应用程序加载：从dyld到objc

想要了解应用程序加载，我们需要了解下面几个问题：

我们写的代码是如何加载到内存的？
我们使用的动静态库是如何加载到内存的？
objc是如何启动的？

我们程序执行都会依赖很多库，比如UIKit、CoreFoundation、libsystem等，这些库其实就是可执行的二进制文件，能够被操作系统加载到内存。库分为两种：动态库和静态库。

整个编译过程如下图：

编译过程

首先我们的代码会经历预编译阶段，进行词法和语法树的分析，然后交给编译器编译，会生成相应的汇编文件，把这些内容链接装载到内存，生成我们的可执行文件。

动态库和静态库区别一个是动态链接，一个是静态链接。

动静态库链接方式

静态链接：一个一个装载进内存，会有重复的问题，浪费相应性能。
动态链接：并不是直接加载，通过映射加载到内存，内存是共享的只会有一份，大部分苹果的库都为动态库。

静态库和动态库是如何加载到内存的呢？需要连接器dyld，dyld作用如下图：

dyld

下面我们开始研究dyld，先在main函数位置打一个断点，执行程序：

image

看到函数调用栈在main函数之前会执行start方法，点击可以看到start就是执行dyld中的start方法：

dyld.start

我们再添加一个名字为start的符号断点，再执行程序，发现断点并没有断到start位置

image

为什么没有停在start？证明在下层真正调用不是start而是其他方法。我们知道load方法是在程序执行之前就跑，我们添加个load方法并打一个断点，

load

看函数调用栈。点击最下面的_dyld_start

_dyld_start

dyld源码可以在官网下载。
打开源码工程，首先全局搜索_dyld_start，发现是汇编实现的，根据架构不同，代码不同，我们直接看真机arm64

image

在这里我们分析主要代码逻辑即可，配合注释找到start方法调用：

start

全局搜索dyldbootstrap命名空间，找到start方法

uintptr_t start(const dyld3::MachOLoaded* appsMachHeader, int argc, const char* argv[],
                const dyld3::MachOLoaded* dyldsMachHeader, uintptr_t* startGlue)
{

    // Emit kdebug tracepoint to indicate dyld bootstrap has started 
    dyld3::kdebug_trace_dyld_marker(DBG_DYLD_TIMING_BOOTSTRAP_START, 0, 0, 0, 0);

    // if kernel had to slide dyld, we need to fix up load sensitive locations
    // we have to do this before using any global variables
    rebaseDyld(dyldsMachHeader);

    // kernel sets up env pointer to be just past end of agv array
    const char** envp = &argv[argc+1];
    
    // kernel sets up apple pointer to be just past end of envp array
    const char** apple = envp;
    while(*apple != NULL) { ++apple; }
    ++apple;

    // set up random value for stack canary
    __guard_setup(apple);

#if DYLD_INITIALIZER_SUPPORT
    // run all C++ initializers inside dyld
    runDyldInitializers(argc, argv, envp, apple);
#endif

    _subsystem_init(apple);

    // now that we are done bootstrapping dyld, call dyld's main
    uintptr_t appsSlide = appsMachHeader->getSlide();
    return dyld::_main((macho_header*)appsMachHeader, appsSlide, argc, argv, envp, apple, startGlue);
}

这里面最重要的就是最后一行，main函数，点击进去，发现main函数代码非常多，有将近1000行代码，看这种代码需要点技巧，我们知道这个函数是有返回值的，那就先看下返回值是什么，有什么对应操作。

返回值是result，赋值的地方有：

result = (uintptr_t)sMainExecutable->getEntryFromLC_MAIN();
result = (uintptr_t)sMainExecutable->getEntryFromLC_UNIXTHREAD();
result = (uintptr_t)&fake_main;

上面三个地方有对result赋值，可以看到最主要就是sMainExecutable相关处理，找一下sMainExecutable初始化：

/// instantiate ImageLoader for main executable
sMainExecutable = instantiateFromLoadedImage(mainExecutableMH, mainExecutableSlide, sExecPath);

看到注释写的也很明白，初始化镜像文件。点击进去：

static ImageLoaderMachO* instantiateFromLoadedImage(const macho_header* mh, uintptr_t slide, const char* path)
{
    // try mach-o loader
//  if ( isCompatibleMachO((const uint8_t*)mh, path) ) {
        ImageLoader* image = ImageLoaderMachO::instantiateMainExecutable(mh, slide, path, gLinkContext);
        addImage(image);
        return (ImageLoaderMachO*)image;
//  }
    
