GCC编译流程分析资料下载

  引 言   程序插装（Program Instrumentation）概念最先是由J.G.Huang教授提出，是借助往被测程序中插入操作（称为“探针”），以便获取程序的控制流和数据流信息，从而实现测试目的的方法。在软件动态测试中，程序插装是一种基本的测试手段，应用广泛，是覆盖率测试、软件故障注入和动态性能分析的基础技术。   GCC（GNU ComPIler Collection）是一个高度优化，高度可移植，广泛使用的编译系统。它能处理多种语言，包括C/C++、Fortran、Java和Pascal等多种语言前端，而且后端支持几乎所有的处理器结构。GCC作为源码开放的软件，人们可以自由修改和使用;加入插装模块后，在GCC所支持的语言中都可插入相应的测试代码（这里只介绍C语言的插装模块）。本文将详细叙述如何修改GCC，使其在编译每个C函数时，分别将各个形式参数连同该函数名传递给一个指定函数。该指定函数的返回值赋予原来的形式参数，从而可以人为控制被插装函数的每个参数实际值，进而完成各种规则下的测试。   1 GCC编译流程分析   编译器的工作是将源代码（通常使用高级语言编写）翻译成目标代码（通常是低级的目标代码或者机器语言）。在现代编译器的实现中，这个工作一般是分为两个阶段来实现的：   第一阶段，编译器的前端接收输入的源代码，经过词法、语法和语义分析等得到源程序的某种中间表示方式。   第二阶段，编译器的后端将前端处理生成的中间表示方式进行一些优化，并最终生成在目标机器上可运行的代码。   GCC编译器以一个函数为单位对经过预处理的输入源文件进行编译处理。根据GNU Bison（一个类似YACC但功能更强大的文法分析工具）生成的语法分析程序，前端完成语法、语义分析，建立语法树，并转换成中间代码。GCC内部使用了一种能对实际的体系结构做一种抽象的，与硬件平台无关的语言，这个中间语言就是RTL（Register Ttansfer Language）。通过修改源程序的RTL，可以改变、删除源程序，包括插入所需要的代码，由GCC后端处理并最终输出对应硬件平台的汇编码，源程序无需手工修改便可实现插装功能。   GCC的入口点main函数在文件main.c中。此函数非常简单，只有一条直接调用toplev_main函数的语句。toplev_main函数是在toplev.c文件中定义的，以下我们只关心与编译有关的源码，其他的暂时忽略。toplev_main中最重要的是调用了do_complile函数，这个函数从名字看就是做编译工作的;而在此之后，toplev_main函数就返回了。dD_compile函数也是在tokv.c中定义的，其中真正进行编译工作的是调用compilte_file函数。compik_file函数最终调用了一个钩子函数来分析（parse）整个输入文件：   （*lang_hooks.parse_file）（set_yydebug）;   这里的lang_hooks是一个全局变量，不同语言的前端对此赋以不同的值。对C语言来说，这条语句相当于调用了c-opts.c中的c_common_parse_file函数。c_com-mon_parse_file中调用了c-parse.c中的c_parse_file函数;在此函数中又调用了同文件中的yyparse函数，该函数负责解析C语言源文件，并转化为特殊的语法树结构。该函数是GNU bison将YACC转变为C语言而自动生成的，所以这段代码阅读起来比较困难，但我们并不关心语法分析的细节。在完成函数体的分析后，利用已经建立的tree结构生成RTL，优化后最终输出汇编码;自此C函数的编译就算结束了，这些是由yyparse调用finish_function函数完成的。finish_function函数中最重要的函数是tree_rest_of_compilation（定义在tree_optimize.c中），它是真正实现上述功能的函数。为了说明它所做的具体事情，我们将该函数做了删减，保留了关键的地方。   将函数各个部分展开成RTL形式后，调用函数rest_of_comPIlation将RTL输出为汇编码。至此，得到了一张清晰的GCC编译时的函数调用路线，如表1所列。   