VAXとはPDP-11の後継となる32bitマシンです。UNIX V7をVAXに移植したUNIX/32Vがあります。バイナリを通してUNIXを学習します。
この記事は以前開催していた池袋バイナリ勉強会の初回編で教えていた内容をVAX向けに書き直したものです。
この記事には姉妹編があります。
- PDP-11による機械語入門 2015.11.08
- 8086による機械語入門 2015.11.09
環境設定
UNIX/32Vのバイナリを動かすためのインタプリタと、その上で動く当時のコンパイラを使用します。
インタプリタはJavaで作られているためJDKが必要です。
WindowsではMSYS2が必要です。
- MSYS2でRicty Diminishedを使う設定など 2015.01.29
READMEに従ってインタプリタ一式をインストールしてください。
コンパイル
ハローワールドでテストします。
#include <stdio.h>
int main() {
printf("hello\n");
return 0;
}
先ほどインストールしたコンパイラでVAX用のバイナリを生成します。
$ vaxcc hello.c
※ vaxccはシェルスクリプトで、インタプリタ上で当時のコンパイラ（VAXバイナリ）を実行しています。
a.outというファイルが出力されます。ファイルの種類を確認してもVAXとまでは認識されません。
$ file a.out
a.out: a.out little-endian 32-bit pure executable not stripped
実行
出力されたバイナリをインタプリタで実行します。
$ vaxrun a.out
hello
逆アセンブル
バイナリの中にどのような命令が入っているかを分析します。この操作を逆アセンブルと呼びます。
$ vaxdis a.out
magic = 00000108, text = 00000b04, data = 0000016c, bss = 00000404
syms = 00000300, entry = 00000000, trsize = 00000000, drsize = 00000000
[crt0.o]
start:
00000000: 00 00 .word 0
00000002: c2 08 5e subl2 $8,sp
00000005: d0 ae 08 6e movl 8(sp),(sp)
00000009: 9e ae 0c 50 movab 0xc(sp),r0
（略）
簡単なプログラムなのにすごく複雑だと感じられたと思います。入門にはあまりに複雑過ぎるため、今回の記事ではもっと簡単なものから始めます。基礎を固めてから、このバイナリに挑戦していただきます。
読み方
magic = ... などはヘッダで、ファイル構造についての情報です。
[crt0.o]やstartはシンボルと呼ばれ、見出しのようなものです。
その後は次のような構成になっています。
| アドレス | 機械語 | アセンブリ言語 |
|---|---|---|
00000000: |
00 00 |
.word 0 |
00000002: |
c2 08 5e |
subl2 $8,sp |
00000005: |
d0 ae 08 6e |
movl 8(sp),(sp) |
00000009: |
9e ae 0c 50 |
movab 0xc(sp),r0 |
- アドレスは行番号のようなものです。そこにCPUに対する命令が入っています。
- 命令は数字で構成されており機械語と呼ばれます。ここでは16進数表記されています。
- 機械語は人間には読みにくいため、意味を英語の略語などで表記したものがアセンブリ言語です。
機械語やアセンブリ言語については後で詳しく見ていきます。
トレース
命令やレジスタなどのログを表示しながら実行できます。この操作をトレースと呼びます。
$ vaxrun -d a.out
00000000 00000000 00000000 00000000 00000000 00000000 : subl2 $0x8,sp
00000000 00000000 00000000 00000000 00000000 00000000 : c2085e
00000000 00000000 0007ffe4 00000002 ---- : [03]08
00000000 00000000 00000000 00000000 00000000 00000000 : movl 0x8(sp),(sp)
00000000 00000000 00000000 00000000 00000000 00000000 : d0ae086e
00000000 00000000 0007ffdc 00000005 ---- : [7ffe4]01[7ffdc]00
（略）
逆アセンブルと異なるのは、命令が実行される順番に表示される点です。基本的には上から順番に実行されますが、分岐や関数呼び出しなどでアドレスが飛びます。
0007fff0 00000000 00000000 00000000 00000000 00000000 : calls $0x3,0x3c
