# 拥抱php之是谁动了我的内存？

**URL:** <https://forum.90sec.com/t/topic/614>\
**Category:** 技术文章\
**Created:** [2019 年11 月 29 日 16:16 UTC](https://forum.90sec.com/t/topic/614 "2019-11-29T16:16:26Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

作者： ![maplgebra](https://forum.90sec.com/user_avatar/forum.90sec.com/maplgebra/32/1628_2.png) [@maplgebra](https://forum.90sec.com/u/maplgebra)\
发布日期： [2019 年11 月 29 日 16:16 UTC](https://forum.90sec.com/t/topic/614/1 "2019-11-29T16:16:26Z")

</div>

# 小叙

在之前文章中最后的结尾，我贴了一段代码，不知道有没有师傅遇上了那种情况，因为这其中影响它出现的因素有很多，略微的变化有可能输出的结果就截然不同，为了更好的解释这其中的为什么，我重新从php5的编译器看起，因为之前我一直看的是php7，而php5和php7有很多不一样，比如底层zval结构的变化，php7语法分析过程中生成间接的语法树，执行器handler调度的多种方式，为了让写出来的东西更加的严谨和细致，我看了很多关于本文之外php5其他方面的东西，这是本文迟迟没有写的原因。

回到本文主题，确实这里算是一块php内核中比较庞大的一块内容，从文章的题目也可以猜测到后面的一切内容都关系到了内存，废话不多说进入正题。

# 简要分析

我把之前遗留问题的代码贴上来：

```php
$a="phpinfo();"; 
$b=$a; 
$serialized_string = 'a:1:{i:1;C:11:"ArrayObject":37:{x:i:0;a:2:{i:1;R:4;i:2;r:1;};m:a:0:{}}}'; 
$outer_array = unserialize($serialized_string); 
gc_collect_cycles(); 
$filler1 = "aaaa"; 
$filler2 = &$a; 
var_dump($outer_array);

```

这里逻辑上是完全没有问题的，`$filler2 = &$a; `这一步的分裂过程应该是可以拿到`$outer_array `指向已经被释放的zval结构大小的内存。但是奇怪的是输出`$outer_array`还是NULL。

为了更好的让师傅了解整个过程，讲一下之前没有提到的，为什么还存在`$filler1 = "aaaa"`这个赋值过程，在语法分析过程中，通常存在着一个叫三地址中间代码，什么叫三地址呢？比如：`x = y op z` ,其中op是一个二目运算符， y 和 z是运算分量的地址，也是我们经常说的曹操作数，而x是运算结果存放的地址。这种三地址指令最多只执行一个运算，操作对象也是最基础的地址，叫三地址其实并非会完全用到x y z三个地址，但是至少有一个。

比如`$outer_array = unserialize($serialized_string);`这一步我们尝试用三地址代码思想来分解一下：

```php
send_var $serialized_string //第一步函数传参: op=send_var,y=$serialized_string
$tmp = do_fcall 'unserialize' //第二步函数调用: op=do_fcall,x=$tmp,y='unserialize'
$outer_array assign $tmp //第三步赋值：op=assign,y=$outer_array,z=$tmp

```

我们再来来看一下`gc_collect_cycles();`这一步如果用三地址代码来分解的话：

```php
do_fcall 'gc_collect_cycles'

```

这里看起来应该算个单目运算符，因为在php里面有一个执行栈，配合`send_var` opcode来完成参数调用的。但是在php的函数调用里面，无论是否会用到他们的返回值，这个时候都会先初始化一个`$tmp`,用来保存函数返回值，如果该返回值并没有用到的话，再进行释放，`$tmp`保存结构同样是zval，所以这里会释放掉一个zval大小的内存。

```php
$tmp = do_fcall 'gc_collect_cycles'

```

这里释放掉`$tmp`以后zval内存块就刚好'盖'在原先gc释放以外释放掉的$out\_array上面。这里用了一个比较形象的'盖'字，所以这里我们需要先把`$tmp`拿走，再申请zval的时候就可以拿到$out\_array指向的zval。

出现这种奇怪的现象，第一感觉可能在复制分裂申请zval之前，$out\_array这个目标zval已经被拿走了，那么是被'谁'拿走了呢?

