C++：深入理解编译和链接过程

深入理解编译链接

我们知道，用c/c++语言编写程序的时候，必须要经过编译和链接过程，才能将我们c/c++的源代码转化为可执行文件（Windows下是.exe程序，Linux下是elf格式的可执行文件）。

那么编译和链接过程到底做了什么，这个可执行文件又是被加载到哪里运行的呢

数据和指令

无论用哪种语言所写的代码，归根结底会产生两种东西：指令和数据。那哪些代码是指令，哪些代码是数据？

所有的全局变量和静态变量都是数据，除此之外都是指令（包括局部变量）。我们来看一段代码

很明显在上面这段代码中，data1，2，3，4，5，6，7，8，9都是数据，除了这些之外其他的代码都是指令。我们都知道，程序是被加载到内存上运行的，既然代码被分成了指令和数据两种不同的东西，那么在内存中他们就不可能被无序的，混乱的放在一起，肯定会有一定的划分规定。

虚拟地址空间

在每个程序运行的时候，我们的操作系统都会给他分配一个固定大小的虚拟地址空间（x86，32bit，Linux内核下默认大小为4G），那这段内存是怎样分配的呢？我们来看一下

这就是虚拟地址空间各个区域的分布图，从图中可以看出，整个4G的空间有1G是供操作系统使用的内核空间，用户无法访问，还有3G是我们的用户空间，以供该虚拟地址空间上进程的运行。在这3G的用户空间中又被分成了很多段，从0地址开始的128M大小是系统的预留空间，用户也是无法访问的，接下来是.text段，该段空间中存放的是代码，然后是.data段和.bss段，这两段里面存放的都是数据，但又有不同:.data段中存放的数据是已经初始化并且初始化值不为0的数据，而.bss段中存放的是未经初始化或者初始化为0的数据。我们可以看一下Linux下虚拟地址空间的分配状况

上面是Linux下一块进程的虚拟地址空间的段表信息，我们可以清楚的看到上面有我们的.text段，.data段，.bss段等信息，说明这些段是真实存在的，而不是我们人为臆造出来的。但是我们在查看段表信息的时候会发现，.bss段的起始地址和.comment段的起始地址是相同的，这是为什么呢？bss三个英文字母的含义是：better save space(更好的节省空间)，这里所节省的空间是谁的空间呢？我们知道程序运行的时候要从文件中加载到内存上，而上面这个段表信息是在生成中间文件.o文件时所调出来的，也就是说此时还没有生成可执行文件，自然系统也不会为其分配虚拟地址空间，因此显而易见，这里所节约的是文件的空间，

也就是说，在生成的中间文件中，系统并没有为.bss段分配空间，那其中的数据是如何保存的呢，其实不难理解。我们先把这个问题保留下来，后面会解决。现在我们来看一下编译和链接过程主要做了什么。

编译过程

编译过程中，系统主要会做三件事：预编译，编译，汇编。

预编译： 去掉代码中的注释，处理以“#“号开头的预处理命令，进行宏替换

编译：生成符号，将源代码的指令转化为汇编指令

汇编：生成二进制可重定位文件

这里我们比较陌生的就是生成符号了，也是我们的重点。c/c++代码在编译时会生成符号，所有的数据都会生成符号，而指令只有函数名会生成符号。我们在返回我们上面那个段表中看一下，我们知道上面的代码中会有六个数据存放在.bss段，可是.bss段的大小只有20个字节也就是说其中只有5个数据（16进制的14转换到十进制是20），那另外的那个数据难道丢了吗？？其实，生成符号的过程中，所有静态的变量生成的符号是local符号（仅当前文件可见），所有初始化了的非静态全局变量都会生成一个global（所有文件可见）的强符号，而未被初始化的非静态全局变量就会生成一个global的弱符号。弱符号是不确定的符号，不确定是否有其他文件中同名的变量会生成强符号，或者其他同名的变量虽然生成弱符号，但是所占的内存比该弱符号大，以上两种情况，在链接过程中，该弱符号都会被替换掉（强符号若同名会产生编译错误，在编译时就已经确定，弱符号在链接时才确定）。那很明显上面的代码中，data3会产生弱符号，因此在编译时弱符号不会被存储在.bss段，而是被保存在comment块中，我们来看一下符号表

我们看到，未被初始化的Data3并未被存放在.bss段，而是在comment块中，因为他是一个弱符号。此时我们在另外一个文件中定义一个变量和一个函数，在main.c文件调用这个函数和变量

我们再看一下符号表

可以明显的看到最下面的两个*UND*的符号，这是因为在编译的过程中，是每个文件单独编译的，不会看到其他文件中定义的东西，在main.c中只有变量data和函数fun（）的声明，所以他们会被认为是未定义的符号。

链接过程

编译完成之后，紧接着会进行链接过程，我们先来看一下来链接过程到底做了什么

合并段

在elf文件中字节对齐是以4字节对齐的，但是在可执行程序中对齐方式是以页的方式对齐的（一个页的大小为4k），因此如果我们在链接时将各个.o文件各个段单独的加载到可执行文件中，将会非常浪费空间：如下表

因此我们需要合并段，调整段偏移，将各个文件不同的段合并起来，每个.o文件的.text段合并在一起.data段合并在一起，这样，在生成的可执行 文件中，各个段都只有一个，如下图，由于在链接时只需要加载代码段(.text段)和数据段（.data段和.bss段）。因此合并段之后，在系统给我们分配内存时，只需要分配两个页面大小就可以，分别存放代码和数据如图

调整段偏移

合并段之后，必须进行的一个操作就是调整段偏移和段长度。每个进程都有自己的虚拟地址空间，都是从0地址开始的，将各个文件的各个段加载进来之后，段的大小会有所变化，相对于0地址的偏移量也会不同，因此我们需要调整段偏移和段偏移如图

汇总所有符号

每个obj文件在编译时都会生成自己的符号表，所以我们要把这些符号都合并起来进行符号解析

完成符号的重定位

在进行合并段，调整段偏移时，输入文件的各个段在连接后的虚拟地址就已经确定了，这一步完成后，连接器开始计算各个符号的虚拟地址，因为各个符号在段内的相对位置是固定的，所以段内各个符号的地址也已经是确定的了，只不过连接器需要给每个符号加上一个偏移量，使他们能够调整到正确的虚拟地址，这就是符号的重定位过程

在 elf文件中，有一个叫重定位表的结构专门用来保存这些与从定位有关的信息，重定位表在elf文件中往往是一个或多个段

运行