Java教程

Lua源码分析(一)二进制块的加载

本文主要是介绍Lua源码分析(一)二进制块的加载,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

Lua对已经编译过的二进制代码块的加载主要集中在luaU_undump这个函数。本篇文章即着重分析该函数的具体实现。本文参考的Lua源码版本为5.4.0。首先,我们以一个最简单的lua代码为例进行编译:

-- test.lua
print("hello world")

编译后的二进制代码块可以使用UltraEdit等工具进行查看:

接下来,我们将一边对照二进制块的具体内容,一边看代码:

// lundump.c
LClosure *luaU_undump(lua_State *L, ZIO *Z, const char *name) {
  LoadState S;
  LClosure *cl;
  if (*name == '@' || *name == '=')
    S.name = name + 1;
  else if (*name == LUA_SIGNATURE[0])
    S.name = "binary string";
  else
    S.name = name;
  S.L = L;
  S.Z = Z;
  checkHeader(&S);
  cl = luaF_newLclosure(L, loadByte(&S));
  setclLvalue2s(L, L->top, cl);
  luaD_inctop(L);
  cl->p = luaF_newproto(L);
  luaC_objbarrier(L, cl, cl->p);
  loadFunction(&S, cl->p, NULL);
  lua_assert(cl->nupvalues == cl->p->sizeupvalues);
  luai_verifycode(L, cl->p);
  return cl;
}

二进制块分为头部和主函数原型两个部分。Lua首先会对块的头部进行检查,检查的函数即为checkHeader

// lundump.c
static void checkHeader (LoadState *S) {
  /* skip 1st char (already read and checked) */
  checkliteral(S, &LUA_SIGNATURE[1], "not a binary chunk");
  if (loadByte(S) != LUAC_VERSION)
    error(S, "version mismatch");
  if (loadByte(S) != LUAC_FORMAT)
    error(S, "format mismatch");
  checkliteral(S, LUAC_DATA, "corrupted chunk");
  checksize(S, Instruction);
  checksize(S, lua_Integer);
  checksize(S, lua_Number);
  if (loadInteger(S) != LUAC_INT)
    error(S, "integer format mismatch");
  if (loadNumber(S) != LUAC_NUM)
    error(S, "float format mismatch");
}

首先,Lua会检查头部的签名格式是否合法。Lua二进制块的签名是4个字节,用字符串表示为:

// lua.h
/* mark for precompiled code ('<esc>Lua') */
#define LUA_SIGNATURE	"\x1bLua"

这个字符串常量用十六进制表示为0x1B4C7561,这正与我们的截图相吻合:

检查过签名之后,Lua会检查头部的版本号是否合法。Lua二进制块的版本号是1个字节,相关定义如下:

// lua.h
#define LUA_VERSION_MAJOR	"5"
#define LUA_VERSION_MINOR	"4"
// lundump.h
/*
** Encode major-minor version in one byte, one nibble for each
*/
#define MYINT(s)	(s[0]-'0')  /* assume one-digit numerals */
#define LUAC_VERSION	(MYINT(LUA_VERSION_MAJOR)*16+MYINT(LUA_VERSION_MINOR))

可知LUA_VERSION的值为5*16+4=84,写成十六进制格式为0x54:

后面紧跟着是Lua的格式号,也是占据1个字节,相关定义如下:

// lundump.h
#define LUAC_FORMAT	0	/* this is the official format */

格式号之后是6个字节,叫做LUAC_DATA,定义如下:

// lundump.h
#define LUAC_DATA	"\x19\x93\r\n\x1a\n"

\r和\n的十六进制表示分别为0D和0A,与截图吻合:

接下来,Lua对二进制块中Instruction,lua_Integer,lua_Number三种类型所占据的字节大小进行检查。在我的机器上,它们分别占用4,8,8字节:

// llimits.h
/*
** type for virtual-machine instructions;
** must be an unsigned with (at least) 4 bytes (see details in lopcodes.h)
*/
typedef unsigned int l_uint32;
typedef l_uint32 Instruction;

// luaconf.h
#define LUA_INTEGER		long long
#define LUA_NUMBER	double

// lua.h
/* type for integer functions */
typedef LUA_INTEGER lua_Integer;
/* type of numbers in Lua */
typedef LUA_NUMBER lua_Number;

