《计算机组成原理/CSAPP》网课总结（二）——编译原理基础

这部分是四月份的安排，拖到五一放假了，主要是对源码编译过程的一次总结，总的来说，大致可分为预编译、编译、汇编和链接四部分。这里简单记录一下：

一 概述
1、预处理
或者说是预编译，指的是在编译前需要做的一些处理，如宏替换、include替换等等，这部分没什么东西
每一个.c或.cpp源代码文件会生成一个对应的.i文件；
2、编译
编译过程将预处理后的文件生成为.s的汇编文件，汇编文件可用文本编辑器打开查看，里面的汇编代码是直接对应CPU动作的；
3、汇编
汇编过程将.s汇编文件映射为可重定位目标文件, 一般为.o或.obj扩展名。
4、链接
链接阶段是通过链接器将不同的.o文件进行打包，可以理解为单纯的拼接操作，但操作的时候会检查各个实现是否存在。此外，链接可执行文件时还会导入c或cpp的启动相关的必要系统文件，如cruntime等

二 其他相关知识点

• 在shell中启动可执行文件后，shell会调用操作系统的加载器将可执行文件读入内存，然后将cpu的控制权交给可执行文件，然后开始执行。

• 可重定位目标文件的基本组成部分如下，链接过程是基于符号完成粘合的，比如a文件中调用了函数f，b文件中定义了函数f，那么链接过程就能正确完成；否则会出现找不到定义的链接错误，同样如果出现重复定义，也会报错。

• 至于最终生成可执行文件还是库文件，取决于程序员。如果是生成可执行文件，链接器还会链接调用main函数的相关系统文件，这些文件会调用main函数，所以如果源码里面没有实现，就会报“无法解析的外部符号main”，因为连接器找不到main函数的实现。

• 如果是生成库文件，比如静态库，我们在linxu下可以用命令ar rcs libstatic.a *.o *.o，这样可以将可重定位目标粘合在一起，在使用的时候，我们只需要include静态库的头文件，使用其中的函数声明，然后再静态链接的时候链接之前生成的libstatic.lib即可，这个时候只有那些使用到的函数定义会被复制到可执行文件中，没有使用的不会复制，当然其他cruntime模块肯定会被链进来，这是默认的。

• 如下图是一个可执行文件所包含的模块，主要分为代码段和数据段，以及其他部分，程序执行时前两部分会加载到内存中，然后跳转到系统函数_start()处开始执行，_start()函数是C运行时库中定义的，然后_start()调用_libc_start_main(),然后再调用用户代码中的main()函数

• 如下图是可执行文件加载到内存中虚拟地址空间布局，我们在平时写代码的时候，需要理解其中的不同区域的意义：
  
  在linux x86-64系统中，代码段总是从0x400000处开始，这部分是只读的；然后是数据段；接下来是堆内存段，堆内存是从低地址向高地址分配的；然后是一部分为共享库保留的内存区域；然后是栈空间，起始地址是2⁴⁸-1，这是最大合法用户地址，栈的开辟方向是从高到低；在往上，从2⁴⁸开始的地址是为操作系统的代码和数据保留的，对用户代码不可见。

• 在启动可执行文件后，操作系统会使用地址空间随机化的策略，栈、共享库和堆的运行时地址都会变化，以防止受到攻击。

• 动态链接库（动态库），一种特殊的可重定位目标文件。生成共享库的方式和静态库类似，linux下编译命令为gcc -shared -fpic -o libshared.so A.c B.c，这样就可以生成位置无关的动态链接库文件，在使用时，通过命令gcc -o main main.c ./libshared.so完成动态链接，这个动作只会复制符号表和重定位信息。值得一提的是，在windows下，动态库的符号表和可重定位信息单独存放在一个.lib的动态库的导入库文件中，而真正的动态库实现在另一个同名的.dll中，所以在Windows下执行动态链接其实是静态链接导入库的过程。

• 动态链接库的使用，在可执行文件启动时，可执行文件会检查一个名为.interp的section, 里面包含了动态链接器（ld-linux.so）的路径名，启动动态链接器来执行重定位代码和数据的工作，将动态链接的共享库加载到某个内存段，然后重定位可执行文件中由动态库定义的符号引用。完成重定位后再将控制权交还给可执行文件，至此完成动态库的加载和重定位工作，以后动态库的内存位置就固定了。这种动态库方式需要在编译时就链接动态库，在可执行文件开始执行前就要完成加载，这种方式称为动态库的静态加载。

• 动态库的动态加载，这种技术更加灵活，无需再编译期将动态库链接到应用中，在运行期间加载某个共享库进行使用。linux下可使用void *dlopen(const char *filename, int flag)进行运行期加载动态库，示例：void* handle = dlopen("./libvector.so", RTLD_LAZY)，信号RTLD_LAZY意思是推迟符号解析直到动态库中的代码被调用时。使用动态库的函数的方法：void *dlsym(void* handle, char* symbol),比如说我们蒂阿勇句柄handle指向的共享库中的add(int a, int b)函数，那么add = dlsym(handle, "add")将返回函数add(int a, int b)的地址供使用；最后，调用方法int dlclose(void* handle)可以将动态库关闭(卸载)。

以上做了一个简要总结，这些内容在我们写具体代码时可能不太重视，但是对构建知识体系，处理一些链接bug还是非常重要的。