システムコールとLinuxカーネルのソース

					2010年12月07日
情報科学類 オペレーティングシステム II

                                       筑波大学 システム情報工学研究科 
                                       コンピュータサイエンス専攻, 電子・情報工学系
                                       新城 靖
                                       <yas@is.tsukuba.ac.jp>

このページは、次の URL にあります。
http://www.coins.tsukuba.ac.jp/~yas/coins/os2-2010/2010-12-07
あるいは、次のページから手繰っていくこともできます。
http://www.coins.tsukuba.ac.jp/~yas/
http://www.cs.tsukuba.ac.jp/~yas/

■連絡事項

• 教官：板野 肯三、新城 靖、佐藤 聡
• 募集：６人
• テーマ：オペレーティング・システム、セキュリティ、分散システム、言語処理系、その他。
• 場所：3E302
• 日時
  1. 2010年12月08日 (水) 16:45-18:00
  2. 2010年12月14日 (火) 16:45-18:00
  3. 2011年01月11日 (火) 16:45-18:00

■今日の大事な話

• システム・コールとライブラリの共通点と相違点
• トラップ命令
• strace コマンド

◆参考書

Robert Love: "Linux Kernel Development", Addison-Wesley Professional (2010). ISBN-13: 9780672329463

Claudia Salzberg Rodriguez, Gordon Fischer, and Steven Smolski: "The Linux Kernel Primer: A Top-Down Approach for x86 and PowerPC Architectures", Prentice Hall (2005). ISBN-10: 0131181637

Daniel P. Bovet, Marco Cesati 著, 高橋 浩和 (監訳), 杉田 由美子, 清水 正明 , 高杉 昌督 , 平松 雅巳 , 安井 隆宏(訳) 詳解 Linuxカーネル 第3版 オライリー・ジャパン (2007). ISBN-13: 978-4873113135

Jonathan Corbet, Alessandro Rubini, Greg Kroah-Hartman (著), 山崎 康宏 , 山崎 邦子 , 長原 宏治 , 長原 陽子(訳): "Linuxデバイスドライバ", オライリージャパン (2005). ISBN-13: 978-4873112534

■オペレーティングシステムII

◆この授業の狙い

• 「オペレーティングシステムI」の理論を実践へ
• ハードウェアとソフトウェアのインタラクションを知る
• 実際のOSのソースコードに慣れる

◆この授業を受ける意義

• 将来、オペレーティング・システム・カーネルをいじる、特にデバイス・ ドライバを書く時の基礎的な知識を得る。
• OSの仕組みを知ることでOSをうまく使えるようになる。
• 身近の、複雑で、比較的大きい、難易度が高いプログラムに触れる。
• メタレベルのプログラミングを意識してみる。 OSは、普通のプログラムのメタレベルのプログラム。

◆メタレベルのプログラム

$ ls -l hello.rb  
-rw-r--r-- 1 yas prof 26 Dec  7 06:35 hello.rb
$ cat hello.rb  
printf("hello, world!\n")
$ ruby hello.rb  
hello, world!
$ 

プログラミング

hello.rb を書き換える

メタレベルのプログラミング

ruby インタプリタのプログラムを書き換える

◆メタレベルのプログラムとしてのOS

$ ls -l hello.c 
-rw-r--r-- 1 yas prof 44 Dec  7 06:25 hello.c
$ cat hello.c 
main()
{
        printf("hello, %s!\n","world");
}
$ cc hello.c -o hello 
$ ./hello  
hello, world!
$ 

プログラミング

hello.c を書き換える

メタレベルのプログラミング

OSカーネルのプログラムを書き換える

OSカーネル自身は、普通は、ハードウェアによるインタプリタ(CPU、入出力)で 実行される。インタフェースは、機械語命令や入出力機器への操作。

OSカーネルへのインタフェースは、システム・コール。 == OSカーネルは、システム・コールのインタプリタ。

◆シラバス

◆Linux

• 機械語序論、プログラム言語処理系との連携。
• ソースコードが公開されている。
• 研究開発でよく使われる。
• 道具がそろっている。

• PC
  • windell01 - windell60。Windows との dual boot。 起動時に CentOS を選択する。
• サーバ
  • viola01 - viola06。
  • lilac-calc1, lilac-calc2
  • lilac-nwc, lilac-nwd