00000000 00000000 00000000 00000000 00000000 00000000 : fb03ef0d000000
00000000 00000000 0007ffdc 00000028 ---C : [29]03[3c]00
0007fff0 00000000 00000000 00000000 00000000 00000000 : subl2 $0x00000000,sp
00000000 00000000 00000000 00000000 00000000 00000000 : c28f000000005e
0007ffd8 0007ffc4 0007ffc4 0000003e ---- : [40]00
アドレス（最後の8桁16進数）が飛んでいることを確認してください: 00000028 → 0000003e
シンボル
逆アセンブルのときに出て来たシンボルを一覧表示します。
$ vaxnm a.out
00000000 a .F1
00000000 a .R1
00000782 T __cleanu
（略）
000005b4 t strout.o
00000aa4 t stty.o
00000ae8 t write.o
構成は次の通りです。
| アドレス | 種類 | シンボル名 |
|---|---|---|
00000000 |
a |
.F1 |
00000000 |
a |
.R1 |
00000782 |
T |
__cleanu |
種類は初めから細かく理解していなくても、大雑把にTが関数、DとBが変数だと考えておけば良いです。それらがどのアドレスに関連付けられているかを示しています。
※ 関数や変数以外にも種類はありますが、当面は必要ありません。
ファイルサイズの縮小
シンボルは付加的情報で実行には必要不可欠なものではありません。シンボルを削ってファイルサイズが縮小できます。
$ wc -c a.out
3984 a.out
$ vaxstrip a.out
$ wc -c a.out
3216 a.out
シンボルがなくなっていることを確認します。
$ vaxnm a.out
nm: a.out-- no name list
実行には支障ありません。
$ vaxrun a.out
hello
逆アセンブルでシンボルが出て来なくなります。
$ vaxdis a.out
magic = 00000108, text = 00000b04, data = 0000016c, bss = 00000404
syms = 00000000, entry = 00000000, trsize = 00000000, drsize = 00000000
00000000: 00 00 .word 0
00000002: c2 08 5e subl2 $8,sp
00000005: d0 ae 08 6e movl 8(sp),(sp)
（略）
シンボルがないと関数の切れ目などが分からなくなるためデバッグや解析が困難になります。次のような運用方法が一般的です。
- 開発時にはデバッグのためシンボルを付けておきます。
- 完成品をバイナリ配布する際には、ファイルサイズを縮小するためシンボルを取り除きます。ソース非公開の商用製品の場合、内部構造を解析されにくくする意図もあります。
小さなバイナリ
小さなバイナリを作って分析します。
.word 0
# write(1, hello, 6);
movl $args1, ap
chmk $4
# exit(0);
movl $args2, ap
chmk $1
.data
args1: .long 3, 1, hello, 6
args2: .long 1, 0
hello: .byte 'h, 'e, 'l, 'l, 'o, 10
$ vaxas write.s
$ vaxstrip a.out
$ vaxrun a.out
hello
- アセンブリ言語の文法はアセンブラによって方言があります。
- このアセンブラでは
#はコメントです。
- このアセンブラでは
- アセンブリ言語はCPUによって異なります。今回はVAXです。
-
apはレジスタと呼ばれます。変数のようなものです。 -
movlは前から後ろに代入します:movl $args1, ap⇒ap = args1 -
chmkは割り込みを発生させる命令です。
-
システムコール
割り込みでカーネルを呼び出してOSの機能を利用することをシステムコールと呼びます。
-
chmkの後にシステムコール番号を書きます:$1,$4など-
$1:exit -
$4:write
-
-
apは引数を示します。- 引数を後ろに書いて
args1のように名前を付けます。 -
.longは4バイト値です。 - 最初の値は引数の数です。
-
writeの第1引数1は標準出力を表します。
- 引数を後ろに書いて
-
.byteは1バイト値です。- 1バイト値（文字）の連続で文字列を表現します。
-
10は改行コード（\n）です。
UNIX/32Vのシステムコール定義: /usr/src/sys/sys/sysent.c
struct sysent sysent[64] =
{
引数の数, 未使用, 処理関数, /* システムコール番号 = システムコール名 */
...