# 具体分析

在我拿gdb调之前，我做了一些细微操作，$out\_array却正常输出了，比如新增一条语句：`$randman="unit"` 或者把上面的`var_dump`换成`echo`,都能正常输出，是不是感觉非常的不可思议，并且难以理解。

我们进一步缩小问题，当我把简单把`var_dump`换成了`echo`, 这是最后一步肯定对面执行过程没有干扰的，但是还是影响了输出，如果说执行过程没有影响，那么最后的不同地方就发生在php代码的编译阶段！

现在我们需要确保一下`$out_array`释放伴随着gc正常释放了，这时候就需要用gdb来动态调了，第一次断在`gc_collect_cycles`其中的：

```
/* Free zvals */
		p = GC_G(free_list);
		while (p != FREE_LIST_END) {
			q = p->u.next;
			FREE_ZVAL_EX(&p->z);
			p = q;
		}

```

首先我们确保释放顺序：

```
GC buffer content:
[0x7ffff7c828b0] (refcount=2) array(1): {
    1 => [0x7ffff7c82aa8] (refcount=1) object(ArrayObject) #1 //ArrayObject
  } //outer_array
[0x7ffff7c818e0] (refcount=2,is_ref) array(2): {
    1 => [0x7ffff7c818e0] (refcount=2,is_ref) array(2): 
    2 => [0x7ffff7c828b0] (refcount=2) array(1): 
  }//inner_array

```

这里的释放顺序应该是inner\_array ，ArrayObject，outer\_array. 关于这里的过程可以去看gc遍历结点的过程，也可以参考我之前的文章，在这里不累述。

确保了释放的过程，再来看之后的分配过程，这里可以在`_emalloc`下个断，预想其过程，`$filler1= 'aaaa'`拿走了`gc_collect_cycles`释放的`$tmp`, 在这过程gdb 一直continue即可，第二个zval的申请确实发生在了引用复制分裂的过程中，但是申请到的内存却是之前ArrayObject对应的zval，这过程中也没有其他操作申请了zval，可out\_array对应的zval去哪了呢？

之前dumpgc里面还有outer\_array的地址，查看其内容，这里有一个tip，因为我这里使用的php-5.6.20开了debug，开了debug之后，默认把内存保护也开了，内存保护会把释放掉的内存块清零，所以这里我肯定它还在内存池里面。

为什么它还躺在内存池里面呢？引入今天的主角php的内存管理。

# php内存管理

玩PWN的师傅都会非常熟悉glibc里面ptmalloc内存模型，同样php里面也有自己的一套内存管理与ptmalloc有些不一样，它和google的tcmalloc是想对应的。这里我画了一张图，我会用图来描述整个过程，拒绝贴代码！

 ![enter image description here](https://forum.90sec.com/uploads/default/original/2X/c/ced00121ad512eb991b1afb1c7bf104753c69aa0.png)  
可以看到管理整个内存是一个zend\_mm\_heap结构，初始化内存可以通过malloc或者mmap来完成，其申请的粒度zend\_mm\_heap-\>block来决定的，也就是每次向系统申请的内存大小是zend\_mm\_heap-\>block的整数倍

每次向系统申请的内存，都会通过一个zend\_mm\_segment结构来管理，向系统的申请内存我们称之为segment段，想系统申请的segments，zend\_mm\_heap-\>segments\_list这个字段组成了一个链表。可以看到segment起始位置保存着zend\_mm\_segment的结构，而后的位置被分成了一个又一个的block块，看绿箭头的位置，这里blocks来自于4种不同的结构上。我们就这四个结构来分别描述一下：

### 1.cache:

cache是第一层的缓存结构，可以看到长度是ZEND\_MM\_NUM\_BUCKETS,上面还有一串宏用来计算不同大小的内存块对应的cache里面的index。  
cache里面内存块可用的大小为`8 * index`，最小是可以为0，而最大是`8*(ZEND_MM_NUM_BUCKETS-1)`，这里为什么有一个0呢，因为这里并不是真实可用内存为0。

