程序员的自我修养：链接，装载与库 阅读笔记

• 我们可以把内存想象成一个巨大的数组，很久以前的程序是直接在物理内存上进行操作的。

  • 程序在运行时访问的地址都是物理地址
  • 只要程序要求的内存空间不超过物理内存的大小，就不会有问题
  • 由于物理内存之间没有隔离，程序很容易遭受恶意攻击或者受bug影响
  • 程序的运行地址不确定，因为程序每次需要装入运行时，我们都需要给它从内存中分配一块 足够大的空闲区域
  • 内存使用效率低，为了使用A，就必需把整个A都加载进去

  解决上面的办法就是引入一个中间层，使用一种间接的地址访问方法。通过物理硬件或者软件（这种方式效率低） 把程序的内存地址映射到某个物理地址。此外还可以做到进程之间的隔离，每个进程看到的都是自己的地址， 而看不到物理地址。

• 分段：最开始引入的方式就是分段，通过把物理地址和虚拟地址的某一段对应起来，这样就解决了地址隔离的问题，因为 程序A和程序B被映射到了两个不痛得物理空间区域，他们之间没有任何重叠，如果程序A访问了超出它可以访问的范围，硬件 就判定出错。另外还解决了运行地址不确定的问题，程序只需要关心固定的起始地址等，硬件会自动映射到物理内存上。

• 分页：分段没有解决内存使用效率低的问题，因此引入了分页。分页的基本方法就是把地址空间人为地等分成固定大小 的页，比如4KB。根据程序的局部性原理，每次程序真正使用到的其实只是整个程序中的一小部分，所以分页之后可以只加载 正在使用和可能将要使用的那一部分内存。多余的放在磁盘里。

• 静态编译和链接：对于C程序，整个过程是：

  • 预处理：预编译器把 #include <stdio.h>, #ifdef 等包含语句，条件编译等处理，例如 #include 就把对应的代码插进去。主要处理规则如下：
    • 将所有的 #define 删除，并且展开所有的宏定义
    • 处理所有条件预编译指令，例如 #if, #ifdef 等
    • 处理 #include 将被包含的文件插入到对应的位置，这个过程是递归的
    • 删除所有的注释 // 和 /**/
    • 添加行号和文件名标识，以便编译时编译器产生调试用的行号信息等
    • 保留所有的 #pragma 编译器指令，因为编译器需要它们 经过预编译之后的 .i 文件不包含任何宏定义，因为所有的宏已经被展开，并且包含的文件也已经被插入到 .i 文件中。
  • 编译：通过一系列的此法分析，语法分析，语法优化等步骤之后，产生汇编代码
  • 汇编：汇编器将上一步产生的汇编代码转换成机器可以执行的机器指令，每一个汇编语句几乎都对应一条机器指令
  • 链接：将汇编器产生的机器码进一步处理，将其中的各种变量替换成对应的地址。

• 目标文件：编译器编译源代码之后产生的文件叫做目标文件。目标文件基本上和可执行文件的格式一致， 只是在文件结构上稍有不同。Linux是ELF: Executable Linkable Format，Windows下是PE: Portable Executable， 他们都是COFF: Common file format格式的变种。

• Section, Segment: 目标文件中，按照不同的属性，将内容分开存储，其中各部分就叫节(Section)或者段(Segment):

  • 编译后产生的机器指令一般放在代码段(code section)，代码段常见的名字有 .code 或者 .text
  • 全局变量和局部静态变量静量常放在数据段(data section)，数据段常见的名字叫 .data
  • 未初始化的全局变量和局部静态变量一般都放在bss段里，其默认值都是0.bss段只是为未初始化的全局变量和静态变量 预留位置，并没有内容，因为他们的值都是0，所以没有必要占用空间，他们并不占据空间。
  • 为什么要将代码和数据分开？因为当该程序有多个副本时，可以共享同一个段

• Linux下的内存布局：