//  throw "main executable not a known format";
}

点击进入instantiateMainExecutable，看到sniffLoadCommands(mh, path, false, &compressed, &segCount, &libCount, context, &codeSigCmd, &encryptCmd);这个代码就是按照machO格式进行加载文件。

共享缓存相关处理：

// load shared cache
checkSharedRegionDisable((dyld3::MachOLoaded*)mainExecutableMH, mainExecutableSlide);

加载插入的动态库：

// load any inserted libraries
if  ( sEnv.DYLD_INSERT_LIBRARIES != NULL ) {
    for (const char* const* lib = sEnv.DYLD_INSERT_LIBRARIES; *lib != NULL; ++lib) 
        loadInsertedDylib(*lib);
}

链接主程序：

link(sMainExecutable, sEnv.DYLD_BIND_AT_LAUNCH, true, ImageLoader::RPathChain(NULL, NULL), -1);

链接插入的动态库：

link(image, sEnv.DYLD_BIND_AT_LAUNCH, true, ImageLoader::RPathChain(NULL, NULL), -1);

弱引用绑定主程序：

//  do weak binding only after all inserted images linked
sMainExecutable->weakBind(gLinkContext);

初始化主程序：

// run all initializers
initializeMainExecutable();

回调函数：

// notify any montoring proccesses that this process is about to enter main()
notifyMonitoringDyldMain();

initializeMainExecutable


void initializeMainExecutable()
{
    // record that we've reached this step
    gLinkContext.startedInitializingMainExecutable = true;

    // run initialzers for any inserted dylibs
    ImageLoader::InitializerTimingList initializerTimes[allImagesCount()];
    initializerTimes[0].count = 0;
    const size_t rootCount = sImageRoots.size();
    if ( rootCount > 1 ) {
        for(size_t i=1; i < rootCount; ++i) {
            sImageRoots[i]->runInitializers(gLinkContext, initializerTimes[0]);
        }
    }
    
    // run initializers for main executable and everything it brings up 
    sMainExecutable->runInitializers(gLinkContext, initializerTimes[0]);
    
    // register cxa_atexit() handler to run static terminators in all loaded images when this process exits
    if ( gLibSystemHelpers != NULL ) 
        (*gLibSystemHelpers->cxa_atexit)(&runAllStaticTerminators, NULL, NULL);

    // dump info if requested
    if ( sEnv.DYLD_PRINT_STATISTICS )
        ImageLoader::printStatistics((unsigned int)allImagesCount(), initializerTimes[0]);
    if ( sEnv.DYLD_PRINT_STATISTICS_DETAILS )
        ImageLoaderMachO::printStatisticsDetails((unsigned int)allImagesCount(), initializerTimes[0]);
}

首先拿到所有镜像文件个数，循环跑起来。点击进入runInitializers看下如何初始化

void ImageLoader::runInitializers(const LinkContext& context, InitializerTimingList& timingInfo)
{
    uint64_t t1 = mach_absolute_time();
    mach_port_t thisThread = mach_thread_self();
    ImageLoader::UninitedUpwards up;
    up.count = 1;
    up.imagesAndPaths[0] = { this, this->getPath() };
    processInitializers(context, thisThread, timingInfo, up);
    context.notifyBatch(dyld_image_state_initialized, false);
    mach_port_deallocate(mach_task_self(), thisThread);
    uint64_t t2 = mach_absolute_time();
    fgTotalInitTime += (t2 - t1);
}

这里最重要的是processInitializers函数，点进去

void ImageLoader::processInitializers(const LinkContext& context, mach_port_t thisThread,
                                     InitializerTimingList& timingInfo, ImageLoader::UninitedUpwards& images)
{
    uint32_t maxImageCount = context.imageCount()+2;
    ImageLoader::UninitedUpwards upsBuffer[maxImageCount];
    ImageLoader::UninitedUpwards& ups = upsBuffer[0];
    ups.count = 0;
    // Calling recursive init on all images in images list, building a new list of
    // uninitialized upward dependencies.
    for (uintptr_t i=0; i < images.count; ++i) {
        images.imagesAndPaths[i].first->recursiveInitialization(context, thisThread, images.imagesAndPaths[i].second, timingInfo, ups);
    }
    // If any upward dependencies remain, init them.
    if ( ups.count > 0 )
        processInitializers(context, thisThread, timingInfo, ups);
}