一个block块某一时刻只有一种状态要么是unused ，要么是used，php里面用两种header结构来分别管理这两种内存，一个是zend\_mm\_block对应着used状态下的block,另一个是zend\_mm\_free\_block对应着unused状态下的block，used的状态下header只需要记录这block的位置和大小，可能还有debug信息，而unused状态下的header需要额外记录他可能存在于其他4种block管理结构中的位置，开了内存保护以后还会在zend\_mm\_block后面设置一个魔数，所以这里为了保证两种状态下header大小都够用，我们取两者的最大值：

```
#define ZEND_MM_ALIGNED_HEADER_SIZE ZEND_MM_ALIGNED_SIZE(sizeof(zend_mm_block))
#define ZEND_MM_ALIGNED_FREE_HEADER_SIZE	ZEND_MM_ALIGNED_SIZE(sizeof(zend_mm_small_free_block))
#define ZEND_MM_MIN_ALLOC_BLOCK_SIZE ZEND_MM_ALIGNED_SIZE(ZEND_MM_ALIGNED_HEADER_SIZE + END_MAGIC_SIZE)
#define ZEND_MM_ALIGNED_MIN_HEADER_SIZE (ZEND_MM_MIN_ALLOC_BLOCK_SIZE>ZEND_MM_ALIGNED_FREE_HEADER_SIZE?ZEND_MM_MIN_ALLOC_BLOCK_SIZE:ZEND_MM_ALIGNED_FREE_HEADER_SIZE)

```

这里就会出现一种情况当`ZEND_MM_ALIGNED_FREE_HEADER_SIZE`更大一些话，当申请的内存大小介于 `ZEND_MM_ALIGNED_MIN_HEADER_SIZE-(ZEND_MM_ALIGNED_HEADER_SIZE+END_MAGIC_SIZE)):0`之间的话，那么只需要分配一个header即可，所以就出现了cache里面index为0的可能，当然了其真实可用的内存也不是为0。

总结cache是一个提供快速缓存的不同大小，但是block的大小较小一张单链表，遵循LIFO结构，即后进去先出来。

### 2.free\_buckets:

你可以从图中看到，它的长度是`ZEND_MM_NUM_BUCKETS*2`,这个结构和ptmalloc里面的bins是一样的，因为在使用`zend_mm_free_block`只会使用到prev 和 next两个字段,所以这里的free\_buckets[index] 和 free\_buckets[index+1]分别对应着prev和next，看图我圈了一个zend\_mm\_free\_block结构出来，在初始化的时候prev和next都会指向这个`zend_mm_free_block`,他储存的size大小对应这cache里面size。相同size组成一张双链表，同样遵循LIFO结构。 其中也使用了bitmap来避免遍历空洞。

### 3.large\_buckets:

这个结构是一个比较有意思的结构，是键树和双链表的结合。看图，index对应着block二进制置1的最高位，这并不是完整的键树，并不是说为其二进制的每一个位都建立结点，而是每一个键树的结点都是一个block，插入的时候只是在已经存在的结点下往下衍生建立新结点。

相同size之间用一条双链表建立起来，可以看图中就形成了相当于二叉树和双链表联合的结构，我还画了一下insert的过程，可以对应着看一下。同样这里也有一个bitmap来避免空洞，其中还有查找和删除过程也值得一看，查找的过程还是遵循最小内存原则，而删除过程会把内存大的结点往root上靠。具体的代码注释，我已经上传到github，有兴趣的师傅们可以去看看。在这里我不想贴代码！

### 4.rest\_buckets:

看名字这里存储着内存块分割留下的剩余的size，这里避免这些剩余的无意义的内存块重新插入free\_buckets带来的性能问题。可以看到rest\_buckets长度为2，一般情况下遍历查找rest\_buckets的时候，只会用到rest\_buckets[0],但是当rest\_buckets满了以后会通过rest\_buckets[1]从最前面把内存块重新释放到free\_buckets中，同样着两个长度的`zend_mm_block*` 也对应着prev和next，和前面的free\_buckets一样。

# 问题所在

现在的你应该对整个php的内存管理也有一个基本的认识。接着我们再来看问题，如果说连续内存申请，都没有拿到`$out_array`指向的zval内存block,这里不应该用zval，因为在php5里面我在前面说过，申请的应该是zval\_gc\_info结构，所以这里只有一个原因：  
`$out_array`指向的内存块，没有在`ZEND_MM_TRUE_SIZE(sizeof(zval_gc_info))`内存块大小对应在cache里面的位置的单链表里面。

发生这个问题只有一个原因，那就是在第一次申请`$out_array`的时候，拿到的内存块的大小要大于`ZEND_MM_TRUE_SIZE(sizeof(zval_gc_info))`，所以在释放的时候，没有放到预期的cache[index]里面。

