将 C 或 C++ 源代码编译成可执行文件分成两步：第一步是将每个源代码文件分别编译成可重定位文件（relocatable，扩展名为 .o），第二步是将所有的可重定位文件链接成可执行文件。在 Linux 中，可重定位文件和可执行文件的格式都是 ELF（Executable and Linkable Format）。
本文面向对 ELF 文件格式不熟悉的读者，通过图解的形式讲解 ELF 文件的链接方式，重点分析为什么要引入各种数据结构，以便读者对 ELF 的链接过程有形象化的认识。如果读者对这部分内容已经有所了解，可以直接跳到文章末尾的《参考文献》部分，直接阅读这些深入讲解 ELF 文件格式的文章和文档。
本文涉及的概念包括段（segment）、节（section）、符号表（symbol table）、字符串表（string table）和重定位表（relocation table）。重点讲解这些概念是如何互相配合，以服务于 ELF 链接过程的，而不详细说明这些概念在文件中的二进制格式。
为了减少复杂性，本文中的 ELF 程序都不使用共享对象（shared object）和动态加载技术（dynamic loading）。
1 段（segment）
从操作系统的视角来看，将程序加载到内存中的最简单方法是：将程序从文件中直接拷贝到内存的指定位置上，然后跳转到程序入口处。
因为程序在内存中的位置是预先约定好的，所以，每一个函数和全局变量在内存中的位置也都是可以事先知道的。程序的代码不需要任何修改就可以直接被执行。
在实际的操作系统中，内存是以页（page）为单位管理的。一页为 4096 字节（十六进制表示为 0x1000），每个内存页都可以设置访问权限。在 x86 中，内存页可以设置写入和执行两种权限。
出于系统安全的目的，代码所在的内存页可以执行，但不可以写入，数据所在的内存页可以写入，但不可以执行。如果有一段内存既可以写入，又可以执行，攻击者就可以利用程序的 bug 在这个位置写入攻击代码，然后执行它，从而达到破坏操作系统的目的。
在 ELF 文件中，内存访问属性相同的内容在文件中也连续存储，称为段（segment）。代码存放在代码段（text segment）中，数据存放在数据段（data segment）中。
除了在文件中的位置和长度，一个段还需要说明它在内存中的位置和长度，以及它所需的内存属性。这些信息记录在程序头（program header）中。段和程序头一一对应。
程序头以数组的形式连续地存储在 ELF 文件中，这个数组称为程序头表（program header table）。通常，程序头表在 ELF 头之后，但也可以在文件的其他位置。程序头表的在文件中的具体位置记录在 ELF 头之中。
操作系统根据 ELF 头记录的信息找到程序头表。在找到程序头表之后，操作系统按照每个程序头的信息，将对应的段加载到内存中的相应位置，最后跳转到程序入口处开始执行程序。
因为内存页以 4K 为单位，所以代码段和数据段的长度必须是 4K 的整数倍。如果通过在段末尾补 0 的方式凑齐 4K 的整数倍，就会有空间浪费。为了避免这种浪费，ELF 文件的各个段之间是紧密相连的，只是在加载到内存中的时候，才映射到不同的内存区域。又因为通过内存映射（memory mapping）加载文件时必须以 4K 为单位，所以在内存中数据段的开头会有一小部分代码，而代码段的末尾也会有一小部分数据。
2 节（section）
操作系统最关心的问题是如何将文件加载到内存中，因此，段所记录的信息是：
- 段在文件中的位置和长度；
- 段在内存中的位置和长度；
- 段的内存属性。
而从链接器的视角触发，第二点和第三点都不是链接器所关心的问题。链接器更关心 ELF 文件中各个部分的功能，以及如何按功能将多个可重定位文件合并成一个文件。
一个段可以包含多种需要区别对待的功能：在代码段中，普通的代码和全局初始化代码应该区别对待；在数据段中，有初始值的全局变量和没有初始值的全局变量也应该区别对待。这样一段连续的相同功能的区域称为节（section）。与段不同，每个节都有名称。
