本文所读的源码，可以从这里找到，这是 Mach-O 系列的第一篇
我们的程序想要跑起来，肯定它的可执行文件格式要被操作系统所理解，比如 ELF 是 Linux下可执行文件的格式，PE32／PE32+是windows的可执行文件的格式，那么对于OS X和iOS 来说 Mach-O 是其可执行文件的格式。
我们平时了解到的可执行文件、库文件、Dsym文件、动态库、动态连接器都是这种格式的。Mach-O 的组成结构如下图所示包括了Header、Load commands、Data（包含Segement的具体数据）
Header 的结构
Mach－O的头部，使得可以快速确认一些信息，比如当前文件用于32位还是64位，对应的处理器是什么、文件类型是什么
可以拿下面的代码做一个例子
#include <stdio.h>
int main(int argc, const char * argv[]) {
// insert code here...
printf("Hello, World!\n");
return 0;
}
在终端执行以下命令，可以生成一个可执行文件a.out
192:Test Joy$ gcc -g main.c
我们可以使用MachOView（是一个查看MachO 格式文件信息的开源工具）来查看
.out文件的具体格式如何
看到这里肯定有点懵比，不知道这是什么东西，下面看一下 header的数据结构
32位结构
struct mach_header {
uint32_t magic; /* mach magic number identifier */
cpu_type_t cputype; /* cpu specifier */
cpu_subtype_t cpusubtype; /* machine specifier */
uint32_t filetype; /* type of file */
uint32_t ncmds; /* number of load commands */
uint32_t sizeofcmds; /* the size of all the load commands */
uint32_t flags; /* flags */
};
64位架构
struct mach_header_64 {
uint32_t magic; /* mach magic number identifier */
cpu_type_t cputype; /* cpu specifier */
cpu_subtype_t cpusubtype; /* machine specifier */
uint32_t filetype; /* type of file */
uint32_t ncmds; /* number of load commands */
uint32_t sizeofcmds; /* the size of all the load commands */
uint32_t flags; /* flags */
uint32_t reserved; /* reserved */
};
32位和64位架构的头文件，没有太大的区别，只是64位多了一个保留字段罢了
-
magic：魔数，用于快速确认该文件用于64位还是32位 -
cputype：CPU类型，比如 arm -
cpusubtype：对应的具体类型，比如arm64、armv7 -
filetype：文件类型，比如可执行文件、库文件、Dsym文件，demo中是2MH_EXECUTE，代表可执行文件
* Constants for the filetype field of the mach_header
*/
#define MH_OBJECT 0x1 /* relocatable object file */
#define MH_EXECUTE 0x2 /* demand paged executable file */
#define MH_FVMLIB 0x3 /* fixed VM shared library file */
#define MH_CORE 0x4 /* core file */
#define MH_PRELOAD 0x5 /* preloaded executable file */
#define MH_DYLIB 0x6 /* dynamically bound shared library */
#define MH_DYLINKER 0x7 /* dynamic link editor */
#define MH_BUNDLE 0x8 /* dynamically bound bundle file */
#define MH_DYLIB_STUB 0x9 /* shared library stub for static */
#define MH_DSYM 0xa /* companion file with only debug */
#define MH_KEXT_BUNDLE 0xb /* x86_64 kexts */
-
ncmds ：加载命令条数 -
sizeofcmds：所有加载命令的大小 -
reserved：保留字段 -
flags：标志位，刚才demo中显示的都在这里了，其余的有兴趣可以阅读mach o源码
#define MH_NOUNDEFS 0x1 // 目前没有未定义的符号，不存在链接依赖
#define MH_DYLDLINK 0x4 // 该文件是dyld的输入文件，无法被再次静态链接
#define MH_PIE 0x200000 // 加载程序在随机的地址空间，只在 MH_EXECUTE中使用
#define MH_TWOLEVEL 0x80 // 两级名称空间
随机地址空间
进程每一次启动，地址空间都会简单地随机化。
对于大多数应用程序来说，地址空间随机化是一个和他们完全不相关的实现细节，但是对于黑客来说，它具有重大的意义。
如果采用传统的方式，程序的每一次启动的虚拟内存镜像都是一致的，黑客很容易采取重写内存的方式来破解程序。采用ASLR可以有效的避免黑客攻击。
dyld
动态链接器，他是苹果开源的一个项目，可以在这里下载，当内核执行LC_DYLINK（后面会说到）时，连接器会启动，查找进程所依赖的动态库，并加载到内存中。
二级名称空间
这是dyld的一个独有特性，说是符号空间中还包括所在库的信息，这样子就可以让两个不同的库导出相同的符号，与其对应的是平坦名称空间
Load commands 结构
Load commands紧跟在头部之后，这些加载指令清晰地告诉加载器如何处理二进制数据，有些命令是由内核处理的，有些是由动态链接器处理的。在源码中有明显的注释来说明这些是动态连接器处理的。
这里列举几个看上去比较熟悉的....
