从源代码到可执行文件

大家好，又见面了，我是全栈君，今天给大家准备了Idea注册码。

在理解一个源代码是如何成为可执行文件时，我简单的回顾下硬件层面、操作系统层面的知识。

开机启动

一 BIOS扫描基本设备，cpu、memory、display etc，从硬盘启动，读盘面1磁道1扇区1的内容进入内存，这段内容是操作系统引导程序

二 cpu的任务是计算，不同的cpu制定了一套instruction set，通过调用指令集，输入数据，输出数据

三 DMA directly memory access 主存，数据存储介质，读写速率高，满足对cpu的数据输入输出

四 操作系统 负责用户资源（进程、内存、文件系统、硬件设备etc）的管理、调度、安全

以上是我们在开机后做的工作，大量的、复杂的工作，而我们确实享受者。

我们开始编写源代码，然后编译执行。我们感觉到自己非常厉害，其实我们仅仅做了一点点东西。

1 编译器

源代码通过编译器变成汇编文件。

编译器做的主要工作就是根据语言，词法、语法分析，将面向对象的、面向过程的高级语言翻译成汇编语言。

我认为编译器应该是建立在操作系统上的，因为不同的cpu的汇编语言存在差异，所以编译器无法跨硬件平台，需要与操作系统匹配。

（java的编译与c c++的编译，我们称之为传统的编译，是不同的，java的编译是生成字节代码，也就是JVM能够读懂的代码，这是一种中间代码。）

在编译的过程中，所有的全局变量在内存中的标识是虚拟地址，而不是我们在开发过程中定义的名称。例如int a = 1；这里的a在汇编代码中就不存在了，取而代之的是一个地址。在汇编文件中有一个符号表，它指明了这个地址的名称为a，以及其他信息，用于以后的debug。由于并非是可执行文件（在可执行文件中所有变量、调用的地址才能真正确定），这些地址是未确定的，所以对于这些数据（变量、函数）有relocation table，需要在最后的链接过程中对全局变量、函数做relocation

 http://hovertree.com/

2 汇编器

通过汇编器，将之前的汇编代码，转行成机器语言。但格式并非是纯执行代码。

这个时候生成目标文件，文件有不同的段组成，head、text、date、symbol、string、relocat等等

3 linker 链接

linker 就是将目标文件合并，符号解析、重定向。

合并，就是多个obj组合为一个，一个lib或者elf执行文件

重定向，由于地址程序执行代码的地址可以确定了（多亏了操作系统的虚拟内存，每个程序的虚拟内存空间地址都是一样的），之前我们无法确定地址的变量、函数以及由于合并而受到影响的变量、函数都可以给一个地址了。

符号解析，前面的地址都变化了，符号表中内容要更新

4 loader 加载

最后我们运行程序，加载之前linker好的elf文件。

在内存中画一片空间，几个重要的区域。静态code文件区，全局变量区，heap区，stack区。

stack区:是程序运行的动态执行流。我们平时看的程序在做些什么，就打threaddump、processdump实际上就是看stack中的内容。

如果这个时候符号表中的内容在gcc编译时保留了，那么我们可以看到详细的系统调用过程。在linux中我们用lstack和strace可以看程序的stack。

heap区:这个是在程序中deveploer制定分配的区间，用来保存数据，c是面向过程的，所以对内存的分配比较容易理解，nmap函数，分配多少字节等等，最后还要释放这些空间，否则会出现内存泄露。对于面向对象语言java，可能了解起来就比较麻烦，因为java编译器为我们做了一个面向对象到面向过程的转换。但是不变的是我们实例化一个对象，就必须nmap一个区间给这个实力。对于这个实例的attribute属性进行保存，而method方法则无需，因为他是执行流，也就是code，通一个类的所有的实例的method是一样的，在静态code区有method的执行代码。

stack和heap的关系：当然stack中持有了大量heap的reference，比如java，两个类的执行流一样，但是reference不同，只想heap不同的区域，代表不同的实例。

stack中要注意的就是push and pop，他是函数调用、参数传递的主要手段。

动态链接：动态链接库是通过loader来做重定向。在加载时我们并不将库放入内存，而是在运行时通过虚拟内存将一份代码映射到多个程序中。

上是对source code to execute file baisc understand.随笔书写，加深记忆。

推荐：http://www.cnblogs.com/roucheng/p/texiao.html