2 基于GCC的程序插装技术   根据插装测试的要求，需要在函数开始时为每个参数调用钩子函数，并用钩子函数的返回值更新参数的值;同时，将被插装函数的名称压入函数本地栈内，作为该函数的一个匿名本地变量，只用于传递给钩子函数。从上面列出的tree_rest_of_compilation函数源码得知，负责建立被编译函数参数和返回值的函数是expand_function_start，定义是在文件function.c中。expand_function_start中处理函数参数和返回值的函数是assign_pARMs，这是需要特别关注的函数。以下是该函数简化的伪码：   斜体加粗的部分是增加的代码。在for循环前，获得当前编译的函数名（见源码中①位置）;   但暂时不能输出到函数的RTL链中，因为本地栈要在所有参数传递完毕才完全建立起来。在for循环体结束前，记录下函数参数的一份拷贝（见②），最后调用。insert_function_name_local函数，将当前函数名插入本地栈，并且修正栈指针（见③）。经过以上修改，得到了插装所需的所有信息，包括函数参数和函数名称的RTX表示。GCC将函数编译后生成的RTX表示以链表形式组织，最后一次性把这个RTX链表输出为后端平台的汇编码。完成这项工作的是rest_of_compilation函数，所以在调用rest_of_complilation函数前插入我们的RTX，最终完成插装，由函数inject_rtl负责完成。下面是inject_rtl的主要代码：   3 APCS与程序插装实现   编译器必须以一套统一的方法编译函数的定义和调用过程，才能确保不同语言编写的函数能相互调用。规定这些细节的便叫作“函数调用规范（Procedure Call Stand-ard）”。ARM体系结构定义了自己的函数调用规范——ARM函数调用标准（ARM Procedure Call Standard，APCS）。虽然APCS不是强制性的，但实现APCS并不困难，而且可获得统一的二进制兼容的好处，所以大部分的编译器都实现了APCS，其中包括GCC。   APCS中函数传递参数的定义如下：   ◇前4个整数实参（或者更少）被装载到r0～r3。前4个整数实参（或者更少）被装载到r0～r3。   ◇前4个浮点实参（或者更少）被装载到f0～f3。   ◇如果参数为双字（8字节），就必须从偶数寄存器开始放置。   ◇如果一个参数不能完全放入寄存器中，则超过的那部分拷贝到栈中。   其他任何实参（如果有的话）存储在内存中，用进入函数时紧接在sp值上面的字来指向。换句话说，其余的参数被压入栈顶。所以，要想简单，最好定义接受4个或更少的整数参数的函数。   本文所述的插入函数只有两个整型形参，所以调用时只需将两个实参分别传入ro和rl。GCC提供emit_li-brary_call函数用来生成函数调用的RTL码，GCC将按照APCS产生正确的函数调用汇编码。函数定义在calls.c中，原型为：   插入所需函数后，需要将返回值赋值给对应的被插装函数的形参。以下是插入函数insert_parms_test_function的完整代码：   4 实 例   为便于检查插装效果，用经过修改的GCC编译一段简单的C语言程序。该程序为一个独立函数foo，接受两个整数类型的参数。具体代码如下：   从GCC输出的汇编码可以看到，foo函数的两个参数都经过钩子函数pt_hook_partns的处理更新;在pt_hook_parms函数内，可以根据测试算法返回不同的边界值，从而达到测试的目的。依照此方法，一个实际程序经过插装后，在ARM模拟器上顺利运行，并取得预期的测试效果。   结语   本文详细地论述了修改GCC增加插装功能的实现方法。按照这样的思路，成功地实现了基于ARM7芯片的嵌入式系统的动态参数边界测试，达到了预期的效果。本文所述的插装函数比较简单，没有区分参数的类型，所有参数均按照一个字大小来处理;下一步的工作是细分参数不同类型，插装不同的处理函数。作为一种通用的插装方法，在此摹础上。通过识别不同的插装点和插装不同的函数，可以实现函数调用栈检查，程序覆盖率测试，获取函数实际执行时间等需要插装技术作为基础的功能。