还是循环调用recursiveInitialization，找到这个方法的实现void ImageLoader::recursiveInitialization(const LinkContext& context, mach_port_t this_thread, const char* pathToInitialize, InitializerTimingList& timingInfo, UninitedUpwards& uninitUps)，
里面最重要的代码如图：

recursiveInitialization

先对依赖文件进行初始化，然后再初始化自己。notifySingle全局搜索找到这个方法实现，观察里面最重要代码：(*sNotifyObjCInit)(image->getRealPath(), image->machHeader());。
全局搜索sNotifyObjCInit，发现在registerObjCNotifiers方法中有赋值，再搜索看哪调用这个方法：_dyld_objc_notify_register，这个方法和objc源码中objc_init里面的方法名字是一模一样的。但其实从dyld加载到objc这条线到现在已经断了，需要再找下别的方法。

打开objc源码工程，在源码中_objc_init打一个断点，查看函数调用栈：

image

从下往上看执行流程：

_dyld_start
dyldbootstrap::start
dyld::_main
dyld::initializeMainExecutable()
runInitializers
processInitializers
recursiveInitialization
doInitialization
doModInitFunctions

到这是dyld处理的流程，在往上看就不知道是什么流程，我们现在从上往下看，先走libdispatch的_os_object_init方法，我们下载libdispatch源码，全局搜索_os_object_init

void
_os_object_init(void)
{
    _objc_init();
    Block_callbacks_RR callbacks = {
        sizeof(Block_callbacks_RR),
        (void (*)(const void *))&objc_retain,
        (void (*)(const void *))&objc_release,
        (void (*)(const void *))&_os_objc_destructInstance
    };
    _Block_use_RR2(&callbacks);
#if DISPATCH_COCOA_COMPAT
    const char *v = getenv("OBJC_DEBUG_MISSING_POOLS");
    if (v) _os_object_debug_missing_pools = _dispatch_parse_bool(v);
    v = getenv("DISPATCH_DEBUG_MISSING_POOLS");
    if (v) _os_object_debug_missing_pools = _dispatch_parse_bool(v);
    v = getenv("LIBDISPATCH_DEBUG_MISSING_POOLS");
    if (v) _os_object_debug_missing_pools = _dispatch_parse_bool(v);
#endif
}

可以看到_os_object_init确实调用了_objc_init，再全局搜索_os_object_init，发现是在libdispatch_init有调用，再全局搜索libdispatch_init发现没有调用地方，看上面截图函数调用栈，libSystem调用过来的，我们下载libSystem源码，打开libSystem源码工程全局搜索libdispatch_init，发现是libSystem_initializer方法进行调用，而libSystem_initializer这个方法没有调用，看函数调用栈回到dyld源码进行搜索，没找到相关信息，全局搜索doModInitFunctions看这个方法实现，可以看到框住就是调用libSystem_initializer相关的方法：

image

doModInitFunctions是由doInitialization方法调用，最后找到位置：

recursiveInitialization

到此，整个项目从dyld如何加载到objc_init的流程已经分析完了。
我们可以看到_dyld_objc_notify_register(&map_images, load_images, unmap_image);方法调用，map_images和load_image都是参数，那么他们什么时候调用的呢，时机肯定在别的地方，继续探索。

之前分析notifySingle调用sNotifyObjCInit，找到sNotifyObjCInit赋值的地方，

sNotifyObjCInit赋值

_dyld_objc_notify_register调用的registerObjCNotifiers，也就是说_dyld_objc_notify_register会对三个参数进行初始化，也就是说notifySingle会对将要执行的方法进行初始化赋值，但是具体调用还不知道。

之前我们看到有_dyld_objc_notify_register方法：

void _dyld_objc_notify_register(_dyld_objc_notify_mapped    mapped,
                                _dyld_objc_notify_init      init,
                                _dyld_objc_notify_unmapped  unmapped)
{
    dyld::registerObjCNotifiers(mapped, init, unmapped);
}

这个方法三个参数对应着objc源码中同名方法的map_images、load_images、umap_image，进去看赋值：

void registerObjCNotifiers(_dyld_objc_notify_mapped mapped, _dyld_objc_notify_init init, _dyld_objc_notify_unmapped unmapped)
{
    // record functions to call
    sNotifyObjCMapped   = mapped;
    sNotifyObjCInit     = init;
    sNotifyObjCUnmapped = unmapped;

    // call 'mapped' function with all images mapped so far
    try {
        notifyBatchPartial(dyld_image_state_bound, true, NULL, false, true);
    }
    catch (const char* msg) {
        // ignore request to abort during registration
    }

    //  call 'init' function on all images already init'ed (below libSystem)
    for (std::vector::iterator it=sAllImages.begin(); it != sAllImages.end(); it++) {
        ImageLoader* image = *it;
        if ( (image->getState() == dyld_image_state_initialized) && image->notifyObjC() ) {
            dyld3::ScopedTimer timer(DBG_DYLD_TIMING_OBJC_INIT, (uint64_t)image->machHeader(), 0, 0);
            (*sNotifyObjCInit)(image->getRealPath(), image->machHeader());
        }
    }
}

