Wild项目中ELF文件.preinit_array段位置问题分析
2025-07-06 06:06:59作者:戚魁泉Nursing
问题背景
在Wild项目(一个ELF链接器)中,发现了一个关于.preinit_array段位置的特殊问题。当使用Wild链接器处理包含.preinit_array段的程序时,该段会被放置在.eh_frame和.gcc_except_table之间,这与传统链接器(如GNU ld)的行为不同。
问题表现
通过一个简单的测试程序可以重现这个问题。程序包含:
- 构造函数和析构函数标记的函数
- 一个
preinit函数 - 异常处理代码
使用Wild链接后,通过readelf工具查看生成的ELF文件,发现.preinit_array段被放置在.eh_frame_hdr和.gcc_except_table之间,而传统链接器会将其放在.init_array和.fini_array附近。
技术分析
ELF段布局差异
Wild链接器的段布局:
.eh_frame_hdr
.eh_frame
.preinit_array <-- 问题段
.gcc_except_table
...
.init_array
.fini_array
传统链接器的段布局:
.eh_frame_hdr
.eh_frame
.gcc_except_table
.preinit_array <-- 与init/fini数组相邻
.init_array
.fini_array
段映射问题
进一步分析发现,Wild生成的ELF文件中,.preinit_array段没有被正确映射到RELRO(只读重定位)段中,而传统链接器会将其包含在RELRO段内。
解决方案
尝试的修复方法包括:
- 为
.preinit_array段添加WRITE标志 - 将其标记为RELRO段
虽然初步修复没有完全解决问题,但通过后续提交(65b9a79)最终解决了这个段布局问题。
影响范围
这个问题特别影响需要精确控制段布局的场景,尤其是:
- 异常处理机制(
.eh_frame和.gcc_except_table的连续性) - 程序初始化顺序(
.preinit_array需要在.init_array之前执行) - 内存保护机制(RELRO段的安全特性)
结论
ELF链接器中的段布局对程序行为有重要影响。Wild链接器在这个特定案例中展示了与传统链接器不同的行为,但通过适当的修复可以保持兼容性。这个问题也提醒我们,在开发系统级工具时需要特别注意标准段布局和内存保护特性的正确处理。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1