■システム・コールとライブラリ

◆OSの構造

• システム・コール: カーネルに含まれている。
• ライブラリ: アプリケーションのプログラムに「リンク」されている。

◆システム・コールのライブラリの違い

• カーネル（システム）のプログラムを直接的に利用する。
• 最小を目指して設計する。
• プロセスの外に働きかける。

• カーネルの機能を使わないもの。
• 便利さを目指す。
• (システム・コールの助けがなければ)メモリの内容を書き換えるだけ。

システムコールの例：

• open(), close(), read(), write()

• fopen(), fclose(), fread(), fwrite()
• printf(), fgets(), getchar()

システムコールとライブラリの見分け方（Unix編）

• マニュアルの２章にあればシステムコール。例: READ(2)
• マニュアルの３章にあればライブラリ関数。例: PRINTF(3)

同じUnix系OSでも、細かい所でシステム・コールとライブラリが入れ替わって いることもある。

システム・コールは、トラップ命令（trap instruction）を含む。 その部分は、アセンブリ言語。

ライブラリ関数は、大部分はＣ言語で書かれている。 printf() のソース・プログラムがある。

Ｃ言語で記述したプログラムは、文法さえあっていれば コンパイルはできる。 ライブラリ関数やシステムコールがないと動作しない。

◆リンク

静的リンク(static link)

プログラム実行する前(実行形式を作成する時点)で、ライブラリ関数の呼出し をすべて機械語の手続き呼び出し命令に変換する。データへの参照を固定番地 に変換する。

動的リンク(dynamic link)

プログラム実行中に必要に応じてリンクを行う。

動的リンクを行う時には、共有ライブラリ(shared library) を使い、メモリの節約をする。

◆hello.cとgcc -S

main()
{
	printf("hello, %s!\n","world");
}

$ ls hello*   
hello.c
$ make hello    
cc     hello.c   -o hello
hello.c: In function 'main':
hello.c:3: warning: incompatible implicit declaration of built-in function 'printf'
$ ./hello  
hello, world!
$ gcc -S hello.c 
hello.c: In function 'main':
hello.c:3: warning: incompatible implicit declaration of built-in function 'printf'
$ ls hello* 
hello  hello.c  hello.s
$ 

• 「gcc -S file.c」で、通常は削除されるアセンブリ言語の出力が 残される。

	.file	"hello.c"
	.section	.rodata
.LC0:
	.string	"world"
.LC1:
	.string	"hello, %s!\n"
	.text
.globl main
	.type	main, @function
main:
	leal	4(%esp), %ecx
	andl	$-16, %esp
	pushl	-4(%ecx)
	pushl	%ebp
	movl	%esp, %ebp
	pushl	%ecx
	subl	$20, %esp
	movl	$.LC0, 4(%esp)
	movl	$.LC1, (%esp)
	call	printf
	addl	$20, %esp
	popl	%ecx
	popl	%ebp
	leal	-4(%ecx), %esp
	ret
	.size	main, .-main
	.ident	"GCC: (GNU) 4.1.2 20080704 (Red Hat 4.1.2-48)"
	.section	.note.GNU-stack,"",@progbits

• アセンブリ言語の出力には、main() 関数のみが含まれている。 printf() 関数は含まれていない。
• C言語で printf() の呼び出しは、アセンブリ言語レベルでは、call 命令 になっている。

◆printf() のソース・プログラム

＜省略＞
  28:	int
  29:	__printf (const char *format, ...)
  30:	{
  31:	  va_list arg;
  32:	  int done;
  33:	
  34:	  va_start (arg, format);
  35:	  done = vfprintf (stdout, format, arg);
  36:	  va_end (arg);
  37:	
  38:	  return done;
  39:	}
＜省略＞
  42:	ldbl_strong_alias (__printf, printf);

