企业官网建设流程全解析

进程虚拟地址空间是Linux系统编程的骨架，fork、exec、mmap、动态链接、线程栈、内存泄漏、段错误、写时复制（COW）等机制，全部建立在地址空间的基础之上。

“text、data、bss、heap、stack”的五层模型便于入门，但混淆了静态ELF文件结构与运行时内存布局两个完全不同的视角，也忽略了现代Linux系统中mmap、多线程栈、内核空间隔离等关键机制。

ELF：Executable and Linkable Format，Linux / Unix 体系下的标准二进制文件格式，静态程序、动态程序、目标文件.o、动态库.so、核心转储 core 文件，都是 ELF。

一、Section / Segment / VMA

1.1 ELF Section：链接器视角

Section（节）是编译与静态链接阶段的概念，是链接器进行符号解析、重定位、段合并的基本单元。

• 典型的节：.text、.rodata、.data、.bss、.symtab、.strtab、.rel.text等
• 描述结构：Section Header Table（节头表）
• 查看工具：readelf -S <elf_file>
• 作用：组织二进制文件的内容，方便链接器进行合并、重定位与符号管理

节头表描述了文件中所有节的信息，每个节有自己的类型、属性、地址、大小等元数据。但节的划分是面向链接器的，不是所有节都会被加载到内存中（比如符号表、调试信息等节仅用于链接与调试，运行时不需要加载）。

1.2 ELF Segment：加载器视角

Segment（段）是程序加载阶段的概念，是操作系统加载ELF文件时进行内存映射的基本单元。

• 典型的段：PT_LOAD（可加载段）、PT_DYNAMIC（动态链接信息）、PT_INTERP（解释器路径）等
• 描述结构：Program Header Table（程序头表）
• 查看工具：readelf -l <elf_file>
• 作用：告诉内核如何把文件内容映射到进程虚拟地址空间

elf(5)明确指出：一个段包含一个或多个节。链接器会把权限属性相同的节打包进同一个PT_LOAD段中，内核加载时以段为单位进行内存映射，而不是逐个节映射。

1.3 VMA：内核内存管理视角

VMA（Virtual Memory Area，虚拟内存区域）是运行时内核视角的概念，是内核管理进程虚拟地址空间的最小单位。

• 每个VMA是一段连续的、具有相同访问权限和属性的虚拟地址范围
• 查看工具：cat /proc/<pid>/maps
• 作用：内核页表管理、缺页异常处理、内存权限控制的基础

我们常说的“堆、栈、共享库映射”，本质上都是一个个VMA。ELF段加载后会对应到VMA，但运行时还会动态创建很多VMA（比如堆扩展、mmap映射、线程栈等）。

Section是链接视图，Segment是加载视图，VMA是运行时视图。三者从不同层面描述了程序的内存布局，不可混为一谈。

二、ELF可执行映像：四大节

.text、.rodata、.data、.bss是ELF文件中最核心的四个节，也是程序静态代码与数据的载体。

2.1 .text：可执行代码段

.text段存放编译后的机器指令，是程序逻辑的载体。

• 内容：函数的机器码、启动代码、异常处理指令等
• ELF类型：SHT_PROGBITS（程序定义的内容，存在于文件中）
• ELF属性：SHF_ALLOC | SHF_EXECINSTR（运行时占用内存、包含可执行指令）
• 运行时权限：R-X（可读、可执行、不可写）

例如一个简单的加法函数：

int add(int a, int b) { return a + b; }

编译后生成的机器指令全部归入.text段。由于该段默认没有写权限，直接修改代码段的内存会触发SIGSEGV（段错误），这也是Linux系统基本的安全防护。

2.2 .rodata：只读数据段

.rodata段存放只读数据，是程序中常量的载体。

• 内容：字符串常量、const修饰的全局变量、跳转表等
• ELF类型：SHT_PROGBITS
• ELF属性：SHF_ALLOC
• 运行时权限：R--（只读、不可执行、不可写）

const char* str = "hello world";

问：str变量在哪里？字符串"hello world"在哪里？

答案是两个完全不同的位置：

• 若str是局部变量：变量本身存储在栈（或寄存器）中，保存的是一个地址值
• 字符串常量"hello world"：存储在.rodata段中

因此str = "world"是合法的（修改指针变量本身的值），但str[0] = 'H'是非法的（修改只读段的数据），C++的const类型系统也会在编译期阻止这一行为。

2.3 .data：已初始化数据段

.data段存放已初始化的、可写的全局变量与静态变量。

• 内容：有明确初始值的全局变量、静态变量
• ELF类型：SHT_PROGBITS
• ELF属性：SHF_ALLOC | SHF_WRITE（运行时占用内存、可写）
• 运行时权限：RW-（可读、可写、不可执行）
• 文件特性：变量的初始值保存在ELF文件中，占用磁盘空间

