Chapter 7 Linking

#CSAPP
命令行工具 gcc 属于 compiler driver，内部包含了对 C 的预处理（cpp）、编译（cc1）、汇编（as）、链接（ld）步骤。

静态链接是通过一系列对象文件构建可执行程序的过程，源代码的编写、编译的解耦得益于链接。两个主要机制

• Symbol Resolution
• Relocation

对象文件（object file, object module）包括三种

• Relocatable，由编译器汇编器生成
• Executable，由链接器生成
• Shared，一种特殊的 Relocatable

object file format

• Unix, ELF, Executable and Linkable Format
• Windows, PE, Portable Executable
• Max-OS, Mach-O

Relocatable object files content in seq

• ELF header, readelf -h，Program header、Entry point 对 Relocatable 无意义
• sections (in seq)：.text, .data, .bss, .rodata, .symtab, .rela.text, .rela.data, .debug, .line, .strtab
• section header

Symbol Resolution

relocatable module $m$‘s symbols category, in the context of a linker：

• global, defined by $m$：global function/variable definition
• global, referenced by $m$：global function/variable references
• local, refined and reference exclusively by $m$：static global/local variable, static global function
• non-static local variables are not symbols
• C++ 中类成员函数属于？应当为全局函数，类作为语言特性，其本质应当是封装了不是成员函数而是全局函数的“成员函数”调用

每个 symbol 在 .symtab 中都有一个 entry。.symtab 实体由 assembler 构造，由 compiler 指导构建

• section 部分可以为 pseudosection：ABS，COMMON（uninit global var，.bss for un，in traditional C），UNDEF。

symbol resolution：

• 将 reference 对应到 definition 的过程
• local symbol, 简单，可以由编译器、汇编器完成
• global symbol reference，生成 linker symbol table entry，由 linker 处理

解决 duplicated symbol names：

• 本身就是语言层面的不同实体：mangling for function, static local variables。由编译器预先处理，并将 global 部分交给 linker 继续处理
• 语言层面含义相同的 global symbol，由 linker 处理：
  • 传统 C 的处理手段：区分 strong/weak symbol，uninit global var 属于 weak。不允许 multiple strong；single strong + multiple weak 选 strong；multiple weak arbitrary。可能引起 subtle bugs
  • C++：ODR，链接错误！

static library

• 优点：不将标准库合并入编译器，将标准库实现与编译器实现解耦；如果作为单个 relocatable 那么整个库各部分无法解耦（编译耗时）、会被完整包含在 executable 内；如果作为多个 relocatable，那么链接十分麻烦
• 将各 relocatable 完整包含，在链接期仅仅被 ref 的部分所在的 relocatable 会被并入 executable
• 具体操作（以 Linux archive 为例）：gcc --static -l -L. -c ar。包括生成 archive relocatables，合并 archive，编译源代码并链接 archive。
• 链接时 linker 利用 static library 处理 unresolved referenes 的机制，特别注意 library 相互依赖的情况

Relocation

relocation

• Relocating sections and symbol definitions：将各 relocatables 的各 section 合并组成 executable 的各 section，为新的 section 和 symbol definition 生成 run-time addr。由链接器执行。
• Relocating symbol references within sections：将各 sections 内的 symbol reference 对应到新生成的 symbol definition addr（基于 symbol resolution 的机制确定对应关系）。由链接器和汇编器共同执行

语言层面的 symbol 在汇编层面中的形式

• 局部变量在生成汇编代码的过程中直接被栈地址/寄存器替代。
• 全局变量/局部静态变量 reference 暂时以 symbol 代替
• 全局/全局静态函数函数调用以 call label 替代

汇编器提供的所有机制中底层实现机制大部分都较为直白，对于 symbol（作为语言层面的一部分 data 和 procedure 底层实现，作为机器码中地址引用的上层抽象）而言，其实现机制为 symbol table + symbol resolution 确定 label reference 和 definition 之间的对应关系，然后在 relocation 中确定 definition 的 run-time 地址后，尝试将一部分可以确定 run-time addr 的 symbol 替换为地址，剩余部分做一些准备工作（relocation entry）交给连接器处理

当汇编器遇到不明确 run-time 地址的 reference 时会在其 section 的 relocation entries 中生成对应 entry，原文件处为留白。

relocation types:

• R_X86_64_PC32：a reference that uses a 32-bit PC-relative address.
• R_X86_64_32：a reference that uses a 32-bit absolute address

链接器对 relocation entry 的处理机制：

Executable Object Files

• ELF header：entry point _start
• segment header table：以 segment 为单位，描述了将 object files 中的一段映射到内存上的对应关系、对齐要求
• sections：no .rel.**, .init(_init)
• section header table

Loader

Dynamic Linking

static library

• 无法避免必要的更新 library 时对原的 executable 的 relink
• 各程序都有一份相同的库被加载到内存上

dynamic library

• 可在 loadtime/runtime 加载并链接。
• loadtime：在 loader 加载完 executable 之后发现包含 dynamic linker 路径（其本身为 .so）的 .interp，于是 load 并 run dynamic linker（尝试解析 executable 中 undef reference，依次 relocate 各 shared library，最后将成功解析的部分替换为实际地址，替换并非直接替换而是通过 GOT/PLT 等实现不修改 executable readonly 的代码部分）然后 pass control to application
  • 具体操作：gcc -shared -fpic 构建动态库；loadtime 链接动态库；runtime 链接动态库，实现更高的灵活性：tranditional C dlfcn.h dlopen, dlsym, dlclose, dlerror, gcc -rdynamic -ldl

PIC

为了让多 processes 共享同一块 shared library 代码，必须实现 shared library 为 position independent code，即"无需 relocate"的 code

pic data reference
pic function callls