也就是我们现在需要找sNotifyObjCMapped()、sNotifyObjCInit()、sNotifyObjCUnmapped()，这三个函数调用才会执行我们最关心的map_images、load_images、umap_image。

全局搜索sNotifyObjCMapped找调用的地方，发现_dyld_objc_notify_register->registerObjCNotifiers->notifyBatchPartial->sNotifyObjCMapped这个流程会调用，也就是函数执行时候，就会执行第一个参数对应的方法。
全局搜索sNotifyObjCInit，有两个调用地方，a(dyld_image_state_initialized)：_dyld_objc_notify_register->registerObjCNotifiers->sNotifyObjCInit()，加载自己的库的时候会直接调用load_images。b(dyld_image_state_dependents_initialized)：notifySingle->sNotifyObjCInit()，加载自己依赖库的时候，依赖库是通过notifySingle来调用load_images。
全局搜索sNotifyObjCUnmapped，发现removeImage才会调用，移除镜像文件时候，暂时不深入分析。

总结下从dyld开始怎么加载到objc以及map_images和load_images调用的流程图：

dyld启动到objc_init.jpg

load C++ main 执行顺序

接下来我们再看一个有意思的现象，在main函数中输出Hello, World!，并且在main函数中添加一个C++方法：

int main(int argc, const char * argv[]) {
    @autoreleasepool {        
        SJLog(@"Hello, World!");
    }
    return 0;
}

__attribute__  ((constructor)) void sjFunc() {
    printf("C++ 来了  %s \n", __func__);
}

添加SJPerson类，并实现load方法：

@implementation SJPerson

+ (void)load
{
    SJLog(@"%s", __func__);
}

@end

运行程序，可以看到打印结果如下：

image

首先执行load方法，然后执行C++方法，最后才会走到main函数里面。
研究方法执行顺序，首先我们看下load方法是怎么调用：

void
load_images(const char *path __unused, const struct mach_header *mh)
{
    if (!didInitialAttachCategories && didCallDyldNotifyRegister) {
        didInitialAttachCategories = true;
        loadAllCategories();
    }

    // Return without taking locks if there are no +load methods here.
    if (!hasLoadMethods((const headerType *)mh)) return;

    recursive_mutex_locker_t lock(loadMethodLock);

    // Discover load methods
    {
        mutex_locker_t lock2(runtimeLock);
        prepare_load_methods((const headerType *)mh);
    }

    // Call +load methods (without runtimeLock - re-entrant)
    call_load_methods();
}

首先会prepare_load_methods准备所有的load方法，

void prepare_load_methods(const headerType *mhdr)
{
    size_t count, i;

    runtimeLock.assertLocked();

    classref_t const *classlist = 
        _getObjc2NonlazyClassList(mhdr, &count);
    for (i = 0; i < count; i++) {
        schedule_class_load(remapClass(classlist[i]));
    }

    category_t * const *categorylist = _getObjc2NonlazyCategoryList(mhdr, &count);
    for (i = 0; i < count; i++) {
        category_t *cat = categorylist[i];
        Class cls = remapClass(cat->cls);
        if (!cls) continue;  // category for ignored weak-linked class
        if (cls->isSwiftStable()) {
            _objc_fatal("Swift class extensions and categories on Swift "
                        "classes are not allowed to have +load methods");
        }
        realizeClassWithoutSwift(cls, nil);
        ASSERT(cls->ISA()->isRealized());
        add_category_to_loadable_list(cat);
    }
}

这里实现准备和调用类、分类的load方法。
下一步C++方法为什么会调用呢？在C++方法打个断点，调试打印函数调用栈：

C++函数调用栈

到dyld源码中查看doInitialization函数调用：

image

这个位置我们很熟悉了吧，上面已经解释过了，也就是doInitialization会调用我们写的C++方法。

在搞一个骚操作，我们在objc-os.mm文件中，添加一个C++方法，再执行程序：

__attribute__  ((constructor)) void sjFunc() {
    printf("objc C++ 来了  %s \n", __func__);
}

看到执行的结果：

image

也就是说，在同一个镜像文件中，才会先执行load方法，再执行C++方法。

执行完dyld然后是如何走到我们工程里面的main函数呢？
在C++方法打断点，进入断点后显示汇编：

image

跳出这个方法：

image

读取寄存器：

汇编最后执行jump rax，rax寄存器存的就是我们工程的main函数。

应用程序加载：从dyld到objc

initializeMainExecutable

load C++ main 执行顺序

你可能感兴趣的:(应用程序加载：从dyld到objc)