• vfprintf() を呼んでいる。フォーマッティングは、共通。最後は (stdout なので)write() システム・コールが呼ばれる。
• va_start(), va_end(), va_arg() は可変長の引数を扱うマクロ。man ペー ジ va_start(3) 参照。

PRINTF(3)                  Linux Programmer's Manual                 PRINTF(3)

NAME
       printf,   fprintf,  sprintf,  snprintf,  vprintf,  vfprintf,  vsprintf,
       vsnprintf - formatted output conversion
SYNOPSIS
...
       int printf(const char *format, ...);
       int fprintf(FILE *stream, const char *format, ...);
...
       int vfprintf(FILE *stream, const char *format, va_list ap);
...
DESCRIPTION
...
       The functions vprintf(), vfprintf(), vsprintf(), vsnprintf() are equiv-
       alent  to  the  functions  printf(),  fprintf(), sprintf(), snprintf(),
       respectively, except that they are called with a va_list instead  of  a
       variable  number  of  arguments. These functions do not call the va_end
       macro. Consequently, the value of ap is undefined after the  call.  The
       application should call va_end(ap) itself afterwards.
...

◆write()システム・コールのマニュアル

WRITE(2)                   Linux Programmer's Manual                  WRITE(2)

NAME
       write - write to a file descriptor

SYNOPSIS
       #include <unistd.h>

       ssize_t write(int fd, const void *buf, size_t count);

DESCRIPTION
       write()  writes  up  to  count bytes to the file referenced by the file
       descriptor fd from the buffer starting at buf.  POSIX requires  that  a
       read()  which  can  be  proved  to  occur  after a write() has returned
       returns the new data.  Note that not all file systems  are  POSIX  con-
       forming.

RETURN VALUE
       On  success,  the  number of bytes written are returned (zero indicates
       nothing was written).  On error, -1  is  returned,  and  errno  is  set
       appropriately.   If  count  is zero and the file descriptor refers to a
       regular file, 0 may be returned, or an error could be detected.  For  a
       special file, the results are not portable.

ERRORS
       EAGAIN Non-blocking  I/O  has  been  selected  using O_NONBLOCK and the
              write would block.

       EBADF  fd is not a valid file descriptor or is not open for writing.
...

◆write()システム・コール(ユーザ空間)

	push   %ebx		# ebxレジスタの内容をスタックへ退避
	mov    0x10(%esp),%edx	# 第3引数をレジスタ edx へ
	mov    0xc(%esp),%ecx	# 第2引数をレジスタ ecx へ
	mov    0x8(%esp),%ebx	# 第1引数をレジスタ ebx へ
	mov    $0x4,%eax	# システム・コールの番号 eax へ
	int    $0x80		# トラップ命令。カーネルへ制御を移す。
	pop    %ebx		# ebxレジスタの内容を回復
	cmp    $0xfffff001,%eax	# エラーが起きたら
	jae    __syscall_error	# __syscall_errorへジャンプ (errno等の保存)
	ret

• 手続きの内容がない。
• int 命令 (interrupt)は、x86 でのトラップ命令の１つ。 カーネルに制御が移る。
• システム・コールのの番号と引数は、レジスタに入れられている。
• システム・コールの結果は、レジスタやフラグに入れて返される。

■Linuxカーネルのソース

◆バージョン

• 2.6.26.1

• 現在開発が進められいるのは、2.6 系列。
• 新しい機能は、リビジョンが上がる所で入る。 例: 2.6.36 の次は、2.6.37 。
• 重大な問題がバグが見つかると、安定バージョンへの パッチが出される。例: 2.6.36.{1,2,3,...}
• 開発中、リリース前には、release candidate として-rc1, -rc2, -rc3 のよう出される。