这里Lua使用checksize函数是一个巧妙的宏:

// lundump.c
#define checksize(S,t)	fchecksize(S,sizeof(t),#t)

static void fchecksize (LoadState *S, size_t size, const char *tname) {
  if (loadByte(S) != size)
    error(S, luaO_pushfstring(S->L, "%s size mismatch", tname));
}

#define后面加上一个#号表示将参数字符串化,将其转换成一个字符串常量。

接下来,Lua二进制块存储了一个整数和浮点数,这是为了检测二进制块的大小端方式是否与虚拟机一致。先看整数:

// lundump.h
#define LUAC_INT	0x5678

在我的机器上二进制块是小端方式。

再看浮点数:

// lundump.h
#define LUAC_NUM	cast_num(370.5)
// llimits.h
#define cast_num(i)	cast(lua_Number, (i))
/* type casts (a macro highlights casts in the code) */
#define cast(t, exp)	((t)(exp))

由上文可知lua_Number其实就是double类型,它是8字节的浮点数,那么问题就转化为计算370.5的二进制表示,也就是计算用IEEE754表示的结果。复习一下IEEE754:

符号位S显然为0,然后有:

\[370.5_{(10)} = 101110010.1_{(2)} = 1.011100101_{(2)} \times 2^8 \]

所以指数位E为8+偏移量1023=1031,二进制表示为10000000111。

那么有效数字位M的二进制表示为0111001010000000000000000000000000000000000000000000。

所以最后IEEE754的二进制表示为:

0100000001110111001010000000000000000000000000000000000000000000

转成十六进制表示为:

4077280000000000

到此为止,函数checkHeader就结束了,接下来的一个字节代表二进制块中upvalue的数量,lua用来初始化一个closure:

// lundump.c
  cl = luaF_newLclosure(L, loadByte(&S));
// lfunc.h
LUAI_FUNC LClosure *luaF_newLclosure (lua_State *L, int nupvals);

Lua函数原型相关的信息可以使用luac -l -l命令行查看:

可以看出upvalue的数量为1,这也体现在二进制块上:

然后进入到主函数原型部分,首先看一下函数原型包含的信息,这个可以通过luaF_newproto函数得知:

// lfunc.c
Proto *luaF_newproto (lua_State *L) {
  GCObject *o = luaC_newobj(L, LUA_VPROTO, sizeof(Proto));
  Proto *f = gco2p(o);
  f->k = NULL;
  f->sizek = 0;
  f->p = NULL;
  f->sizep = 0;
  f->code = NULL;
  f->sizecode = 0;
  f->lineinfo = NULL;
  f->sizelineinfo = 0;
  f->abslineinfo = NULL;
  f->sizeabslineinfo = 0;
  f->upvalues = NULL;
  f->sizeupvalues = 0;
  f->numparams = 0;
  f->is_vararg = 0;
  f->maxstacksize = 0;
  f->locvars = NULL;
  f->sizelocvars = 0;
  f->linedefined = 0;
  f->lastlinedefined = 0;
  f->source = NULL;
  return f;
}

填充函数原型的工作主要由loadFunction这个函数完成,它会从二进制块中依次读取数据,解析后填充到相应的字段中:

// lundump.c
static void loadFunction (LoadState *S, Proto *f, TString *psource) {
  f->source = loadStringN(S, f);
  if (f->source == NULL)  /* no source in dump? */
    f->source = psource;  /* reuse parent's source */
  f->linedefined = loadInt(S);
  f->lastlinedefined = loadInt(S);
  f->numparams = loadByte(S);
  f->is_vararg = loadByte(S);
  f->maxstacksize = loadByte(S);
  loadCode(S, f);
  loadConstants(S, f);
  loadUpvalues(S, f);
  loadProtos(S, f);
  loadDebug(S, f);
}

source字段的类型为Lua的TString,它表示编译二进制块的源文件名。Lua使用函数loadStringN加载字符串:

