为什么我的 hello world 二进制大部分为零？

Question

我已经编译好了

#include <stdio.h>

int main() {
    printf("Hello world");
    return 0;
}

在 Mac 上，大小为 48k。然而，当我用

xxd

查看二进制文件时，大部分看起来像这样：

...
0000b990: 0000 0000 0000 0000 0000 0000 0000 0000  ................
0000b9a0: 0000 0000 0000 0000 0000 0000 0000 0000  ................
0000b9b0: 0000 0000 0000 0000 0000 0000 0000 0000  ................
...

为什么会这样？

otool

告诉我：

 otool -L hello
hello:
    /usr/lib/libSystem.B.dylib (compatibility version 1.0.0, current version 1292.0.0)

太好了，它再次动态链接到 libSystem，它

printf

就在那里。

那为什么全是零？

Answer 1

因为对齐。

XNU 强制映射二进制文件部分的每个段都与平台的页面大小对齐。在 x86_64 上，这是 0x1000 字节，在 arm64 上，这是 0x4000 字节（即使硬件支持 0x1000）。如果某些段的数据必须与某个偏移量对齐，那么文件中必须有“某些东西”来填充之间的间隙 - 通常为零。 现在，如果您的二进制文件是 48KB，那么它的段可能看起来像这样：

LC 00: LC_SEGMENT_64  Mem: 0x000000000-0x100000000  File: Not Mapped    ---/--- __PAGEZERO
LC 01: LC_SEGMENT_64  Mem: 0x100000000-0x100004000  File: 0x0-0x4000    r-x/r-x __TEXT
LC 02: LC_SEGMENT_64  Mem: 0x100004000-0x100008000  File: 0x4000-0x8000 rw-/rw- __DATA_CONST
LC 03: LC_SEGMENT_64  Mem: 0x100008000-0x10000c000  File: 0x8000-0xc000 rw-/rw- __DATA
LC 04: LC_SEGMENT_64  Mem: 0x10000c000-0x100010000  File: 0xc000-0xc110 r--/r-- __LINKEDIT

对于 0x4000 的对齐，这已经是最小布局。但如果您使用 Intel，则可以通过将 

-Wl,-segalign,0x1000

传递给编译器来强制链接器使用 0x1000。这应该会生成一个只有 12KB 左右的二进制文件：

LC 00: LC_SEGMENT_64  Mem: 0x000000000-0x100000000  File: Not Mapped    ---/--- __PAGEZERO
LC 01: LC_SEGMENT_64  Mem: 0x100000000-0x100001000  File: 0x0-0x1000    r-x/r-x __TEXT
LC 02: LC_SEGMENT_64  Mem: 0x100001000-0x100002000  File: 0x1000-0x2000 rw-/rw- __DATA_CONST
LC 03: LC_SEGMENT_64  Mem: 0x100002000-0x100003000  File: 0x2000-0x3000 rw-/rw- __DATA
LC 04: LC_SEGMENT_64  Mem: 0x100003000-0x100004000  File: 0x3000-0x3110 r--/r-- __LINKEDIT

如果您想进一步优化您的二进制文件，您需要删除段。通过导入和链接，您真正可以摆脱的唯一一个是 

__DATA_CONST

，您可以通过使用

-mmacosx-version-min=10.14

定位 macOS Mojave（或更早版本）来做到这一点。这将为您留下略多于 8KB 的空间：

LC 00: LC_SEGMENT_64  Mem: 0x000000000-0x100000000  File: Not Mapped    ---/--- __PAGEZERO
LC 01: LC_SEGMENT_64  Mem: 0x100000000-0x100001000  File: 0x0-0x1000    r-x/r-x __TEXT
LC 02: LC_SEGMENT_64  Mem: 0x100001000-0x100002000  File: 0x1000-0x2000 rw-/rw- __DATA
LC 03: LC_SEGMENT_64  Mem: 0x100002000-0x100003000  File: 0x2000-0x20f0 r--/r-- __LINKEDIT

如果您力求尽可能最小的可执行文件，您可以进一步放弃 

__DATA

，甚至可能

__LINKEDIT

，但您必须大幅更改代码以仅发出原始系统调用，而不使用动态链接器等。对于任何现实世界的应用程序，我还想说这些零实际上并不重要。给定四个映射段，它们使用的空间永远不会超过 48KB。二进制越大，零所占的百分比就越小。

至于分布，答案很明显：

xz

。

用它压缩上述二进制文件会产生：

48KB 二进制文件需要 776 字节。

• 12KB 二进制文件为 736 字节。
• 8KB 二进制文件为 684 字节。