};
-
exit: システムコール番号 1, 引数の数 1 -
write: システムコール番号 4, 引数の数 3
逆アセンブル
バイナリを分析します。
$ vaxdis a.out
magic = 00000108, text = 00000014, data = 00000020, bss = 00000000
syms = 00000000, entry = 00000000, trsize = 00000000, drsize = 00000000
00000000: 00 00 .word 0
00000002: d0 8f 00 02 00 00 5c movl $0x200,ap
00000009: bc 04 chmk $4
0000000b: d0 8f 10 02 00 00 5c movl $0x210,ap
00000012: bc 01 chmk $1
- write.s →（アセンブル）→ a.out →（逆アセンブル）→ 上記結果
- アセンブル: アセンブリ言語 → バイナリ
- 逆アセンブル: バイナリ → アセンブリ言語
- 逆とは言っても完全に元に戻るわけではありません。
- 逆アセンブルでは対応するバイナリが確認できます。
- 逆アセンブラの出力は一部数字になっています。
-
$args1→$0x200 -
$args2→$0x210
-
バイナリダンプ
バイナリを16進数で出力します。
$ hd a.out
00000000 08 01 00 00 14 00 00 00 20 00 00 00 00 00 00 00 |........ .......|
00000010 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 |................|
00000020 00 00 d0 8f 00 02 00 00 5c bc 04 d0 8f 10 02 00 |........\.......|
00000030 00 5c bc 01 03 00 00 00 01 00 00 00 18 02 00 00 |.\..............|
00000040 06 00 00 00 01 00 00 00 00 00 00 00 68 65 6c 6c |............hell|
00000050 6f 0a 00 00 |o...|
00000054
※ hd がない環境では hexdump -C や od -tx1z -Ax を使用します。
仕様
実装例はJavaScript風の疑似コードで示します。
- ヘッダ＋text（命令）＋data
- ヘッダは最初の32バイト
aout = File.readAllBytes("a.out")
h = aout.slice(0, 32)
- ヘッダを4バイトずつ区切って、2番目がtextのサイズ、3番目がdataのサイズ。リトルエンディアン。
- 今回のサンプル:
text = 0x00000014, data = 0x00000020
- 今回のサンプル:
- それ以外の項目は当面必要ないので、説明は省略します。
text = h.read32LE(4)
data = h.read32LE(8)
dataPos = 32 + text
textData = aout.slice(32, dataPos)
dataData = aout.slice(dataPos, dataPos + data)
- ヘッダの後にtextがあり、その後にdataがあります。
- textやdataはメモリ内でサイズが0x200の倍数に切り上げられます。
- 切り上げに伴って膨らんだ部分をパディング（「詰め物」の意）と呼びます。
- textはアドレス0からサイズ分読み込みます。
textSize = (tsize + 0x1ff) - ((tsize + 0x1ff) % 0x200)
dataSize = (dsize + 0x1ff) - ((dsize + 0x1ff) % 0x200)
mem = new Uint8Array(textSize + dataSize)
mem.set(textData, 0)
mem.set(dataData, textSize)
メモリダンプ
メモリに読み込んだ状態を示します。パディングは省略します。
.text
00000000 00 00 d0 8f 00 02 00 00 5c bc 04 d0 8f 10 02 00 ........\.......
00000010 00 5c bc 01 .\..
.data
00000200 03 00 00 00 01 00 00 00 18 02 00 00 06 00 00 00 ................
00000210 01 00 00 00 00 00 00 00 68 65 6c 6c 6f 0a 00 00 ........hello...