// lundump.c
/*
** Load a nullable string into prototype 'p'.
*/
static TString *loadStringN (LoadState *S, Proto *p) {
  lua_State *L = S->L;
  TString *ts;
  size_t size = loadSize(S);
  if (size == 0)  /* no string? */
    return NULL;
  else if (--size <= LUAI_MAXSHORTLEN) {  /* short string? */
    char buff[LUAI_MAXSHORTLEN];
    loadVector(S, buff, size);  /* load string into buffer */
    ts = luaS_newlstr(L, buff, size);  /* create string */
  }
  else {  /* long string */
    ts = luaS_createlngstrobj(L, size);  /* create string */
    loadVector(S, getstr(ts), size);  /* load directly in final place */
  }
  luaC_objbarrier(L, p, ts);
  return ts;
}

函数首先会调用loadSize去加载当前字符串的大小信息,这个大小的值是字符串长度+1,在Lua中是变长整数类型,需要进行解码:

// lundump.c
static size_t loadUnsigned (LoadState *S, size_t limit) {
  size_t x = 0;
  int b;
  limit >>= 7;
  do {
    b = loadByte(S);
    if (x >= limit)
      error(S, "integer overflow");
    x = (x << 7) | (b & 0x7f);
  } while ((b & 0x80) == 0);
  return x;
}

对于一个整数N,假设它可以用3个字节表示,那么它将会被编码如下:

data :          xxxxxxxx yyyyyyyy zzzzzzzz
step1: 00000xxx 0xxxxxyy 0yyyyyyz 0zzzzzzz
step2: 00000xxx 0xxxxxyy 0yyyyyyz 1zzzzzzz

第一步就是将这24个比特分为4组,每组7个比特表示数据,最高位的比特表示是否有后续字节,0说明后面还有,1说明这是最后一个字节。对照二进制块,可知这里的变长整数只有1个字节,因为0x8A & 0x80 = 0x80,最高位的比特为1,那么变长整数的值为0x8A & 0x7F = 10,因此字符串的长度为10-1=9,即后面9个字节就是字符串"@test.lua"对应的字符:

linedefined和lastlinedefined字段是个int,表示函数原型在源文件中的起止行号,它们在二进制块也以变长整数编码,解码可得整数值为0x80 & 0x7F = 0。这是因为Lua规定,main函数的起止行号都是0。

接下来的一个字节代表函数的固定参数个数,main函数没有固定参数,因此numparams这个字段值为0。

再往下的一个字节表示函数是否有变长参数,而main函数是有变长参数的,因此is_vararg字段值为1。

maxstacksize字段表示函数执行期间需要的虚拟寄存器数量。该字段的值可以通过前面提到的使用luac -l -l命令行列出的slots得到,这里slots的值为2。

然后Lua调用函数loadCode来加载具体的指令信息:

// lundump.c
static void loadCode (LoadState *S, Proto *f) {
  int n = loadInt(S);
  f->code = luaM_newvectorchecked(S->L, n, Instruction);
  f->sizecode = n;
  loadVector(S, f->code, n);
}

首先是一个变长整数编码表示当前函数指令的数量,我们用luac查看可知指令数量为5条,因此对应二进制块的值是0x85;每条指令又是Instruction类型,该类型我们之前提到过它其实就是unsigned int,因此对应到二进制块就是紧跟指令数量之后的5×4=20字节都是指令的内容。

指令之后是常量信息。Lua使用函数loadConstants加载常量:

// lundump.c
static void loadConstants (LoadState *S, Proto *f) {
  int i;
  int n = loadInt(S);
  f->k = luaM_newvectorchecked(S->L, n, TValue);
  f->sizek = n;
  for (i = 0; i < n; i++)
    setnilvalue(&f->k[i]);
  for (i = 0; i < n; i++) {
    TValue *o = &f->k[i];
    int t = loadByte(S);
    switch (t) {
      case LUA_VNIL:
        setnilvalue(o);
        break;
      case LUA_VFALSE:
        setbfvalue(o);
        break;
      case LUA_VTRUE:
        setbtvalue(o);
        break;
      case LUA_VNUMFLT:
        setfltvalue(o, loadNumber(S));
        break;
      case LUA_VNUMINT:
        setivalue(o, loadInteger(S));
        break;
      case LUA_VSHRSTR:
      case LUA_VLNGSTR:
        setsvalue2n(S->L, o, loadString(S, f));
        break;
      default: lua_assert(0);
    }
  }
}

用luac查看可知常量数量为2,即"print"和"hello world",因此对应二进制块的值是0x82。每个常量都以1个字节打头,标识其类型,例如这里的0x04表示类型为短字符串,而前面提到过短字符串由表示其长度+1的变长整数编码和字符串的字符内容组成,对于"print",变长整数编码为0x86,对于"hello world",则是0x8C。