与代码和数据相关的节包括：
| 节名称 | 描述 | 在可执行文件中放在哪个段中 |
|---|---|---|
| .text | 一般的代码 | 代码段 |
| .init | 初始化代码，在程序运行的最开始执行 | 代码段 |
| .fini | 清理代码，在程序退出前执行 | 代码段 |
| .data | 有初始值的全局数据 | 数据段 |
| .bss | 没有初始值的全局数据，初始值为 0 | 数据段 |
| .rodata | 只读的全局数据 | 代码段，因为在内存属性上与代码段最接近 |
描述节的结构是节头（section header）。节头以数组的形式连续地存放在文件中，这个数组被称为节头表（section header table）。节头表通常放置于 ELF 文件的末尾，它的具体位置记录在 ELF 头中。
值得注意的是，节不是段的子结构，而是与段的地位相同的结构。段是从操作系统的视角来看 ELF 文件的方式，节是从链接器的视角来看 ELF 文件的方式。它们都是 ELF 文件的可选部分：可重定位文件没有段，而可执行文件也可以没有节（但大部分可执行文件都有节）。
在链接过程中，相同名称的节会合并成一个节。以 .text 节为例，每个可重定位文件都有一个 .text 节，它们被链接器合并成一个大的 .text 节，并存放在输出的可重定位文件或者可执行文件中。
3 符号表（symbol table）和字符串表（string table）
在写程序时，一个文件可以访问另一个文件中定义的变量和函数。这些变量和函数统称为符号（symbol）。其他文件可以访问的符号称为全局符号（global symbol），只有文件内部可以访问的符号称为本地符号（local symbol）。这与 C 语言的 static 关键字的功能是相同的。
如果一个文件引用了另一个文件的符号，这个符号也会被记录在引用者中，称为未定义符号（undefined symbol）。在最终链接成可执行程序时，所有的未定义符号都应该可以找到同名的全局符号，否则就会链接失败。
一个符号除了需要记录它的名字，以便其他文件引用，还需要记录它出现在哪个节中和它在节中的偏移量。这些信息以数组的形式连续地存储在文件中，这个数组称为符号表（symbol table）。符号表是一种特殊的节，它的名字是 .sym。
到目前为止，我们发现 ELF 文件中有两处需要存储字符串，一处是节的名字，另一处是符号的名字。因为字符串的长度是可变的，如果将其直接存在节头和符号表中，就需要预先分配足够的空间，这会造成大量空间被浪费。为了节约字符串的存储空间，ELF 文件中的所有字符串都存放在一个特殊的节中，称作字符串表（string table），它的节名是 .str。
所有的字符串都是以 0 结尾的 C 风格字符串，它们在字符串表中连续存储。其他地方通过它们在字符串表中的下标来引用它们：ELF 头记录了字符串表在节头表中的下标，节头记录了节名称在字符串表中的下标；每个符号表都与一个字符串表关联，每个符号都记录了它的名称在关联的字符串表中的下标。通过这些信息，链接器就可以找到节名和符号名。
4 重定位表（relocation table）
虽然我们现在可以引用其他文件中定义的符号，但我们仍未解决一个重要的问题。
访问全局变量的操作通常会被编译器翻译成访问内存地址的指令。然而，可重定位文件中的节只记录了它在文件中的位置，而不像段一样记录它在内存中的位置，因此我们并不知道文件中定义的全局变量的内存地址。除此之外，如果一个文件引用了另一个文件定义的全局变量，那么直到将它们链接起来之前，我们都不可能知道这个全局变量的内存地址。
进一步地说，直到最终链接成可执行文件时，我们才能知道全局变量和函数的内存地址，在此之前我们始终无法生成访问它们的指令。
ELF 文件的做法是：仍然按照正常的流程生成访问这些全局变量和函数的指令，但是在内存地址部分填写 0，并且将这些占位 0 的出现的位置记录在 ELF 文件中。在确定了所有这些符号的内存地址后，将占位 0 改成正确的内存地址。
