087
那为什么是这个结果呢？
是因为强符号x=3.14，而浮点数在计算机中的存储、运算、表示等是按照IEEE754标准。
在命令gcc -Wall -Og -o mismatch mismatch-main.c mismatch-variable.c中

• -Wall是表示允许发出gcc提供的所有有用的报警信息
• -Og是表示启用全局优化
• -o是表示设定输出文件名，不加此选项会默认可执行文件名为a.out
• 此外，这条命令也可以将.o文件链接到可执行目标文件。

//global.h
extern int g;
int f();

• 1
• 2

//global-c1.c
#include "global.h"
int f() {
    return g+1;
}

• 1
• 2
• 3
• 4

//global-c2.c
#include <stdio.h>
#include <stdlib.h>
#include "global.h"
int g = 0;
	int main(int argc, char *argv[]) {
 	if (argc >= 2) {
 	g = atoi(argv[1]);
    	}
    	printf("g = %d.  f() = %d\n", g, f());
    return 0;
}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

在Linux下输入gcc -Wall -Og -o global global.h global-c1.c global-c2.c后再输入./global可得到如下结果

在这里是定义了一个int型的全局变量g,并且赋予了初值0，所以执行出来的结果是没有问题的。

与静态库连接

所有的编译系统都提供一种机制，将所有相关的目标模块打包成为一个单独的文件，称为静态库（static library),它可以用来做链接器的输入。
库函数模块是许多的函数如printf,scanf,sqrt等函数都无需自己再去写，只要从共享的库函数中调用。
在Linux系统中，静态库以一种存档（archive）的特殊文件格式存放在磁盘中。存档文件时一组连接起来的可重定位目标文件的集合，有一个头不用来描述每个成员目标文件的大小和位置。存档文件名由后缀 .a标识，这样可以增强链接器功能，时期工呢过通过查找一个或者多个库文件中的定义符号来解析符号。

要创建这些函数，我们需要使用AR工具
ar (归档程序）能将制定的.o文件打包生成静态库文件。
接下来看一个例子

/* addvec.c */
/* $begin addvec */
int addcnt = 0;
void addvec(int *x, int *y,
     int *z, int n) 
{
    int i;
    addcnt++;
    for (i = 0; i < n; i++)
 z[i] = x[i] + y[i];
}
/* $end addvec */

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

/* multvec.c */
/* $begin multvec */
int multcnt = 0;
void multvec(int *x, int *y, 
      int *z, int n) 
{
    int i;
     multcnt++;
     for (i = 0; i < n; i++)
 z[i] = x[i] * y[i];
}
/* $end multvec */

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

将这两段代码打包到libvector库函数中
通过使用

• gcc -c addvec.c multvec.c
• ar rcs libvector.a addvec.o multvec.o

/* main2.c */
/* $begin main2 */
#include <stdio.h>
#include "vector.h"
int x[2] = {1, 2};
int y[2] = {3, 4};
int z[2];
int main() 
{
    addvec(x, y, z, 2);
    printf("z = [%d %d]\n", z[0], z[1]);
    return 0;
}
/* $end main2 */

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

在main2.c 代码段中包含了头文件vector.h，定义了libvextor.a中例程的函数原型
接下来输入

• gcc -c main2.c
• gcc -static -o prog2c main2.o ./libvector.a
• ./prog2c
  可得到以下结果：
  
  链接的过程如下：
  

重定位

链接器完成符号解析后就可以进行重定位了。重定位由两部分组成：

• 重定位节和符号定义，链接器将所有相同类型的节合并为同一个类型的新的聚合类。
• 重定位节中的符号引用，在这一步中，链接器修改代码节和数据节中对每个符号的引用，使得他们指向正确的运行时地址。执行这一步，链接器主要依赖于可重定位目标模块中称为重定位条目（relocation entry）的数据结构。
  可重定位目标文件

• .text:已编译程序的机器代码
• .rodata：只读数据，比如printf语句中的格式串和开关语句的跳转表
• .data：已初始化的全局和静态C变量，局部C变量保存在栈中
• .bss：未初始化的全局和静态C变量，以及所有被初始化为0的全局或静态变量
• .symtab：符号表，存放在程序中定义和引用的函数和全局变量的信息

接下来我们看一下代码中的符号

#include <stdio.h>
int time;
int foo(int a) {
    int b = a + 1;
    return b;
}
int main(int argc, char *argv[])
{
    printf("%d\n", foo(5));
    return 0;
}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

在Linux环境中敲readelf -s symbols.o
可以得到

• 可以知道的是foo,main为全局变量，并且他们都为函数，所以为强符号。
  foo是占4个字节，因为它是int型
• printf是没有类型的，它是全局变量，UND应该表示的是未定义的
• time 也是占4个字节，是int型的变量，它也是全局变量，然后它是COM，这个是表示它是未初始化的全局变量。
• 同时代码中还有很多的局部变量。

objdump -dx main.o

• -d表示将代码段反编译
• -x显示所有的可用头信息，包括符号表、重定位入口，使用此选项可以将文件内容做标注，方便我们查看理解
  
  这个是可重定位文件而不是可执行目标文件，所以它的起始地址为0。在节部分，大部分节名都有对应，其中File off指明了每个节在ELF中的偏移地址，不是实际地址。Size指明了每个节所占大小，例如.data节的地址为0x00000054加上长度0x00000008就为0x0000005c，即.bss节的地址。
  objdump -dx -j .data main.o
• -j name显示指定名称为nane的section的信息，
  这里在main.o的反汇编里仅显示。.data节信息
  运用该指令我们只会看到.data节中的信息，最后反汇编.data节里存放的全局变量array,由于它已被初始化，且机器为小端模式，因此，00000000 <array>: 0: 01 00 00 00 02 00 00 00

我真的太垃圾了，这个作业拖了一个月才完成。之前刚学的时候是真的不会，也不知道老师给的代码要怎么样在Linux下去运行，这两天看了很多的别的同学写的日志，自己经过琢磨，实践，终于完成了。写完这些东西发现对知识又有了进一步的了解，毕竟这两天都在和它打交道。总之，自己还是太差劲了，还需要很努力很努力！

---

该文章中的许多信息来源于《深入理解计算机系统》，前两张图片来源于南京大学袁春风老师课件，有一张图片来源于老师所给的PPT，部分内容参考于https://blog.csdn.net/ziyonghong/article/details/101560077
https://blog.csdn.net/angranxueer/article/details/102236976

加一点东西
在hello.c文件中

#include <stdio.h>
int main()
{
 printf("Hello World!");
                return 0;
}

• 1
• 2
• 3
• 4
• 5

• 用readelf -S hello.o查看
  
  
• 用readelf -h hello.o查看
  
• 用readelf -s hello.o查看
  

                                </div>
            <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-b6c3c6d139.css" rel="stylesheet">
                </div>