常量之后则是upvalues的信息,Lua使用函数loadUpvalues加载:

// lundump.c
static void loadUpvalues (LoadState *S, Proto *f) {
  int i, n;
  n = loadInt(S);
  f->upvalues = luaM_newvectorchecked(S->L, n, Upvaldesc);
  f->sizeupvalues = n;
  for (i = 0; i < n; i++) {
    f->upvalues[i].name = NULL;
    f->upvalues[i].instack = loadByte(S);
    f->upvalues[i].idx = loadByte(S);
    f->upvalues[i].kind = loadByte(S);
  }
}

用luac查看可知upvalues数量为1,因此对应二进制块的值是0x81。upvalues有name,instack,idx,kind四个属性,其中后面三个属性来自接下来的3个字节。

upvalues之后是子函数原型。这里的lua只是简单地print了一下"hello world",因此子函数原型长度为0,即对应二进制块的值为0x80。Lua调用loadProtos加载子函数原型,可以发现函数内部递归调用了loadFunction处理加载过程:

// lundump.c
static void loadProtos (LoadState *S, Proto *f) {
  int i;
  int n = loadInt(S);
  f->p = luaM_newvectorchecked(S->L, n, Proto *);
  f->sizep = n;
  for (i = 0; i < n; i++)
    f->p[i] = NULL;
  for (i = 0; i < n; i++) {
    f->p[i] = luaF_newproto(S->L);
    luaC_objbarrier(S->L, f, f->p[i]);
    loadFunction(S, f->p[i], f->source);
  }
}

二进制块的最后是一些调试信息。Lua使用loadDebug函数加载调试信息:

// lundump.c
static void loadDebug (LoadState *S, Proto *f) {
  int i, n;
  n = loadInt(S);
  f->lineinfo = luaM_newvectorchecked(S->L, n, ls_byte);
  f->sizelineinfo = n;
  loadVector(S, f->lineinfo, n);
  n = loadInt(S);
  f->abslineinfo = luaM_newvectorchecked(S->L, n, AbsLineInfo);
  f->sizeabslineinfo = n;
  for (i = 0; i < n; i++) {
    f->abslineinfo[i].pc = loadInt(S);
    f->abslineinfo[i].line = loadInt(S);
  }
  n = loadInt(S);
  f->locvars = luaM_newvectorchecked(S->L, n, LocVar);
  f->sizelocvars = n;
  for (i = 0; i < n; i++)
    f->locvars[i].varname = NULL;
  for (i = 0; i < n; i++) {
    f->locvars[i].varname = loadStringN(S, f);
    f->locvars[i].startpc = loadInt(S);
    f->locvars[i].endpc = loadInt(S);
  }
  n = loadInt(S);
  for (i = 0; i < n; i++)
    f->upvalues[i].name = loadStringN(S, f);
}

首先是行号信息,分为相对行号lineinfo和绝对行号abslineinfo。sizelineinfo是表示相对行号lineinfo长度的变长整数字段,lineinfo中存储了相对于上一条指令的行号偏移,每个偏移量用一个字节表示。如果一个字节无法表示行号,则还会使用abslineinfo记录绝对行号。我们这里源代码只有1行,因此用相对行号就足以表达所有指令的行号,由luac可知一共有5条指令,行号都是1,那么转换成偏移表示就是0x01 0x00 0x00 0x00 0x00。这里没有用到abslineinfo,因此sizeabslineinfo为0:

然后是局部变量的调试信息和upvalues的调试信息,由luac可知当前并没有用到局部变量,因此sizelocvars为0。upvalues的数量为1,因此还要进一步读取它的name字段"_ENV",该字段是一个短字符串,那么二进制块表示为0x85(表示长度+1) 0x5F 0x45 0x4E 0x56:

自此,Lua 5.4.0的二进制块的加载就分析完了。

如果你觉得我的文章有帮助,欢迎关注我的微信公众号(大龄社畜的游戏开发之路

reference

[1] Lua 5.4之二进制块格式

[2] 自己动手实现Lua:虚拟机、编译器和标准库

这篇关于Lua源码分析(一)二进制块的加载的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!