Linux可执行文件与进程的虚拟地址空间

作者简介：

本文由西邮陈莉君教授研一学生贺东升编辑，梁金荣、张孝家校对

Linux可执行文件与进程的虚拟地址空间

一个可执行文件被执行的同时也伴随着一个新的进程的创建。Linux会为这个进程创建一个新的虚拟地址空间，然后会读取可执行文件的文件头，建立虚拟地址空间与可执行文件的映射关系，然后将CPU的指令指针寄存器设置成可执行文件的入口地址，然后CPU就会从这里取指令执行。

一个可执行文件包含可被CPU执行的指令和待处理的数据，上CPU之前，指令和数据全部被翻译成成二进制的形式。在可执行的文件的内部，划分出了一些专门的段，如代码段，数据段，BSS段等。代码段中存放的是可执行的二进制指令，数据段存放初始化过的变量，BSS段存放未初始化的变量，从装载的角度，把这些段称为segment。

32位的虚拟地址空间

64位的虚拟地址空间

Proc目录下的进程虚拟地址空间布局

Linux在装载可执行文件的时候，会将这些segment映射到进程的地址空间中。映射的时候，这里面的segment会对应一个VMA。Linux将进程虚拟地址空间中的一个段叫做虚拟内存区域（VMA）。在/proc目录下，可以查看一个进程的虚拟地址空间，通过命令

cat /proc/pid/maps

这里面的每一行都对应一个VMA，每一个VMA都通过 vm_area_struct 结构体来描述。结构体中的 vm_start 和 vm_end 是VMA的起始地址和结束地址，还有其他的一些域来描述VMA的权限等。我们需要关注的是前三个VMA，这是ELF可执行文件的segment映射过来的。可以看到，这里面并没有标明哪个是TEXT段，哪个是DATA段和BSS段。但是可以发现，前三个VMA的权限都不一样。

虚拟地址空间存储区的分布

所以，操作系统实际上并不关心可执行文件各个段所包含的的实际内容，OS只关心一些跟装载相关的问题，最主要的是段的权限(可读，可写，可执行)。

ELF文件中，段的权限往往只有为数不多的几种组合，基本上就3种：

1. 以代码段为代表的权限为可读可执行的段

2. 以数据段和BSS段为代表的权限为可读可写的段

3. 以只读数据段为代表的权限为只读的段

ELF可执行文件中有两个概念，分别是段(segment)和节(section)。通过readelf -S name.elf可以查看ELF可执行文件的节头表，这里面有所有节的信息

在将目标文件链接成可执行文件的时候，链接器会尽量把相同权限属性的段分配在同一空间。比如可读可执行的段都放在一起，这种段的典型是代码段；可读可写的段都放在一起，这种段的典型是数据段。在ELF中，把这些属性相似的，又连在一起的段叫做一个“segment”，而系统正是按照“segment”而不是“section”来映射可执行文件的。

可以使用命令  readelf -l name.elf 来查看ELF的段。在ELF的程序头表，保存着segment的信息

最下面是是段与节的归属关系：

可以看到这个可执行文件中共有9个segment。从装载的角度看，我们只关心两个“LOAD”型的segment，因为只有它是需要被映射的，其他诸如“NOTE”,"GNU_STACK"都是在装载时起辅助作用的。下面的0到8分别对应着上面的一个segment，两个LOAD类型的segment分别对应着02和03，可以看到每个LOAD类型的segment里面都包含了许多的section。

ELF将相同或者相似属性的section合并为一个segment并映射到一个VMA中，是为了减少页面内部碎片，以节省内存空间的使用。因为在有了虚拟存储机制以后，装载的时候采用页映射的方式。Intel系列的处理器，页尺寸最小是4096个字节，也就是4KB。当写的程序很小的时候，每个section可能只有几十或者几百个字节，如果每个section都占用一个页的话，对内存的浪费是海量的。所以在将目标文件链接成可执行文件的时候，链接器会尽量把相同或相似权限属性的section分配在同一空间，在程序头表中，将一个或多个属性类似的section合并为一个segment，然后在装载的时候，将这个segment映射到进程虚拟地址空间中的一个VMA中。

ELF可执行文件与进程虚拟地址空间的映射关系

很明显，属性相同或相似的section会被归类到一个segment，并且被映射到同一个VMA。

总的来说，“segment”和“section”是从不同的角度来划分同一个ELF文件。这个在ELF文件中被称为不同的视图（view），从section的角度来看ELF文件就是链接视图(Linking View),从segment的角度来看就是执行视图(Execution View)。当我们在谈到ELF装载时，段专门指segment，而在其他的情况下，段指的是section。

在实际的映射过程中，只发现有代码段映射的VMA，有数据段映射的VMA，却没有BSS段映射的VMA。

如果仔细观察程序头表，查看两个LOAD型的segment，会发现一些映射的细节。

FileSiz表示segment在ELF文件中所占的大小，MemSiz表示segment在进程虚拟地址空间中所占的大小。可以发现，MemSiz比FileSiz多出了0x20个字节，十六进制的20对应的十进制是32。再来看一下这个ELF可执行文件中BSS段的大小。

可以看到，BSS段的大小正好是十进制的32,。这说明在实际映射的时候，数据段在内存中所分配的空间大小超过实际的大小，超出去的这部分空间就是BSS段，并没有为BSS段进行专门的映射，这就是为什么在查看程序头表时，只看到了两个LOAD类型的段，而不是三个，BSS段已经被合并到了数据类型的段里面。

这样做的好处就是在构造ELF可执行文件时，不需要再额外设立BSS的segment了，只需把数据segment的内存扩大，那些额外的部分就是BSS。而这部分多出的BSS空间，会被全部填充为0 。在C语言中，没有初始化的全局变量和一些静态变量会被默认初始化为0 ，这就是原因，因为它们会被分配到BSS段上，被一次性初始化为0。

最后我们通过一个打印变量地址的小程序进行验证，仔细观察没有初始化的全局变量和一些静态变量的线性地址。

视频讲解

这部分内容录了一个视频，因为这是我第一次录讲解视频，没有什么经验，如果视频内容有任何问题还希望各路大神指出，不胜感激。

• 腾讯视频：