JVM的class文件结构详解

发布日期：2021-06-30 12:33:53 浏览次数：2 分类：技术文章

本文共 5726 字，大约阅读时间需要 19 分钟。

1 JVM的“平台无关性”

Java具有平台无关性，即任何操作系统都能运行Java代码。

之所以能实现这一点，是因为Java运行在虚拟机之上,不同的操作系统都拥有各自的Java虚拟机,因此Java能实现"一次编写,处处运行"。

而JVM不仅具有平台无关性，还具有语言无关性：

平台无关性是指不同操作系统都有各自的JVM

语言无关性是指Java虚拟机能运行除Java以外的代码!

但JVM对能运行的语言是有严格要求的。首先来了解下Java代码的运行过程：

Java源代码首先需要使用Javac编译器编译成class文件，然后启动JVM执行class文件，从而程序开始运行。

即JVM只认识class文件，它并不管何种语言生成了class文件，只要class文件符合JVM的规范就能运行。

因此目前已经有Scala、JRuby、Jython等语言能够在JVM上运行。它们有各自的语法规则，不过它们的编译器都能将各自的源码编译成符合JVM规范的class文件，从而能够借助JVM运行它们。

Class文件是JVM的输入, Java虚拟机规范中定义了Class文件的结构。Class文件是JVM实现平台无关、技术无关的基础。

2 纵观Class文件结构

class文件包含Java程序执行的字节码，数据严格按照格式紧凑排列在class文件中的二进制流，中间无任何分隔符。

文件开头有一个0xcafebabe(16进制)特殊的一个标志。

下图展示为16进制

class文件是一组以8字节为单位的二进制字节流，对于占用空间大于8字节的数据项,按照高位在前的方式分割成多个8字节进行存储。

它的内容具有严格的规范，文件中没有任何分隔符，全是连续的0/1。

class文件中的所有内容被分为两种类型：

无符号数
基本的数据类型,以u1、u2、u4、u8,分别代表1字节、2字节、4字节、8字节的无符号数

表
class文件中所有数据(即无符号数)要么单独存在,要么由多个无符号数组成二维表.即class文件中的数据要么是单个值,要么是二维表.通常以_info 结尾

文件格式

javap工具生成非正式的"虚拟机汇编语言” ,格式如下:

<index>是指令操作码在数组中的下标,该数组以字节形式来存储当前方法的Java虚拟机代码;也可以是相对于方法起始处的字节偏移量

<opcode>是指令的助记码

< operand>是操作数

<comment>是行尾的注释

ClassFile {
       u4             magic;    u2             minor_version;    u2             major_version;    u2             constant_pool_count;    cp_info        constant_pool[constant_pool_count-1];    u2             access_flags;    u2             this_class;    u2             super_class;    u2             interfaces_count;    u2             interfaces[interfaces_count];    u2             fields_count;    field_info     fields[fields_count];    u2             methods_count;    method_info    methods[methods_count];    u2             attributes_count;    attribute_info attributes[attributes_count];}

实践

Demo1.java

Demo1.txt

版本号规则: JDK5,6,7,8
分别对应49,50,51,52

2.1 魔数(Magic Number)

class文件的头4个字节称为魔数,唯一作用是确定这个文件是否为一个能被JVM接受的Class文件.

作用就相当于文件后缀名,只不过后缀名容易被修改,不安全.

是用16进制表示的"CAFEBABE".

2.2 版本信息

紧接着魔数的4个字节是版本号.它表示本class中使用的是哪个版本的JDK.

在高版本的JVM上能够运行低版本的class文件,但在低版本的JVM上无法运行高版本的class文件.

2.3 常量池

2.3.1 什么是常量池?

紧接着版本号之后的就是常量池。常量池中存放两种类型的常量：

字面量 (Literal)
接近Java语言的常量概念，如：字符串文本、final常量值。

符号引用 (Symbolic Reference)
属于编译原理方面,包括下面三类常量:：
- 类和接口的全限定名
- 字段的名称和描述符
- 方法的名称和描述符

2.3.2 常量池的特点

长度不固定
常量池的大小不固定,因此常量池开头放置一个u2类型的无符号数,代表当前常量池的容量.
该值从1开始,若为5表示池中有4项常量,索引值1~5

常量由二维表表示
开头有个常量池容量计数值,接下来就全是一个个常量了,只不过常量都是由一张张二维表构成,除了记录常量的值以外,还记录当前常量的相关信息

class文件的资源仓库

与本class中其它部分关联最多的数据类型

占用Class文件空间最大的部分之一 ,也是第一个出现的表类型项目

2.3.3 常量池中常量的类型

根据常量的数据类型不同,被细分为14种常量类型,都有各自的二维表示结构

每种常量类型的头1个字节都是tag,表示当前常量属于14种类型中的哪一个.

以CONSTANT_Class_info常量为例，它的二维表示结构如下：

CONSTANT_Class_info表

类型	名称	数量
u1	tag	1
u2	name_index	1

tag 表示当前常量的类型(当前常量为CONSTANT_Class_info,因此tag的值应为7,表一个类或接口的全限定名);

name_index 表示这个类或接口全限定名的位置.它的值表示指向常量池的第几个常量.它会指向一个CONSTANT_Utf8_info类型的常量

类型	名称	数量
u1	tag	1
u2	length	1
u1	bytes	length

CONSTANT_Utf8_info表字符串常量

tag 表当前常量的类型,这里是1

length 表该字符串的长度

bytes为这个字符串的内容(采用缩略的UTF8编码)

Java中定义的类、变量名字必须小于64K

类、接口、变量等名字都属于符号引用，它们都存储在常量池中

而不管哪种符号引用，它们的名字都由CONSTANT_Utf8_info类型的常量表示，这种类型的常量使用u2存储字符串的长度

由于2字节最多能表示65535个数，因此这些名字的最大长度最多只能是64K

UTF-8编码 VS 缩略UTF-8编码

前者每个字符使用3个字节表示，而后者把128个ASCII码用1字节表示，某些字符用2字节表示，某些字符用3字节表示。

Demo1.txt中的常量池部分

类信息包含的静态常量，编译之后就能确认

JVM 指令


invokeinterface	用以调用接口方法，在运行时搜索一个实现了这个接口方法的对象，找出适合的方法进行调用。（Invoke interface method）
invokevirtual	指令用于调用对象的实例方法，根据对象的实际类型进行分派（Invoke instance method; dispatch based on class）
invokestatic	用以调用类方法（Invoke a class (static) method ）
invokespecial	指令用于调用一些需要特殊处理的实例方法，包括实例初始化方法、私有方法和父类方法。（Invoke instance method; special handling for superclass, private, and instance initialization method invocations ）

invokedynamic JDK1.7新加入的一个虚拟机指令，相比于之前的四条指令，他们的分派逻辑都是固化在JVM内部，而invokedynamic则用于处理新的方法分派：它允许应用级别的代码来确定执行哪一个方法调用，只有在调用要执行的时候，才会进行这种判断,从而达到动态语言的支持。(Invoke dynamic method)

2.4 访问控制

在常量池结束之后是2字节的访问控制

表示这个class文件是类/接口、是否被public/abstract/final修饰等.

由于这些标志都由是/否表示,因此可以用0/1表示.

访问标志为2字节,可以表示16位标志,但JVM目前只定义了8种,未定义的直接写0.

标志名称	标志值	含义
ACC_INTERFACE		是一个接口,而不是一个类
ACC_MODULE		声明的模块；可能无法从其模块外部访问。仅当ClassFile具有Module属性时才可以设置。
ACC_STATIC	0x0008	声明为静态