为什么 Linux 上字符串文字的内存地址与其他字符串文字的内存地址如此不同？

Question

我注意到字符串文字在内存中的地址与其他常量和变量 (Linux OS) 非常不同：它们有许多前导零（未打印）。

示例：

const char *h = "Hi";
int i = 1;
printf ("%p\n", (void *) h);
printf ("%p\n", (void *) &i);

输出：

0x400634
0x7fffc1ef1a4c

我知道它们存储在可执行文件的 .rodata 部分。 OS 之后是否有特殊的处理方式，所以文字最终会出现在特殊的内存区域（前导零）？该内存位置是否有任何优势或有什么特别之处？

Answer 1

printf ("%p\n", h); // h is the address of "Hi", which is in the rodata or other segments of the application.
printf ("%p\n", &i); // I think "i" is not a global variable, so &i is in the stack of main. The stack address is by convention in the top area of the memory space of the process.

Answer 2

那是因为字符串文字具有静态存储持续时间。也就是说，他们将在整个程序中存活。这些变量可能存储在一个特殊的内存位置，该位置既不在所谓的堆上，也不在堆栈上。因此地址不同。

Answer 3

进程内存在 Linux 上的布局方式（来自 http://www.thegeekstuff.com/2012/03/linux-processes-memory-layout/）：

.rodata 部分是 Initialized Global Data 块的写保护子部分。（ELF 可执行文件指定 .data 的部分是初始化为非零值的可写全局变量的可写对应部分。初始化为零的可写全局变量转到 .bss 块。这里的全局变量是指全局变量和所有 static 变量，无论放置如何。）

图片应该解释你的地址的数值。

如果您想进一步调查，那么在 Linux 您可以检查 /proc/$pid/maps 描述运行进程内存布局的虚拟文件。您不会获得保留的（以点开头的）ELF 部分名称，但您可以通过查看其内存保护标志来猜测内存块来自哪个 ELF 部分。例如，运行

$ cat /proc/self/maps #cat's memory map

给我

00400000-0040b000 r-xp 00000000 fc:00 395465                             /bin/cat
0060a000-0060b000 r--p 0000a000 fc:00 395465                             /bin/cat
0060b000-0060d000 rw-p 0000b000 fc:00 395465                             /bin/cat
006e3000-00704000 rw-p 00000000 00:00 0                                  [heap]
3000000000-3000023000 r-xp 00000000 fc:00 3026487                        /lib/x86_64-linux-gnu/ld-2.19.so
3000222000-3000223000 r--p 00022000 fc:00 3026487                        /lib/x86_64-linux-gnu/ld-2.19.so
3000223000-3000224000 rw-p 00023000 fc:00 3026487                        /lib/x86_64-linux-gnu/ld-2.19.so
3000224000-3000225000 rw-p 00000000 00:00 0
3000400000-30005ba000 r-xp 00000000 fc:00 3026488                        /lib/x86_64-linux-gnu/libc-2.19.so
30005ba000-30007ba000 ---p 001ba000 fc:00 3026488                        /lib/x86_64-linux-gnu/libc-2.19.so
30007ba000-30007be000 r--p 001ba000 fc:00 3026488                        /lib/x86_64-linux-gnu/libc-2.19.so
30007be000-30007c0000 rw-p 001be000 fc:00 3026488                        /lib/x86_64-linux-gnu/libc-2.19.so
30007c0000-30007c5000 rw-p 00000000 00:00 0
7f49eda93000-7f49edd79000 r--p 00000000 fc:00 2104890                    /usr/lib/locale/locale-archive
7f49edd79000-7f49edd7c000 rw-p 00000000 00:00 0
7f49edda7000-7f49edda9000 rw-p 00000000 00:00 0
7ffdae393000-7ffdae3b5000 rw-p 00000000 00:00 0                          [stack]
7ffdae3e6000-7ffdae3e8000 r--p 00000000 00:00 0                          [vvar]
7ffdae3e8000-7ffdae3ea000 r-xp 00000000 00:00 0                          [vdso]
ffffffffff600000-ffffffffff601000 r-xp 00000000 00:00 0                  [vsyscall]

第一个r-xp块肯定来自.text（可执行代码），第一个 r--p 块来自 .rodata，接下来的 rw-- 块来自 .bss 和 .data。（在堆和堆栈块之间是动态链接器从动态链接库加载的块。）

注意： 为了符合标准，您应该将 "%p" 的 int* 转换为 (void*) 否则行为未定义.

Answer 4

请记住，指针指向的位置不同于指针指向的位置。更现实的（同类）比较是

printf ("%p\n", (void *) &h);
printf ("%p\n", (void *) &i);

我想您会发现 h 和 p 有相似的地址。或者，另一个更现实的比较是

static int si = 123;
int *ip = &si;
printf ("%p\n", (void *) h);
printf ("%p\n", (void *) ip);

我怀疑您会发现 h 和 ip 指向相似的内存区域。

Answer 5

考虑到文字是只读变量，还有文字池的概念。文字池是程序唯一文字的集合，其中重复的常量被丢弃，因为引用被合并为一个。

每个源都有一个文字池，根据 link/bind 程序的复杂程度，文字池可以并排放置以创建一个 .rodata。

也不能保证文字池是只读保护的。语言虽然编译器设计如此对待它。

考虑我的代码片段。我可以

const char *cp="hello world";
const char *cp1="hello world";

优秀的编译器会认识到在该源代码中，只读文字 cp、cp1 指向相同的字符串，并且会使 cp1 指向 cp 的文字，丢弃第二个。

还有一点。文字池可能是 256 字节的倍数或不同的值。如果池数据小于 256 字节，松弛部分将用十六进制零填充。

不同的编译器，遵循共同的开发标准，允许用C编译的模块，link用汇编语言编译的模块编译 或其他语言。两个文字池连续放在.rodata.

为什么 Linux 上字符串文字的内存地址与其他字符串文字的内存地址如此不同？

Why are the memory addresses of string literals so different from others', on Linux?

c

linux

memory

memory-address

string-literals