※ .textや.dataの.はアセンブラに合わせた表記です。
練習
※ 時間は目安です。
【問1-1:20分】ファイルをそのままバイナリダンプするプログラムを作ってください。（hd a.out 相当）
【問1-2:20分】メモリに読み込んだ状態をバイナリダンプするプログラムを作ってください。
【問2-1:1時間】逆アセンブラを作ってください。（vaxdis a.out 相当）
【問2-2:1時間】バイナリを実行してください。（vaxrun a.out 相当）
※ 以後、問2-2で作ったものをインタプリタと呼びます。
少しずつ拡張
先ほど作った小さなバイナリを少しずつ拡張していきます。
数値をメモリに書き込む
メモリを操作して出力する文字列を変更します。
.word 0
# write(1, hello, 6);
movl $args1, ap
chmk $4
# r1 = hello;
# *(uint32_t *)r1 = 'H'|'E'<<8|'L'<<16|'L'<<24;
movl $hello, r1
movl $'H|'E<8|'L<16|'L<24, (r1)
# write(1, hello, 6);
movl $args1, ap
chmk $4
# exit(0);
movl $args2, ap
chmk $1
.data
args1: .long 3, 1, hello, 6
args2: .long 1, 0
hello: .byte 'h, 'e, 'l, 'l, 'o, 10
$ vaxas -o write-1 write-1.s
$ vaxrun write-1
hello
HELLo
-oで出力ファイル名を指定しています。
練習
【問3-1:5分】逆アセンブラを対応させてください。
【問3-2:10分】インタプリタを対応させてください。
ディスプレースメント
相対アドレス指定によるメモリ操作を行います。
.word 0
# write(1, hello, 6);
movl $args1, ap
chmk $4
# r1 = hello;
# *(uint32_t *)(r1 + 1) = 'E'|'L'<<8|'L'<<16|'O'<<24;
movl $hello, r1
movl $'E|'L<8|'L<16|'O<24, 1(r1)
# write(1, hello, 6);
movl $args1, ap
chmk $4
# exit(0);
movl $args2, ap
chmk $1
.data
args1: .long 3, 1, hello, 6
args2: .long 1, 0
hello: .byte 'h, 'e, 'l, 'l, 'o, 10
$ vaxas -o write-2 write-2.s
$ vaxrun write-2
hello
hELLO
1(r1) の 1 は r1 に対する差分を表します。この差分をディスプレースメントと呼びます。
意味的には (r1+1) です。（この構文はエラーになります）
練習
【問4-1:5分】逆アセンブラを対応させてください。
【問4-2:10分】インタプリタを対応させてください。
movb/movw
1文字や2文字の書き替えを行います。
.word 0
# write(1, hello, 6);
movl $args1, ap
chmk $4
# r1 = hello;
# *(uint8_t *)r1 = 'H';
movl $hello, r1
movb $'H, (r1)
# write(1, hello, 6);
movl $args1, ap
chmk $4
# r1 = hello;
# *(uint16_t *)(r1 + 2) = 'L'|'L'<<8;
movl $hello, r1
movw $'L|'L<8, 2(r1)
# write(1, hello, 6);
movl $args1, ap
chmk $4
# exit(0);
movl $args2, ap
chmk $1
.data
args1: .long 3, 1, hello, 6
args2: .long 1, 0
hello: .byte 'h, 'e, 'l, 'l, 'o, 10
$ vaxas -o write-3 write-3.s
$ vaxrun write-3
hello
Hello
HeLLo
movb は byte 版、movw は word 版です。
練習
【問5-1:5分】逆アセンブラを対応させてください。
【問5-2:10分】インタプリタを対応させてください。
レジスタの値をメモリに書き込む
数値をいったんレジスタに入れてからメモリに書き込みます。
.word 0
# write(1, hello, 6);
movl $args1, ap
chmk $4
# r1 = hello;
# r0 = 'H'|'E'<<8|'L'<<16|'L'<<24;
# *(uint32_t *)r1 = r0;
movl $hello, r1
movl $'H|'E<8|'L<16|'L<24, r0
movl r0, (r1)
# write(1, hello, 6);
movl $args1, ap
chmk $4
# exit(0);
movl $args2, ap
chmk $1
.data
args1: .long 3, 1, hello, 6
args2: .long 1, 0
hello: .byte 'h, 'e, 'l, 'l, 'o, 10
$ vaxas -o write-4 write-4.s
$ vaxrun write-4
hello
HELLo
練習
【問6-1:5分】逆アセンブラを対応させてください。
【問6-2:15分】インタプリタを対応させてください。
バイト命令
レジスタを movb 命令のソースに使うと、下位の値だけが使われます。
.word 0
# write(1, hello, 6);
movl $args1, ap
chmk $4
# r1 = hello;
# r0 = 'H'|'E'<<8
# *(uint8_t *)r1 = r0;
movl $hello, r1
movl $'H|'E<8, r0
movb r0, (r1)
# write(1, hello, 6);
movl $args1, ap