为什么会申请到大于`ZEND_MM_TRUE_SIZE(sizeof(zval_gc_info))`的内存块，这个问题其实也很好理解，如果第一次在申请内存的时候，cache里面没有找到的话，那么接着会去free\_buckets里面找，而且比较巧的是free\_buckets里面也没有正好符合其大小的blocks，根据bitmap往后找，所以这里有一个内存分割过程，分割出来我们需要的size，然后剩下size，又比较巧，它是小于一块block\_header大小的内存，那么这时候会干脆把着剩余的一块都给申请的对象。

所以拿到的block要比预期的要稍微大一点，有的师傅可能会像难道不是`$out_array`释放的时候产生了合并的情况，其实也是有可能的，当cache满了以后，确实会在把这块内存插入free\_buckets之前尝试合并。但是这里情况是前面一种，因为这里的代码量是比较少的，对应的内存开销是比较小的。

再回到之前把var\_dump替换为echo的时候发生的奇怪现象。现在可以预想到肯定是内存操作有差异，确实是如此，这需要追溯到语法分析的过程中，var\_dump是内部函数的调用而echo只是语法结构，这其中有很多内存操作都有差异，涉及到一些内存的申请和释放，比如调用函数的时候会dup函数名到小写字符，还有编译时刻函数栈结构申请的入栈操作和出栈操作，这过程都会额外产生很多粒度内存块，我并不是指这个过程是随机不可预测，它是可以一步一步推出来的，哪一步申请了内存，那一步释放了内存。这过程是清晰的。

# 如何解决

还有可能php版本不一样可能也存在一些内存差异的操作，为了能避免这些情况，当然你也随意的改代码，看其是不是正常的输出。更好的做法是在$outer\_array对应zval申请的时候，我们让cache里面有其对应的block，怎么做呢？

很简单，我们额外再定义一些php变量再将其unset掉，让其填充cache。如下：

```php
<?php 
$a="phpinfo();"; 
$b = $a; 
$serialized_string = 'a:1:{i:1;C:11:"ArrayObject":37:{x:i:0;a:2:{i:1;R:4;i:2;r:1;};m:a:0:{}}}'; 
$maple = "unit"; 
$laura = "unit"; 
$family="unit"; 
$brother="unit"; 
unset($maple); 
unset($laura); 
unset($family); 
unset($brother); 
$outer_array = unserialize($serialized_string); 
gc_collect_cycles(); 
$filler1 = "aaaa"; 
$filler2 = &$a; 
var_dump($outer_array); ?>

```

所以解决问题的办法是非常简单，难的是你得了解php内部是怎么维护内存的。关于php内存管理这一块的代码注释在[https://github.com/m4p1e/php-5-source-travel](https://github.com/m4p1e/php-5-source-travel)里面，以后我会把我看的一些代码注释都补上。

# 感

我之前也喜欢写一些源码分析之类的文章，但渐渐发觉从源码出发虽然能够探究实现的细节，但这些东西更适合作为自己的学习笔记，如果要讲给别人，还是用一些更加可读的方式比较好。所以我在慢慢改变自己写东西的方式，尽量少贴代码，多用图，把数据结构和数据结构关系阐明更形象一点，用比较简洁的语言来描写调用过程。这个系列写了一些文章了，为什么我会写这些文章，一直没有一个机会说，因为我的二进制起始于php，php这个语言再我来看来是比较成功一门语言，他做到了简单易用，功能也比较丰富，他肩负和完成了自己的使命，以至于很多web选手的第一们语言就是它，未来我想php应该会向java靠拢，并不是说java有多么好，而是这是一种趋势，比如java的jar，未来php可能也会把opcode生成这样一种中间代码。

二进制起始于php，我想给它做点什么，鸟哥是我偶像！！！就像我要给php一个深深的拥抱，一切难以言语的东西都在这个拥抱里面。php内核并没那么生涩，如果纯粹讲的话，确实比较枯燥，像这样由一个又一个的问题引出细节，就是一种非常好的方式，在这过程中很多时候自己也是先学现卖，其中可能存在很多错误，也欢迎师傅指出来，至于未来这个系列会走到哪一步我也不知道。。。

我想它应该有它存在的价值！
