新闻详情

新闻详情

首页 / 资讯中心 / 详情

Linux动态加载并调用动态库(.so)实现方式

发布时间:2026/11/18 3:08:17来源:尧图网络
Linux动态加载并调用动态库(.so)实现方式
念加载动态链接库首先为共享库分配物理内存然后在进程对应的页表项中建立虚拟页和物理页面之间的映射。你可以认为系统中存在一种引用计数机制 每当一个进程加载了共享库在该进程的页表中进行一次映射引用计数加一一个进程显式卸载通过dlclose等共享库或进程退出时引用计数减 一当减少到0时系统卸载共享库。头文件1#include dlfcn.h相关函数介绍(1)打开动态链接库dlopen12345678910111213函数原型void *dlopen (const char *filename, int flag);flag分为这两种RTLD_NOW在dlopen返回前解析出全部没有定义的符号解析不出来返回NULL。RT_GLOBAL动态库定义的符号可被其后打开的其他库解析。RT_LOCAL和上面相反不能被其他库解析。默认。RTLD_LAZY暂缓决定等有需要时再解出符号返回值:打开错误返回NULL成功返回库引用dlopen用于打开指定名字(filename)的动态链接库(最好文件绝对路径)并返回操作句柄。(2)取函数执行地址dlsym123函数原型void *dlsym(void *handle, char *symbol);dlsym根据动态链接库操作句柄(handle)与符号(symbol)返回符号对应的函数的执行代码地址。(3)关闭动态链接库dlclose1234函数原型int dlclose (void *handle);returns 0 on success, and nonzero on error.dlclose用于关闭指定句柄的动态链接库只有当此动态链接库的使用计数为0时,才会真正被系统卸载。(4)动态库错误函数dlerror123函数原型const char *dlerror(void);当动态链接库操作函数执行失败时dlerror可以返回出错信息返回值为NULL时表示操作函数执行成功。示例123456789101112131415161718192021222324#include stdio.h#include dlfcn.hint main(int argc, char **argv) {void *handle;double (*cosine)(double);char *error;handle dlopen (/tmp/libtest.so, RTLD_LAZY);if(!handle) {fprintf (stderr,%s , dlerror());exit(1);}cosine (double(*)(double))dlsym(handle,cos);if((error dlerror()) ! NULL) {fprintf (stderr,%s , error);exit(1);}printf(%f , (*cosine)(2.0));dlclose(handle);return0;}编译编译动态库命令1g -o libtest.so -rdynamic -shared -fPICtest.cpp编译主程序命令1g -o mainTest mainTest.cpp -rdynamic -ldl注意要加-ldl 和 -rdynamic 链接选项总结以上为个人经验希望能给大家一个参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