Lab 026 · 内核第一次认识「文件」:嵌入式 initrd ramdisk

配套章节:026 · 内核第一次认识「文件」:嵌入式 initrd ramdisk。这一关给你目标和约束,不贴 ustar 头布局、不贴 mount 遍历、不贴 embed 流水线的具体命令组合。

实验目标

让内核第一次理解「文件」:解析一个嵌入式 ustar(就是 tar)归档,把里面的文件名和大小列出来。拆成三个子目标:

1. 能解析 ustar 头:读懂那 512 字节定长表的字段(name/size/typeflag/magic),把八进制 ASCII 的大小转成整数。
2. 能遍历归档:从头走到尾,认出文件和目录,正确跳过每个文件的数据块。
3. 能把归档嵌进内核:搭一条构建期流水线,让一份外部 tar 文件变成内核镜像里的一段数据,运行时靠链接器符号找到它。

做完这三条,内核就从「只认识扇区」走到了「认识文件」。注意边界:这一章只「列出」文件,不实现打开/读/写——那是下一关 VFS 的活。

前置条件

你得理解 ustar 归档是个什么格式:一串 512 字节的块,每个文件 = 一个 512 字节头 + 若干个 512 字节数据块(数据按 512 补齐)。数字字段(size/mode/uid…)是八进制 ASCII。这些是 POSIX.1-1988 定的,不懂的话先去查 ustar 头布局再动手。

构建这块要知道 GNU objcopy 能把任意二进制文件转成可链接的 ELF object(-I binary),以及链接器段(section)怎么控制一块数据的排布与加载。023 嵌入用户程序二进制用的也是同款手法,有印象会更顺。

任务分解

第一步:摸清 ustar 头。 定义一个 512 字节、[[gnu::packed]] 的头结构体,字段按规范偏移排(name@0、mode@100、size@124、typeflag@156、magic@257…),配一条 static_assert(sizeof==512) 卡死大小。想清楚为什么必须 packed(默认对齐会在字段间塞 padding,512 就对不上了)。把类型标志和 magic 串("ustar")定成常量。

第二步:八进制转换。 写一个把八进制 ASCII 串转成整数的函数。两个要点:用 result<<3 + digit(乘 8)逐位累加;遇到 null 或空格就停——ustar 字段是定长的,实际数值短的部分用前导 0 或空格填、结尾可能有 null,读满定长会把填充位也当数字。把 0、全空、带 null 截断、带空格截断这些边界想清楚。

第三步:遍历归档。 mount 从归档基址开始,一个头一个头地走:先判断归档结束(遇到 name[0]=='\0' 的全零头就停),再校验 magic 是 "ustar"(不合法就停下,别硬解),然后按 typeflag 分类(普通文件/连续文件算文件、目录算目录)打印名字和大小,最后跳过头 + 数据块落到下一个头。数据块数是文件大小向上取整到 512((size+511)/512,size==0 是 0 块)。这步的灵魂是「块数算对、终止条件对」,错一个块后面全错位。打印文件名时要带长度上限(定长 100 字节、未必有 null),别直接当 C 字符串 %s 打,会越界读到下一字段。

第四步:embed 流水线。 这一步让 _binary_initrd_start/_end 这两个符号真的指向归档。先用 tar 把几个测试文件打包成 initrd.tar。再用 objcopy -I binary 把它转成 ELF object,放进一个叫 .initrd 的自定义段——注意段的属性要带 ALLOC,LOAD,否则数据不进加载镜像、运行时读不到。然后链接器脚本里加一节 .initrd,4096 对齐,高半区内核记得用 AT(ADDR - KERNEL_VMA) 处理加载地址。最后有个坑:objcopy -I binary 生成的符号名是按输入文件绝对路径派生的(换机器/换目录就变),代码里没法写死,得用 --redefine-sym 统一改成稳定的 _binary_initrd_start/end/size。

接口约束

你要实现出来的东西,对外长这样(职责和签名,不给实现):

• UstarHeader:512 字节、packed 的头结构体,字段按 ustar 偏移。
• octal_to_uint(const char* s, size_t len) -> uint64_t:八进制 ASCII 转整数,null/space 截断。
• Ramdisk::mount() -> uint32_t:解析嵌入式归档,打印每个条目,返回找到的文件数。
• Ramdisk::base() -> const void* / total_size() -> uint64_t:归档基址和大小。

