王雪 原创作品转载请注明出处 《Linux内核分析》MOOC课程 http://mooc.study.163.com/course/USTC-1000029000
一、基础知识 （1）可执行程序是怎么来的？ 一个.c文件经过编译器预处理（.cpp）， 然后编译成汇编代码（.S/.asm）, 由汇编器生成目标代码（.o二进制）， 由链接器链接成可执行文件， 最后由操作系统加载到内存中然后执行 用gcc执行的过程： 1.预处理：gcc -E -o hello.cpp hello.c -m32 2.编译：gcc会检查代码（是否有语法错误等），将代码翻译成汇编语言 gcc -x cpp-ouput -S -o hello.s hello.cpp -m32 3.汇编：将编译阶段生成的.S文件转变为目标文件（.o） gcc -x assembler -c hello.s -o hello.o -m32 4.链接：将编译输出.o文件链接成最终的可执行文件（hello也是一个二进制文件） gcc -o hello-static hello.o -m32 -static （2）可执行文件的内部是怎样的？ 1.目标文件的格式ELF 1）目标文件格式分类 2）ABI ABI:应用程序二进制接口，在目标文件中二进制兼容模式适应到某一种cpu体系结构上的二进制指令 3）ELF中三种目标文件 1.可重定位文件（.o文件）：用来和其他的object文件一起创建一个可执行文件或一个共享文件 2.可执行文件：用来保存一个可执行的程序，该文件指出了exec（BA_OS）如何来创建程序进程映像（操作系统如何把程序加载起来，并且从哪里开始执行） 3.共享目标文件（.so）：保存着代码和合适的数据，用来被下面的两个链接器链接：第一种是链接编辑器，第二种是动态链接器 4）ELF头（保存了很多关键信息） 5）可执行的文件加载的工作：当创建或者增加一个进程映像时，系统在理论上将拷贝一个文件的段到虚拟的内存段 6）静态链接的ELF可执行文件与进程的地址空间 1.一个进程加载了新的可执行文件开始的入口点 2.一般静态链接会将所有的代码放在一个代码段 3.动态链接的进程有多个代码段 （3）可执行程序、共享库和动态进程 1、装载可执行程序之前的工作 可执行程序的执行环境：shell命令行、main函数参数、execve参数 1）命令行参数和shell环境
列出/usr/bin下的目录信息： $ ls -l /usr/binShell本身不限制命令行参数的个数，命令行参数的个数受限于命令自身 int main(int argc, char *argv[], char *envp[]) //envp接受shell命令行的相关变量Shell会调用execve将命令行参数和环境参数传递给可执行程序的main函数： int execve(const char * filename,char * const argv[ ],char * const envp[ ]) Shell会先定义一个子进程，在子进程中调用execlp(“/bin/ls”,”ls”,NULL);库函数exec*都是execve的封装例程 （4）命令行参数和环境变量是如何保存和传递的？是如何进入新程序的堆栈的 1）当fork时，子进程复制父进程的堆栈，调用execv时，在加载的可执行程序前将原来的进程用要加载的可执行程序覆盖掉，覆盖掉后用户栈和堆栈会被清空。 2）命令行参数和环境变量都存放在用户堆栈中shell程序 —> execve —> sys_execve初始化新程序堆栈时拷贝进去（execve在创建可执行程序堆栈时，帮我们拷贝进去） 新的程序从main函数开始讲对应的参数接收进来然后先函数调用参数传递，再系统调用参数传递 3）装载时动态链接和运行时动态链接应用 动态链接分为可执行程序装载时动态链接和运行时动态链接 对于动态链接库，可以作为在进程装载的时候动态链接。也可以作为运行时装载起来 头文件 # include < dlfcn.h > //动态加载编译main：-L ：库对应的接口头文件所在的目录 -l：苦命，如Linshlibexample.so,去掉lib和.so部分
gcc main.c -o main -L/path/to/your/dir -lshlibexample -ldl -m32-ldl：动态加载 （5）可执行程序的装载 1、execve系统调用的内核处理过程（execve也是一种特殊的系统调用） 1）新的可执行程序起点——一般是地址空间为0x8048000或0x8048300 2）execve和fork都是特殊的系统调用——一般的都是陷入到内核态再返回到用户态
fork两次返回，第一次返回到父进程继续向下执行，第二次是子进程返回到ret_from_fork然后正常返回到用户态。execve执行的时候陷入到内核态，用execve中加载的程序把当前正在执行的程序覆盖掉，当系统调用返回的时候也就返回到新的可执行程序起点（不是原来的位置了）sys_execve内部会解析可执行文件格式 do_ execve —> do_ execve_common —> exec _binprm search_ binary _ handler符合寻找文件格式对应的解析模块 对于ELF格式的可执行文件fmt->load_ binary(bprm);执行的应该是load_ elf _binary其内部是和ELF文件格式解析的部分需要和ELF文件格式标准结合起来阅读 2.search_binary _handle符合寻找文件格式对应的解析模块，根据ELF文件头部信息寻找对应的文件格式处理模块 寻找能解析ELF格式的模块 对于ELF格式的可执行文件fmt->load_ binary（bprm）：执行的应该是load_elf _ library,其内部是和ELF文件格式解析的部分（和ELF标准相联系） 3.Linux内核是如何支持多种不同的可执行文件合适的？ elf_ format全局变量：将load_ elf_ binary赋给了全局变量的指针load_ library,在init elf binfmt时register _ binfmt( &elf _ format),将它注册到内核链表（fmt链表），（elf format和init _elf binfat像是观察者模式中的观察者） 当出现elf文件时，elf format 自动执行 load elf _ binary 实际上执行了 retval _fmt ->load _binary (bprm),（多态机制） 在load _ elf_ bimary 中调用了 start _thread（struct pt _regs *regs,unsigned long new _ip,unsigned long new _sp）; 修改了pt_ regs load_ elf_binary中，调用了start _thread()函数，通过修改内核堆栈中EIP的值作为新程序的起点 将flags,ip,sp都压栈，regs->ip = new_ip,regs.sp = new _ sp, 其中new_ ip来自：在load elf _binary中，start thread(regs,elf _ entry,bprm->p),在新的可执行程序返回到用户态之前，要修改int $0x80压人内核堆栈的EIP，用新的可执行文件来修改 （6）sys_execve的内部处理过程
系统调用的入口：do_execve return do_execve(getname(filename), argv, envp);
转到do _ execve _ common函数 return do_ execve_ common(filename, argv, envp); file = do_ open_exec(filename); //打开要加载的可执行文件，加载它的文件头部 bprm->file = file; bprm->filename = bprm->interp = filename->name; //创建了一个结构体bprm，把环境变量和命令行参数都copy到结构体中exec_binprm（对可执行文件的处理过程） ret = search_binary_handler(bprm); //寻找此可执行文件的处理函数 在其中关键的代码 list_ for each entry(fmt, &formats, lh); retval = fmt->load_ binary(bprm); //在这个循环中寻找能够解析当前可执行文件的代码并加载出来，实际调用的是load_elf _binary函数
文件解析相关模块：核心的工作就是把文件映射到进程的空间，对于ELF可执行文件会被默认映射到0x8048000。
需要动态链接的可执行文件先加载链接器ld(load _ elf _ interp 动态链接库动态链接文件)，动态链接器的起点如果它是一个静态链接，可直接将文件地址入口进行赋值 （7）结构体变量如何进入到内核的处理模块？ 在init _ elf binfmt中，函数register binfmt(&elf _ format)。 需要动态链接库的可执行文件先加载动态链接器ld， if(elf_ interpreter)需要加载其他的动态库 执行elf_load _elf _interp<——加载动态链接器 else 如果是静态链接文件执行 elf _ entry = loc->elf _ex.e _entry 在start _thread中直接使用elf _entry 1.如果elf _entry是动态链接文件，elf指向链接器的起点 2.如果elf _entry是静态链接文件，elf指向可执行文件中规定的头（main函数的位置） 将cpu的控制权交给ld来加载依赖库并完成动态链接 对于静态链接的文件elf_ entry是新程序执行的起点 （8）用庄生梦蝶的典故理解可执行程序的加载 庄周（调用execve的可执行程序）入睡（调用execve陷入内核），醒来（系统调用execve返回用户态）发现自己是蝴蝶（被execve加载的可执行程序）（醒来时发现自己不是原来的“自己”了）。 （9）动态链接的可执行程序的装载
实际上动态链接库的依赖关系会形成一个“依赖树”
动态链接库的装载过程一般是一个图的广度遍历 将所有依赖的动态链接库装载起来，装载和链接之后ld将cpu的控制权交给可执行程序。动态链接是由动态链接器完成而不是内核总之：静态链接：直接执行可执行程序的入口 动态链接：装载和链接之后ld将CPU的控制权交给可执行程序
二、实验部分 ——Linux内核如何装载和启动一个可执行程序 （一）搭建环境 （查看代码时，可以使用shift+G直接跳到文件末尾） 修改Makefile文件 （生成根文件系统时，将init hello放入rootfs地址中，这样在执行exec文件时，就自动加载hello文件） （二）使用gdb跟踪sys_execve内核函数的处理过程 1、加载符号表，并连接到端口1234 2、设置断点 3、执行 输入c继续运行，进入到sys_execve系统调用： 输入s进行跟踪： new_ip是返回到用户态的第一条指令的地址： 用readelf -h hello 查看信息，入口点地址为0x8048doa
二、实验总结 由静态链接和动态链接对可执行文件的加载过程进行了解，通过对execve系统调用的功能和执行的分析，了解了可执行文件的加载过程，应记忆函数的功能和特点以及参数传递的方法，动态链接库和静态链接库的区别等等。
