LINUX内核分析第七周学习总结：可执行程序的装载

韩玉琪 + 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

内容提要

一、得到一个可执行程序

1. 预处理、编译、链接

gcc hello.c -o hello.exe

  • gcc编译源代码生成最终可执行的二进制程序，GCC后台隐含执行了四个阶段步骤。

      预处理 => 编译 => 汇编 => 链接

  • 预处理：编译器将C源代码中包含的头文件编译进来和执行宏替换等工作。

      gcc -E hello.c -o hello.i

  • 编译：gcc首先要检查代码的规范性、是否有语法错误等，以确定代码的实际要做的工作，在检查无误后，gcc把代码翻译成汇编语言。

      gcc –S hello.i –o hello.s
  -S：该选项只进行编译而不进行汇编，生成汇编代码。

  • 汇编：把编译阶段生成的.s文件转成二进制目标代码.

      gcc –c hello.s –o hello.o

  • 链接:将编译输出.o文件链接成最终的可执行文件。

      gcc hello.o –o hello

  • 运行：若链接没有-o指明，则生成可执行文件默认为a.out

      ./hello

2. 目标文件格式

（1）文件格式

  • a.out是最早的可执行文件格式

注：ABI——应用程序二进制接口

（2）ELF分类

  • 可重定位文件：保存着代码和适当的数据，用来和其他的object文件一起来创建一个可执行文件或者是一个共享文件。

  • 可执行文件：保存着一个用来执行的程序；该文件指出了exec(BA_OS)如何来创建程序进程映象。

  • 共享文件：保存着代码和合适的数据，用来被下面的两个链接器链接。

    • 第一个是连接编辑器[请参看ld(SD_CMD)]，可以和其他的可重定位和共享object文件来创建其他的object。
    • 第二个是动态链接器，联合一个可执行文件和其他的共享object文件来创建一个进程映象。

  • object文件参与程序的链接（创建）和执行。

（3）ELF头

  • 查看ELF文件的头部：readelf

  • 在文件开始保存了：

      - 路线图：描述该文件组织情况
  - 程序头表：告诉系统如何创建一个进程的内存映像
  - section头表：描述文件的section信息。（每个section在这个表中有一个入口，给出该section信息）

  • 当创建或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一个虚拟的内存段。

3. 静态链接的ELF可执行文件和进程的地址空间

  • 入口点：程序从0x804800开始。
  • 可执行文件加载到内存中开始执行的第一行代码。
  • 一般静态链接将会把所有代码放在同一个代码段。
  • 动态连接的进程会有多个代码段。

二、可执行程序的执行环境

1. 命令行参数和shell环境

  • 列出/usr/bin下的目录信息

      $ ls -l /usr/bin

  • Shell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[])

  • 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[ ]);

  • 库函数exec*都是execve的封装例程

2. 命令行参数和shell环境变量的保存与传递

shell程序 => execve => sys_execve

3. 可执行程序动态链接

（1）动态链接

  • 关注：load_elf_binary

      load_elf_binary（...)
  {
  	...
  	kernel_read();//其实就是文件解析
  	...
  	//映射到进程空间 0x804 8000地址
  	elf_map();//
  	...
  	if(elf_interpreter) //依赖动态库的话
  	{
  		...
  		//装载ld的起点  #获得动态连接器的程序起点
  		elf_entry=load_elf_interp(...);
  		...
  	}
  	else //静态链接
  	{
  		...
  		elf_entry = loc->elf_ex.e_entry;
  		...
  	}
  	...
  	//static exe: elf_entry: 0x804 8000
  	//exe with dyanmic lib: elf_entry: ld.so addr
  	start_thread(regs,elf_entry,bprm->p);
  }

  • 实际上，装载过程是一个广度遍历，遍历的对象是“依赖树”。

  • 主要过程是动态链接器完成、用户态完成。

（2）装载时动态链接

/*准备.so文件*/     
shlibexample.h (1.3 KB) - Interface of Shared Lib Example
shlibexample.c (1.2 KB) - Implement of Shared Lib Example