如果访问的是全局数组中的某个元素或者全局结构的某个成员，我们会将元素或成员的偏移量当作占位符写在内存地址出现的地方。在确定了符号的内存地址后，将这两者相加就可以得到正确的内存地址。这个偏移量被称作 addon 。
记录这些占位符出现位置的结构称为重定位表（relocation table）。它也是一种特殊的节，而且在文件中不只有一个。每个需要重定位的节都有一个与之对应的重定位表，重定位表的名字就是在被重定位的节名前加上 .rel 或者 .rela。.text 的重定位表是 .rel.text 或者 .rela.text。
之所以有这两种命名方式，是因为重定位表有两种略有不同的格式。.rel 格式的重定位表将 addon 写在内存地址出现的位置，当作占位符，如同前面描述的一样；而 .rela 格式的重定位表将 addon 写在重定位表中，而不是被重定位的位置上。
因为重定位需要符号的内存地址，所以每个重定位表除了与被重定位的节相关联，也与符号表相关联。综合来说，重定位表的每个表项（entry）都记录了四种信息：需要重定位的占位符在节中的偏移量、所引用符号在符号表中的下标、重定位时的地址计算方式和addon。
常见的地址计算方式有两种：
| 名称 | 计算方式 |
|---|---|
| R_386_32 | 符号的内存地址 + Addon |
| R_386_PC32 | 符号的内存地址 + Addon - PC |
PC 指的是程序计数器，该寄存器记录了当前指令所在的内存地址。R_386_PC32 用于相对于 PC 的寻址，通常用于生成位置无关代码（PIC）。
在链接成可执行文件时，链接器首先合并相同的节，然后确定节在内存中的位置，组成段。这时候，链接器就可以计算出所有的符号在内存中的地址。接下来链接器遍历所有的重定位表，将每个需要重定位的位置改写为真正的内存地址，就完成了重定位操作。这样生成的程序就可以被操作系统加载到内存中执行了。
5 小结
- 记录如何将程序加载到内存的结构是段。每个段有如下属性：
- 段在文件中的位置和长度
- 段在内存中的位置和长度
- 段的内存权限
- 记录 ELF 文件中各个部分的结构是节。每个节有如下属性：
- 节的名称
- 节的类型
- 节在文件中的位置
- 与它关联的其他的节的下标
- 符号表与字符串表关联
- 重定位表与符号表和被重定位的节关联
- 全局变量和函数统称为符号。
- 符号有名称
- 每个符号对应一个节和节内偏移
- 按类型，符号可以分成：对象（变量）和函数
- 按作用域，符号可以分成：全局符号和局部符号
- 只是引用而未定义的符号称为未定义符号
- 节名和符号名存储在字符串表中。
- 用于将程序中的占位符改写为内存地址的结构称为重定位表。
- 每个需要重定位的节都有一个与之对应的重定位表
- 每个重定位表项与节中的偏移量和一个符号对应
- 重定位的两种计算方式
- R_386_32 = 符号地址 + Addon
- R_386_PC32 = 符号地址 + Addon - PC
6 参考文献
ELF Format 是描述 ELF 文件格式的文档，只有 60 页但面面俱到地讲解了静态链接和动态加载的原理，是了解 ELF 文件的必读材料。然而这个版本已经略有过时，如果按照这个文档去分析现在的 ELF 文件，会发现一些新的属性在文档中是缺失的。尽管如此，因为这个本手册比较薄，所以它的可读性很好，建议在阅读更详细的文档前先读一下这个文档。
Oracle 的 ELF 文档 是描述 ELF 文件格式最详细和最新的文档，适合当作手册来查阅。
Eli Bendersky 的 Load-Time Relocation of Shared Libraries 是讲解共享对象加载原理的文章。共享对象按照代码是否是位置无关的分成两种，本文讲解的是没有开启 PIC （位置无关代码）选项下共享对象的加载方式，它在原理上与链接是相同的。本文有代码和反汇编等实例，适合读者去更加深入而具体地了解链接的过程。