硬约束:

• 只读、不写;mount 只列出文件名和大小,不填充按名查找用的条目结构(那是留给下一关的形状)。
• 数据按 512 字节块补齐,块数向上取整;归档结束以全零头(name[0]=='\0')为准。
• 文件名打印带长度上限;数字字段一律按八进制解析。
• 归档是构建期嵌入内核镜像的,不是从磁盘读的——别在本章引入块设备/磁盘读取。

ustar 字段偏移、类型标志值、magic 串、objcopy 的命令组合、链接器段写法,都得你照规范/工具手册来定,这关不提供。

验证步骤

纯逻辑(头偏移、八进制、块数、在合成归档上跑遍历)在 host 上镜像测。自己造几个合成的 ustar 归档字节(单文件、带数据、目录、无效 magic、全零),把同样的遍历逻辑抄一份到测试里,CINUX_HOST_TEST 门控——因为内核 mount 读的是链接器符号指向的真数据,host 上没有那块数据,只能造假的:

ctest --test-dir build -R ramdisk --output-on-failure

建议覆盖:UstarHeader 512 字节且各字段偏移对;八进制解析的 0/全空/null 截断/space 截断;data_blocks 的 1B/512B/513B 边界;mount 在合成归档上(单文件+数据正确跳过、目录、无效 magic 停止、全零归档返回 0)。

真归档、真链接器符号,在 QEMU 里跑机内集成测试(归档基址非空、size>0、mount 返回 3):

cmake --build build --target run-kernel-test

跑完整内核看启动日志,验收点是那段 [RAMDISK] 输出:

[RAMDISK]   FILE: hello.txt  (18 bytes)
[RAMDISK]   FILE: readme.txt  (23 bytes)
[RAMDISK]   DIR:  etc/
[RAMDISK]   FILE: etc/passwd  (11 bytes)
[RAMDISK] 3 file(s) found in initrd.

常见故障

• 归档里有 3 个文件,内核只认出 1 个甚至 0 个:八进制读成了十进制(*10 而非 <<3),或把 size 字段当二进制整数直接读。size 偏大 → 块数爆表 → offset 飞出归档。先查八进制解析。
• 认不全文件,且 magic 校验报错:数据块数没向上取整(size/512 下取整),或 size==0 没特判。offset 跳偏 512,下一个头落到数据中间,magic 不符、遍历断。
• 列出了一堆乱码文件名,甚至读到归档外头:没做 magic 校验,或没判断 name[0]=='\0' 的结束。任何字节都被当合法头。两道闸都要有。
• base() 非空、size 也对,但一个文件都列不出:.initrd 段的属性漏了 ALLOC,LOAD,数据没进加载镜像,运行时读到全零。查 objcopy --rename-section 的 flags。
• 链接时报「未定义符号 _binary_initrd_start」:objcopy 生成的符号名是路径派生的,没做 --redefine-sym 重命名,和代码里写死的对不上。
• 文件名打印后面带一串乱码:name 是定长 100 字节、未必有 null,直接 %s 打越界读到下一字段。打印要带长度上限、遇 null 停。

通过标准

1. host 单测全绿:UstarHeader 512B 及字段偏移、类型标志、magic、八进制(含截断/全空)、data_blocks 边界、mount 在合成归档上的遍历。
2. QEMU 机内测通过:归档基址非空、size>0、mount 返回 3、八进制解析(0/10/100/668/512)正确。
3. 八进制用 <<3 累加且 null/space 截断;数据块向上取整;结束以全零头为准;magic 校验不漏;文件名带长度打印。
4. embed 流水线:.initrd 段带 ALLOC,LOAD 且页对齐,高半区 AT(ADDR - KERNEL_VMA);objcopy 符号重命名为稳定的 _binary_initrd_*。

做到这四条,内核就第一次认出了归档里的文件。但还只是「列出」,没法打开读内容——下一关,我们在这层之上搭一个 VFS,给内核和用户态一套统一的 open/read/close 接口。