http://kernel.org/ に保存されている。

展開の仕方

$ bzip2 -d < linux-X.Y.Z.tar.bz2 | tar xf - 

• .bz2 は、bzip2 で圧縮したもの。
• .tar は、tar コマンドで固めた(複数のファイルを1つにまとめた)もの。

~yas/os2/linux-2.6.36/ に展開したものがある。

◆カーネルのディレクトリ構成

■システム・コール

◆システムコールの番号

linux-2.6.36/arch/x86/include/asm/unistd_32.h

...
   8:	#define __NR_restart_syscall      0
   9:	#define __NR_exit                 1
  10:	#define __NR_fork                 2
  11:	#define __NR_read                 3
  12:	#define __NR_write                4
  13:	#define __NR_open                 5
  14:	#define __NR_close                6
  15:	#define __NR_waitpid              7
  16:	#define __NR_creat                8
  17:	#define __NR_link                 9
  18:	#define __NR_unlink              10
  19:	#define __NR_execve              11
  20:	#define __NR_chdir               12
...
 346:	#define __NR_fanotify_init      338
 347:	#define __NR_fanotify_mark      339
 348:	#define __NR_prlimit64          340
...
 352:	#define NR_syscalls 341
...

◆システム・コールの表 sys_call_table

   1:	ENTRY(sys_call_table)
   2:	        .long sys_restart_syscall       /* 0 - old "setup()" system call, used for restarting */
   3:	        .long sys_exit
   4:	        .long ptregs_fork
   5:	        .long sys_read
   6:	        .long sys_write
   7:	        .long sys_open          /* 5 */
   8:	        .long sys_close
   9:	        .long sys_waitpid
  10:	        .long sys_creat
  11:	        .long sys_link
  12:	        .long sys_unlink        /* 10 */
...
 340:	        .long sys_fanotify_init
 341:	        .long sys_fanotify_mark
 342:	        .long sys_prlimit64             /* 340 */

• １つのシステム・コールを処理するために、1つの関数が定義されている。
• 関数の名前は、伝統的に sys_ で始まる。 ユーザ空間のシステム・コールと紛れないようにするため。 例: ユーザの write() システム・コールは、カーネル内の sys_write() という関数で処理される。
• システムコールは、sys_call_table という表に登録されている。 n番目のシステム・コールは、テーブルのn番目にある関数を呼び出す。 C言語で書くと、次のようになる。

  long sys_call_table[NR_syscalls];
  ...
  {
      long n = システム・コールの番号
      long f = sys_call_table[n];
      (*f)( 引数0, 引数1, 引数2 ); // 関数と思って呼ぶ
  }
  
  

◆sys_write()

 408:	SYSCALL_DEFINE3(write, unsigned int, fd, const char __user *, buf,
 409:	                size_t, count)
 410:	{
 411:	        struct file *file;
 412:	        ssize_t ret = -EBADF;
 413:	        int fput_needed;
 414:	
 415:	        file = fget_light(fd, &fput_needed);
 416:	        if (file) {
 417:	                loff_t pos = file_pos_read(file);
 418:	                ret = vfs_write(file, buf, count, &pos);
 419:	                file_pos_write(file, pos);
 420:	                fput_light(file, fput_needed);
 421:	        }
 422:	
 423:	        return ret;
 424:	}

asmlinkage long sys_write(unsigned int fd, const char __user *buf,
	   	size_t count)
{
	省略
}

• 今日は sys_write() の内容は、説明しない。
• write() システム・コールは、fs/read_write.c の中の sys_write() 関数で処理される。
• sys_write() という名前は、SYSCALL_DEFINE3() というマクロで作られる。 3 は、3引数の意味。普通は 0 引数 5 引数まで。
• マクロにより、システム・コールを処理する関数には、asmlinkage とい うキーワード(コンパイラへの指示(directive))が付く。Cコンパイラは、アセ ンブリ言語からの呼び出しが簡単になるようなコードを出力する。
• エラーの番号は、エラー番号は、小さい正の整数。大文字 E で始 まる名前（マクロ）が付けられている。 定義は、 <errno.h> (include/asm-generic/errno-base.h) 等に含まれてい る。
• システム・コールの処理をする関数 sys_xxx() は、成功すると 正の値を返す。 エラーが発生すると、カーネル内では、エラー 番号を負の値にしたものを返す。
• システム・コールの結果は、ユーザ空間にはCPUのレジスタやCPUのフラグ （条件分岐に使うもの）に入れて返される。
• ユーザ空間でシステム・コールは、成功すると、 0以上の値を返す。失敗すると、負の値(-1) 等を返す。
• ユーザ空間でシステム・コールのエラー番号は、 グローバル変数 errno を見ると分かる。 (マルチスレッドのプログラムでは、スレッド固有データ) x86-32 では、__syscall_error という手続きが レジスタにあるエラー番号を グローバル変数 errno に セットする。 write()システム・コール(ユーザ空間) 参照。