chmk $4
# exit(0);
movl $args2, ap
chmk $1
.data
args1: .long 3, 1, hello, 6
args2: .long 1, 0
hello: .byte 'h, 'e, 'l, 'l, 'o, 10
$ vaxas -o write-5 write-5.s
$ vaxrun write-5
hello
Hello
練習
【問7-1:10分】逆アセンブラを対応させてください。
【問7-2:20分】インタプリタを対応させてください。
アドレスを直接指定
今までメモリは r1 レジスタ経由でアクセスしていました（これを間接参照と呼びます）。アドレスを直接指定でアクセスすることも可能です（これを直接参照と呼びます）。
.word 0
# write(1, hello, 6);
movl $args1, ap
chmk $4
# *(uint32_t *)hello = 'H'|'E'<<8|'L'<<16|'L'<<24;
movl $'H|'E<8|'L<16|'L<24, hello
# write(1, hello, 6);
movl $args1, ap
chmk $4
# *(uint8_t *)(hello + 4) = 'O';
movb $'O, hello + 4
# write(1, hello, 6);
movl $args1, ap
chmk $4
# exit(0);
movl $args2, ap
chmk $1
.data
args1: .long 3, 1, hello, 6
args2: .long 1, 0
hello: .byte 'h, 'e, 'l, 'l, 'o, 10
$ vaxas -o write-6 write-6.s
$ vaxrun write-6
hello
HELLo
HELLO
相対アドレス
逆アセンブル結果から直接参照の該当箇所を抜き出します。
0000000b: d0 8f 48 45 4c 4c ef 02 movl $0x4c4c4548,0x218
00000013: 02 00 00
要素に分解すると、アドレスが直接含まれていないことが分かります。
0000000b: d0 # movl
0000000c: 8f 48 45 4c 4c # $0x4c4c4548
00000011: ef 02 02 00 00 # 0x218
0x202→0x218となるのは、次の命令を基点とする相対アドレスだからです。
-
0x16（基点） +0x202（相対アドレス） =0x218（絶対アドレス）
練習
【問8-1:5分】逆アセンブラを対応させてください。
【問8-2:10分】インタプリタを対応させてください。
引き算
引き算により小文字から大文字へ変換します。
.word 0
# write(1, hello, 6);
movl $args1, ap
chmk $4
# *(uint32_t *)hello -= 0x20202020;
subl2 $0x20202020, hello
# write(1, hello, 6);
movl $args1, ap
chmk $4
# *(uint8_t *)(hello + 4) -= 0x20;
subb2 $0x20, hello + 4
# write(1, hello, 6);
movl $args1, ap
chmk $4
# exit(0);
movl $args2, ap
chmk $1
.data
args1: .long 3, 1, hello, 6
args2: .long 1, 0
hello: .byte 'h, 'e, 'l, 'l, 'o, 10
$ vaxas -o write-7 write-7.s
$ vaxrun write-7
hello
HELLo
HELLO
subl2やsubb2の2は引数の数です。引数が3つのsubl3と名前で区別しています。
練習
【問9-1:5分】逆アセンブラを対応させてください。
【問9-2:15分】インタプリタを対応させてください。
仕様書
今まで推測していた仕様を仕様書で確認してください。
テストコード集
自作インタプリタで順番に動作させてください。
int main() {
write(1, "hello\n", 6);
return 0;
}
#include <stdio.h>
int main() {
putchar('a');
return 0;
}
#include <stdio.h>
int main() {
printf("hello\n");
return 0;
}
#include <stdio.h>
int main() {
int a = 1234;
printf("a=%d\n", a);
return 0;
}
#include <stdio.h>
int main(argc, argv)
int argc;
char *argv[];
{
int i;
for (i = 0; i < argc; ++i) {
printf("argv[%d]=%s\n", i, argv[i]);
}
return 0;
}
nm
既存のコマンドを自作インタプリタで動かしてみましょう。
# nm a.out
cc
ccは内部で色々なものを呼んでいます。これらを自作インタプリタで順番に動かして、最終的にはccから一括で処理できることを目指してください。
-
cc 1.c/lib/cpp 1.c /tmp/ctm4a/lib/ccom /tmp/ctm4a /tmp/ctm3a/bin/as -o 1.o /tmp/ctm3a/bin/ld -X /lib/crt0.o 1.o /lib/libc.a -l
自作インタプリタでccを読んでハローワールドのビルドを目指してください。
カーネルビルドへの道
ハローワールドがビルドできたら、以下の順にカーネルビルドを目指してください。
- 他のテストコード（2.c～6.c）をビルドする
- 32Vカーネルをビルドする
- アセンブラをビルドする
- コンパイラをビルドする
- 3と4のセルフホスティングを確認する
- セルフホスティングしたツールでカーネルをコンパイルする
ここまで出来れば、バイナリのトレース練習は終了です。
次はUNIX/32Vそのものを動かすことに挑戦しましょう！