例如：

int g1 = 100; // 全局已初始化 → .data static int g4 = 300; // 静态已初始化 → .data

这些变量的初始值100、300会被写入ELF文件的.data段，程序加载时直接映射到内存。

2.4 .bss：未初始化数据段

.bss段存放未初始化或初始化为0的全局变量与静态变量，是最容易被误解的节。

• 内容：未显式初始化、或初始值为0的全局/静态变量
• ELF类型：SHT_NOBITS（关键：不占用文件中的实际空间）
• ELF属性：SHF_ALLOC | SHF_WRITE
• 运行时权限：RW-
• 文件特性：仅记录大小，不存储实际数据；程序加载时由内核将该区域初始化为全0

SHT_NOBITS类型的节在文件中不占用空间，仅记录概念上的偏移与大小。这一设计的目的是节省磁盘空间。

例如定义一个100MB的全局数组：

char buffer[100 * 1024 * 1024]; // 未初始化全局数组

如果没有.bss段，ELF文件需要存储100MB的0，会极大浪费磁盘空间。有了.bss，文件中只需记录“该区域大小为100MB，运行时清零”即可。

关键对比：

• .data：占磁盘空间，占运行内存
• .bss：不占磁盘空间（仅存元数据），占运行内存

三、堆（Heap）与brk机制

3.1 Program Break与brk系统调用

Linux内核中，传统堆的边界由program break（程序间断点）定义，它标志着进程数据段的结束位置。

• 数据段（.data + .bss）结束之后，就是堆的起始地址
• program break是堆的当前边界，向高地址方向移动则堆扩展，向低地址移动则堆收缩

操作program break的系统调用是brk()和sbrk()：

• brk(addr)：直接将program break设置为指定地址
• sbrk(increment)：将program break增加/减少指定字节数，返回旧的边界地址

提高program break会为进程分配内存，降低则释放内存。应用程序应使用malloc等标准分配接口，而不是直接调用brk/sbrk。

3.2 重要纠正：malloc ≠ 堆

glibc的内存分配器（ptmalloc）采用多层架构，内存来源分为两条路径：

1. 小内存分配：从堆区（arena）分配
   • 对于小于mmap_threshold的分配请求，分配器从内存池（arena）中切分内存
   • 内存池不足时，底层通过brk()扩展program break来扩大堆区
2. 大内存分配：直接使用mmap匿名映射
   • 对于大于mmap_threshold的分配请求，分配器直接调用mmap(MAP_ANONYMOUS)分配独立的匿名映射
   • 释放时直接调用munmap()归还内存给系统

mmap_threshold默认值为128KB，并且会根据程序的分配模式动态调整。

除此之外，glibc还引入了多arena机制：为减少多线程下的锁竞争，系统会创建多个内存池（arena），每个线程优先使用自己的arena。arena的数量可通过glibc.malloc.arena_max等参数配置。

malloc分配的内存可能来自传统堆，也可能来自mmap匿名映射。[heap]标记的VMA只是传统堆区，不等于所有malloc内存。

四、mmap

mmap是现代Linux内存管理的核心机制，其重要性远超过传统堆。理解了mmap，才能真正理解进程地址空间。

4.1 mmap定义

mmap()：在进程的虚拟地址空间中，创建一段新的虚拟内存区域（VMA），并将其与某种后备存储关联起来。

mmap的原型为：

void *mmap(void *addr, size_t length, int prot, int flags, int fd, off_t offset);

参数：

• prot：内存保护权限，PROT_READ/PROT_WRITE/PROT_EXEC/PROT_NONE
• flags：映射类型，MAP_PRIVATE（私有写时复制）/MAP_SHARED（共享）/MAP_ANONYMOUS（匿名）等

4.2 mmap的四大分类

按照后备存储的不同，mmap映射可以分为四大类：

（1）匿名映射（Anonymous Mapping）

• 没有文件作为后备存储，映射内容初始化为0
• 标志：MAP_ANONYMOUS，fd参数传-1
• 用途：大内存分配、线程栈、堆的扩展等

（2）普通文件映射（File-backed Mapping）

• 将磁盘上的普通文件映射到地址空间，访问内存等价于访问文件
• 分为MAP_PRIVATE（私有，写时复制，修改不回写文件）和MAP_SHARED（共享，修改直接回写文件）
• 用途：文件快速读写、配置加载、进程间通信等

（3）共享库映射（Shared Library Mapping）

• 本质是文件映射的一种，动态链接器将.so共享库文件映射到进程地址空间
• 一个共享库会被拆分成多个不同权限的段：代码段（r-x）、只读数据段（r–）、可写数据段（rw-）
• 用途：加载libc、libstdc++等动态库

（4）特殊映射

• 设备映射：映射硬件设备的寄存器地址，用于驱动开发
• 共享内存：/dev/shm、POSIX共享内存，用于进程间通信
• vdso/vsyscall：内核映射到用户空间的系统调用加速代码

4.3 共享库

所有动态加载的共享库，本质都是通过mmap映射到进程地址空间的。

动态链接器（ld-linux.so）的工作就是：

1. 解析程序依赖的所有共享库
2. 按照搜索路径找到对应的.so文件
3. 通过mmap将共享库的各个段映射到进程地址空间
4. 进行符号重定位，解析函数与变量地址