◆エラー番号の例

...
   4:	#define EPERM            1      /* Operation not permitted */
   5:	#define ENOENT           2      /* No such file or directory */
   6:	#define ESRCH            3      /* No such process */
   7:	#define EINTR            4      /* Interrupted system call */
   8:	#define EIO              5      /* I/O error */
   9:	#define ENXIO            6      /* No such device or address */
  10:	#define E2BIG            7      /* Argument list too long */
  11:	#define ENOEXEC          8      /* Exec format error */
  12:	#define EBADF            9      /* Bad file number */
  13:	#define ECHILD          10      /* No child processes */
...

◆SYSCALL_DEFINEマクロ

 188:	#define SYSCALL_DEFINE0(name)      asmlinkage long sys_##name(void)
...
 191:	#define SYSCALL_DEFINE1(name, ...) SYSCALL_DEFINEx(1, _##name, __VA_ARGS__)
 192:	#define SYSCALL_DEFINE2(name, ...) SYSCALL_DEFINEx(2, _##name, __VA_ARGS__)
 193:	#define SYSCALL_DEFINE3(name, ...) SYSCALL_DEFINEx(3, _##name, __VA_ARGS__)
 194:	#define SYSCALL_DEFINE4(name, ...) SYSCALL_DEFINEx(4, _##name, __VA_ARGS__)
 195:	#define SYSCALL_DEFINE5(name, ...) SYSCALL_DEFINEx(5, _##name, __VA_ARGS__)
 196:	#define SYSCALL_DEFINE6(name, ...) SYSCALL_DEFINEx(6, _##name, __VA_ARGS__)
...
 223:	#define SYSCALL_DEFINEx(x, sname, ...)                          \
 224:	        __SYSCALL_DEFINEx(x, sname, __VA_ARGS__)
...
 245:	#define __SYSCALL_DEFINEx(x, name, ...)                                 \
 246:	        asmlinkage long sys##name(__SC_DECL##x(__VA_ARGS__))

• マクロにより、システム・コールを処理する関数には、 「sys_」 というプレフィックスが付けられる。 「##」 は、Cプリプロセッサの命令で、文字列の結合を意味する。

◆システム・コールの実行のまとめ

• プログラムの実行は、ユーザ空間とカーネル空間に別れる。
• 各空間の内部の関数呼び出しは、call 命令で行われる。
• ユーザ空間からカーネル空間への切替えは、トラップ命令で行われる。 x86 では int 命令や sysenter 命令が使われる。
• ユーザ空間での write() の呼び出しは、カーネルでは sys_write() になる。