// 将文件的32位或64位的段映射到进程地址空间
#define LC_SEGMENT 0x1
#define LC_SEGMENT_64 0x19
// 唯一的 UUID，标示二进制文件
#define LC_UUID 0x1b /* the uuid */
// 刚才提到的，启动动态加载连接器
#define LC_LOAD_DYLINKER 0xe /* load a dynamic linker */
// 代码签名和加密
#define LC_CODE_SIGNATURE 0x1d /* local of code signature */
#define LC_ENCRYPTION_INFO 0x21 /* encrypted segment information */
load command的结构如下
struct load_command {
uint32_t cmd; /* type of load command */
uint32_t cmdsize; /* total size of command in bytes */
};
通过 MachOView来继续查看刚才Demo中的Load commands的一些细节，LC_SEGMENT_64和LC_SEGMENT是加载的主要命令，它负责指导内核来设置进程的内存空间
-
cmd：就是Load commands的类型，这里LC_SEGMENT_64代表将文件中64位的段映射到进程的地址空间。LC_SEGMENT_64和LC_SEGMENT的结构差别不大，下面只列举一个，有兴趣可以阅读源码
struct segment_command_64 { /* for 64-bit architectures */
uint32_t cmd; /* LC_SEGMENT_64 */
uint32_t cmdsize; /* includes sizeof section_64 structs */
char segname[16]; /* segment name */
uint64_t vmaddr; /* memory address of this segment */
uint64_t vmsize; /* memory size of this segment */
uint64_t fileoff; /* file offset of this segment */
uint64_t filesize; /* amount to map from the file */
vm_prot_t maxprot; /* maximum VM protection */
vm_prot_t initprot; /* initial VM protection */
uint32_t nsects; /* number of sections in segment */
uint32_t flags; /* flags */
};
-
cmdsize：代表load command的大小 -
VM Address ：段的虚拟内存地址 -
VM Size ：段的虚拟内存大小 -
file offset：段在文件中偏移量 -
file size：段在文件中的大小
将该段对应的文件内容加载到内存中：从offset处加载 file size大小到虚拟内存 vmaddr处，由于这里在内存地址空间中是_PAGEZERO段（这个段不具有访问权限，用来处理空指针）所以都是零
还有图片中的其他段，比如_TEXT对应的就是代码段，_DATA对应的是可读／可写的数据，_LINKEDIT是支持dyld的，里面包含一些符号表等数据
-
nsects：标示了Segment中有多少secetion -
segment name：段的名称，当前是__PAGEZERO
Segment & Section
这里有个命名的问题，如下图所示，__TEXT代表的是Segment，小写的__text代表 Section
Section的数据结构
struct section { /* for 32-bit architectures */
char sectname[16]; /* name of this section */
char segname[16]; /* segment this section goes in */
uint32_t addr; /* memory address of this section */
uint32_t size; /* size in bytes of this section */
uint32_t offset; /* file offset of this section */
uint32_t align; /* section alignment (power of 2) */
uint32_t reloff; /* file offset of relocation entries */
uint32_t nreloc; /* number of relocation entries */
uint32_t flags; /* flags (section type and attributes)*/
uint32_t reserved1; /* reserved (for offset or index) */
uint32_t reserved2; /* reserved (for count or sizeof) */
};
-
sectname：比如_text、stubs -
segname ：该section所属的segment，比如__TEXT -
addr ：该section在内存的起始位置 -
size：该section的大小 -
offset：该section的文件偏移 -
align ：字节大小对齐 -
reloff ：重定位入口的文件偏移 -
nreloc：需要重定位的入口数量 -
flags：包含section的type和attributes
发现很多底层知识都是以 Mach-O为基础的，所以最近打算花时间结合Mach-O做一些相对深入的总结，比如符号解析、bitcode、逆向工程等，加油吧
参考链接
- 深入理解 MAC OS X & iOS 操作系统
- mach-o/loader.h
- Mach-O文件格式和程序从加载到执行过程
- OS X ABI Mach-O File Format Reference
网友评论