因此在/proc/pid/maps中，我们会看到一个libc.so对应多个VMA段，分别对应不同权限的节：

• r-xp：代码段（.text）
• r--p：只读数据段（.rodata）
• rw-p：可写数据段（.data + .bss）

五、栈（Stack）

栈承载了函数调用的全部上下文，是程序运行的基石。

5.1 栈里有什么

栈区域存储的内容包括：

1. 函数栈帧：每次函数调用都会创建一个栈帧，包含返回地址、调用者保存的寄存器、局部变量、临时数据、函数参数等
2. 进程启动信息：程序启动时，内核会把命令行参数（argv）、环境变量（envp）、辅助向量（auxv）压入栈顶
3. 线程私有数据：每个线程的栈中还会存放线程的私有数据

x86架构下栈是向下增长的（从高地址向低地址延伸），栈指针寄存器（rsp）指向栈顶。

5.2 栈溢出的原理

栈的大小不是无限的，受RLIMIT_STACK资源限制，默认通常为8MB。

当栈访问超出限制范围时，会触及栈下方的守护页（guard page），触发页故障，内核向进程发送SIGSEGV信号，也就是我们常说的“栈溢出”。

例如定义一个超大的局部数组：

void foo() { char buffer[100 * 1024 * 1024]; // 100MB局部数组 }

调用该函数会直接触发栈溢出。

5.3 多线程下的栈模型

同一进程的多个线程共享地址空间，但每个线程拥有独立的栈。

这里的“独立”不是指独立的地址空间，而是指在同一个虚拟地址空间中，每个线程对应一个独立的栈VMA。每个线程的栈指针（rsp）指向自己的栈区域，因此线程的局部变量互不干扰。

进程地址空间中的栈区域包括：

• 主线程栈：标记为[stack]
• 其他线程栈：每个线程一个独立的匿名映射段，旧内核中标记为[stack:tid]

六、用户空间与内核空间的划分

6.1 x86-64地址空间布局

根据Linux内核官方文档（arch/x86/x86_64/mm），64位虚拟地址空间分为两大部分，中间是巨大的非规范地址空洞。

4级页表（48位虚拟地址）

• 用户空间：0x0000000000000000 ~ 0x00007fffffffffff，大小约128TB
• 非规范空洞：0x0000800000000000 ~ 0xffff7fffffffffff，不可访问
• 内核空间：0xffff800000000000 ~ 0xffffffffffffffff，大小约128TB

5级页表（57位虚拟地址）

• 用户空间扩展到约64PB
• 内核空间起始地址下移，范围相应扩大

需要注意的是，ASLR（地址空间布局随机化）、PIE（位置无关可执行文件）、内核配置等都会改变具体区域的实际地址，教科书式的固定布局只是简化模型。

6.2 内核空间的内部布局

内核空间不是一块整体，而是划分为多个功能区域：

• 直接物理映射区：线性映射所有物理内存
• vmalloc/ioremap区：动态分配的内核虚拟内存
• 内核代码/数据段：内核本身的text、data段
• KASAN影子内存：内存检测工具的影子区域
• EFI区域：EFI运行时服务映射
• 固定映射区：特殊的固定地址映射

6.3 权限隔离

用户态程序运行在特权级3（CPL 3），内核运行在特权级0（CPL 0）。用户态无法直接访问内核空间的任何地址，强行访问会触发页故障，最终由内核发送SIGSEGV信号终止进程。

这是操作系统最基本的安全隔离机制，保证用户程序不能破坏内核或其他进程。

七、用/proc/maps看清真实的地址空间

/proc/<pid>/maps是观察进程地址空间最直接的工具，它列出了进程所有的VMA。每一行的格式为：

地址范围 权限 偏移 设备 inode 路径名 00400000-00452000 r-xp 00000000 08:02 173521 /usr/bin/dbus-daemon

各字段含义：

1. 地址范围：VMA的起始和结束虚拟地址
2. 权限：r读 /w写 /x执行 /s共享 /p私有（写时复制）
3. 偏移：文件映射中的偏移量，匿名映射为0
4. 设备：映射文件所在的设备号
5. inode：映射文件的inode号
6. 路径名：映射的文件路径，或特殊标记

区域对应关系

我们可以把前面讲的所有区域对应到maps输出中：

总结

Linux进程虚拟地址空间从大的层面分为用户空间和内核空间，其中用户空间主要包含以下几类区域：

1. ELF可执行映射
   • 可执行代码段（.text）：存放机器指令，只读可执行
   • 只读数据段（.rodata）：存放常量，只读
   • 可写静态数据段：.data（已初始化）和.bss（零初始化），可读可写
2. 运行时动态映射
   • 传统堆：基于brk机制，用于小内存分配
   • mmap映射区：包括匿名映射、文件映射、共享库映射等，是现代内存分配的核心
   • 栈区域：主线程栈与每个线程的独立栈，用于函数调用上下文
3. 内核空间：受特权级保护，用户态不可直接访问

最后补充一句：

.text/.rodata/.data/.bss是ELF文件的Section概念，属于静态视图；程序运行时加载器按Program Header中的Segment进行映射；而堆、栈、共享库等最终都表现为内核管理的VMA。