■システム・コールやライブラリを観察するためのコマンド

◆strace コマンド

$ strace ./hello 
execve("./hello", ["./hello"], [/* 38 vars */]) = 0
brk(0)                                  = 0x83a3000
access("/etc/ld.so.preload", R_OK)      = -1 ENOENT (No such file or directory)
open("/etc/ld.so.cache", O_RDONLY)      = 3
fstat64(3, {st_mode=S_IFREG|0644, st_size=169180, ...}) = 0
mmap2(NULL, 169180, PROT_READ, MAP_PRIVATE, 3, 0) = 0xb7f67000
close(3)                                = 0
open("/lib/libc.so.6", O_RDONLY)        = 3
read(3, "\177ELF\1\1\1\0\0\0\0\0\0\0\0\0\3\0\3\0\1\0\0\0\340_\222\0004\0\0\0"..., 512) = 512
fstat64(3, {st_mode=S_IFREG|0755, st_size=1689640, ...}) = 0
mmap2(NULL, 4096, PROT_READ|PROT_WRITE, MAP_PRIVATE|MAP_ANONYMOUS, -1, 0) = 0xb7f66000
mmap2(0x910000, 1410500, PROT_READ|PROT_EXEC, MAP_PRIVATE|MAP_DENYWRITE, 3, 0) = 0x910000
mmap2(0xa63000, 12288, PROT_READ|PROT_WRITE, MAP_PRIVATE|MAP_FIXED|MAP_DENYWRITE, 3, 0x152) = 0xa63000
mmap2(0xa66000, 9668, PROT_READ|PROT_WRITE, MAP_PRIVATE|MAP_FIXED|MAP_ANONYMOUS, -1, 0) = 0xa66000
close(3)                                = 0
mmap2(NULL, 4096, PROT_READ|PROT_WRITE, MAP_PRIVATE|MAP_ANONYMOUS, -1, 0) = 0xb7f65000
set_thread_area({entry_number:-1 -> 6, base_addr:0xb7f656c0, limit:1048575, seg_32bit:1, contents:0, read_exec_only:0, limit_in_pages:1, seg_not_present:0, useable:1}) = 0
mprotect(0xa63000, 8192, PROT_READ)     = 0
mprotect(0x83d000, 4096, PROT_READ)     = 0
munmap(0xb7f67000, 169180)              = 0
fstat64(1, {st_mode=S_IFCHR|0620, st_rdev=makedev(136, 1), ...}) = 0
mmap2(NULL, 4096, PROT_READ|PROT_WRITE, MAP_PRIVATE|MAP_ANONYMOUS, -1, 0) = 0xb7f90000
write(1, "hello, world!\n", 14hello, world!
)         = 14
exit_group(14)                          = ?
$ 

• 最後に write() システム・コールが実行されている。
• libc (/lib/tls/libc.so.6) のファイルが開かれ、 mmap() によりメモリにマップされている（動的リンク）。

◆ltrace コマンド

$ ./hello  
hello, world!
$ ltrace ./hello 
__libc_start_main(0x80483a4, 1, 0xbf8d3764, 0x80483f0, 0x80483e0 
printf("hello, %s!\n", "world"hello, world!
)                  = 14
+++ exited (status 14) +++
$ 

◆gdb デバッガ

$ gdb hello 
省略
(gdb) b main        # ブレークポイントの設定
Breakpoint 1 at 0x80483b2
(gdb) r             # 実行
Starting program: 省略/hello 
Breakpoint 1, 0x080483b2 in main ()
(gdb) b write       # ブレークポイントの設定
Breakpoint 2 at 0x9d2b80
(gdb) c             # 実行継続
Continuing.
Breakpoint 2, 0x009d2b80 in write () from /lib/libc.so.6
(gdb) bt            # バックトレース
#0  0x009d2b80 in write () from /lib/libc.so.6
省略
#6  0x0094c271 in vfprintf () from /lib/libc.so.6
#7  0x00955e83 in printf () from /lib/libc.so.6
#8  0x080483c9 in main ()
(gdb) c             # 実行継続
Continuing.
hello, world!
Program exited with code 016.
(gdb) 

◆その他のプロセスを調べるコマンド

• ktrace (FreeBSD, MacOSX 10.4)
• dtrace, dtruss (Solaris, MacOSX 10.5以降)
• truss (Solaris, System V Unix)

■クイズ1 システムコールとLinuxカーネルのソース

★問題(101) システム・コールとライブラリ関数の共通点

★問題(102) システム・コールとライブラリ関数の相違点

★問題(103) close()システムコールの引数と結果

CLOSE(2)                   Linux Programmer's Manual                  CLOSE(2)
NAME
       close - close a file descriptor
SYNOPSIS
       #include <unistd.h>
       int close(int fd);
DESCRIPTION
       close()  closes  a  file descriptor, so that it no longer refers to any
       file and may be reused.  Any record locks (see fcntl(2))  held  on  the
       file  it  was  associated  with,  and owned by the process, are removed
       (regardless of the file descriptor that was used to obtain the lock).
...

引数と結果の宣言
{
   /*内容*/
}