/*编译成libshlibexample.so文件*/
$ gcc -shared shlibexample.c -o libshlibexample.so -m32

/*使用库文件（因为已经包含了头文件所以可以直接调用函数）*/
SharedLibApi();

（3）运行时动态链接

dllibexample.h (1.3 KB) - Interface of Dynamical Loading Lib Example
dllibexample.c (1.3 KB) - Implement of Dynamical Loading Lib Example

/*编译成libdllibexample.so文件*/
$ gcc -shared dllibexample.c -o libdllibexample.so -m32

/*使用库文件*/
void * handle = dlopen("libdllibexample.so",RTLD_NOW);//先加载进来
int (*func)(void);//声明一个函数指针
func = dlsym(handle,"DynamicalLoadingLibApi");//根据名称找到函数指针
func(); //调用已声明函数

（4）运行

$ gcc main.c -o main -L/path/to/your/dir -lshlibexample -ldl -m32
$ export LD_LIBRARY_PATH=$PWD 
/*将当前目录加入默认路径，否则main找不到依赖的库文件，当然也可以将库文件copy到默认路径下。*/

三、可执行程序的装载

1. sys_execve内核处理过程

（1）新的可执行程序起点

  • 一般是地址空间为0x8048000或0x8048300

（2）execve与fork

execve和fork都是特殊一点的系统调用：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。

execve
- 执行到可执行程序 -> 陷入内核
- 构造新的可执行文件 -> 覆盖掉原可执行程序
- 返回到新的可执行程序，作为起点（也就是main函数)
- 需要构造其执行环境；
  • 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，先函数调用参数传递，再系统调用参数传递。

（3）静态链接的可执行程序和动态链接的可执行程序execve系统调用返回时不同

  • 静态链接：elf_entry指向可执行文件的头部，一般是main函数，是新程序执行的起点。
  • 动态链接：elf_entry指向ld（动态链接器）的起点，加载load_elf_interp

2. 庄周梦蝶

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）。

3. 动态链接的可执行程序的装载

（1）可执行文件开始执行的起点在哪里？如何才能让execve系统调用返回到用户态时执行新程序？

  • 修改int 0x80压入内核堆栈的EIP，通过修改内核堆栈中EIP的值作为新程序的起点。

（2）Linux内核是如何支持多种不同的可执行文件格式

static struct linux_binfmt elf_format//声明一个全局变量 = {
.module     = THIS_MODULE,
.load_binary    = load_elf_binary,//观察者自动执行
.load_shlib = load_elf_library,
.core_dump  = elf_core_dump,
.min_coredump   = ELF_EXEC_PAGESIZE,
};

static int __iit init_elf_binfmt(void)
{n
    register_binfmt(&elf_format);//把变量注册进内核链表,在链表里查找文件的格式
    return 0;
}

（3）动态链接

  • 可执行程序需要依赖动态链接库，而这个动态链接库可能会依赖其他的库，这样形成了一个关系图——动态链接库会生成依赖树。
  • 依赖动态链接器进行加载库并进行解析（这就是一个图的遍历），装载所有需要的动态链接库；之后ld将CPU的控制权交给可执行程序
  • 动态链接的过程主要是动态链接器在起作用，而不是内核完成的。

四、实验部分

1. GDB跟踪sys_execve内核函数处理过程

  • 准备内核

  • exec函数运行

  • test.c文件，更新命令部分

  • 在exec函数中执行了动态链接代码

  • makefile中添加对hello程序的处理代码

  • gdb调试，设置断点到sys_exec

  • 进入函数内部发现调用了do_execve()函数

  • gdb调试过程中，执行到start_ thread,查看new_ ip的内容

  • readelf -h hello.c查看入口地址为0x8048d0a与new_ ip查看到的相同。

2. 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：

      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。