JVM进阶之字节码文件结构

Posted 2021-10-28 ProChick

字节码文件结构

• • 1.文件格式
  • 2.文件结构

官方文档：https://docs.oracle.com/javase/specs/jvms/se8/html/jvms-4.html

1.文件格式

• 任何一个Class文件都对应着唯一的一个类或一个接口的定义信息，Class文件是一组由8位字节为基本单位的二进制流。
• Class文件的格式不像XML等语言，它没有任何分隔符号。无论是字节的顺序还是数量，都是被严格限定的，也就是说哪个字节代表什么含义、长度是多少、先后顺序如何，都是不允许改变。
• Class文件的格式采用一种类似于C语言结构体的方式进行数据存储，这种结构中只有两种数据类型，就是无符号数和表。
  • 无符号数属于基本的数据类型，以u1、u2、u4、u8来分别代表1个字节、2个字节、4个字节和8个字节的无符号数，无符号数可以用来描述数字、索引引用、数量值或者按照 UTF-8 编码构成字符串值。
  • 表是由多个无符号数或者其他表作为数据项构成的复合数据类型，所有表都习惯性地以“_info”结尾。表用于描述有层次关系的复合结构的数据，整个 Class 文件本质上就是一张表。由于表没有固定长度，所以通常会在其前面加上个数说明。

2.文件结构

Class文件的结构并不是一成不变的，随着Java虚拟机的不断发展，总是不可避免的会对Class文件结构做出一些调整，但是基本的结构和框架还是比较稳定的。

结构组成

结构示例

public class Demo{
    private int num = 1;
    
    public int add(){
        num = num + 2;
        return num;
    }
}

结构详解

• 魔数

  • 每个字节码文件开头的4个字节无符号整数称为魔数（Magic Number），它的作用就是验证这个文件是否是一个有效合法的 Class 文件。使用魔数而不是扩展名来进行识别主要是基于安全方面的考虑，因为文件扩展名是可以随意改动的。

  • 每个合法的字节码文件，它的魔数都固定为0xCAFEBABE，如果一个字节码文件不是以该值开头，则在执行的时候将会直接抛出以下错误：

    

• 文件版本

  • 魔数之后的4个字节存储的是字节码文件的版本号，其中前两个字节所代表的含义是副版本号minor_version，而后两个字节所代表的含义是主版本号major_version，它们共同构成了字节码文件的版本号。

  • 不同版本的Java编译器生成的Class文件中的版本号对应关系如下：

    

  • 不同版本的Java编译器编译的Class文件对应的版本是不一样的，而且高版本的Java虚拟机可以执行由低版本编译器生成的Class文件，但是低版本的Java虚拟机不能执行由高版本编译器生成的Class文件，否则会抛出java.lang.UnsupportedClassVersionError异常。

    

  • 在实际应用中，由于开发环境和生产环境所使用的Java编译器版本可能不同，这就可能会导致异常的发生，所以在开发时，需要特别注意使用的编译器版本是否一致。

• 常量池

  • 常量池信息位于Class文件的版本号之后，包括：常量池的数量、常量池表。

  • 常量池是字节码文件中内容最为丰富的区域之一，常量池对字节码文件中的字段或者方法解析也起着至关重要的作用。随着JVM的不断发展，常量池的内容也日渐丰富，可以说常量池是整个字节码文件的基石。

  • 常量池中常量的数量是不固定的，所以在常量池的入口需要放置一项u2类型的无符号数，代表常量池的容量，注意这个容量计数是从1开始的。

  • 字节码文件中使用了一个容量计数器（constant_pool_count）和若干个连续的常量池表项（constant_pool）来描述常量池的信息。常量池表项中，主要用于存放编译期间生成的各种字面量和符号引用，这部分内容将在类加载后在方法区的运行时常量池中存放，这一系列连续常量池数据被称为常量池集合。

    

  常量池计数器

  • 由于常量池的数量不固定，所以需要放置两个字节来表示常量池容量的计数值。
  • 常量池容量计数值是从1开始计数的，即constant_pool_count = 1表示常量池中有0个常量项。

  常量池表

  • 常量池是一种表结构，主要用于存放常量项，范围从1到constant_pool_count - 1

  • 常量池存放的常量主要有两种

    • 字面量：文本字符串、声明为final的常量值

    • 符号引用

      • 类和接口的全限定名

        假如类Test所在的包名为：com.example，则该类的全限定名为：com/example/Test

      • 字段的名称和描述符

        这里的名称指的的简单名称，比如定义一个字段int age = 20，那么名称即为age。 描述符的作用是用来描述字段的数据类型、方法的参数列表（包括数量、类型以及顺序）和返回值的，见下表：

        

      • 方法的名称和描述符

        这里的名称指的的简单名称，比如方法toString()的名称即为toString。描述符作用同上。

  • 常量池包含了字节码文件结构及其子结构中引用的所有字符串常量、类名、接口名、字段名等信息，常量池中的每一项都具备相同的特征，也就是第1个字节作为该数据项的类型标记，用于指示该项的类型。

    

    

    

    【注意1】我们发现这里面没有byte、short、char、boolean这四种基本类型，因为在编译的时候，它们可以用Integer整形进行表示。

    【注意2】我们发现这里面 CONSTANT_Utf8_info 类型所占用的字节是不固定，因为字符串在被编译之前是不知道其长度的，只有在编译之后才将长度存入length中。

  符号引用详解

  • 由于虚拟机在加载Class文件时才会进行动态链接，所以Class文件中不会保存各个方法和字段的内存布局信息，因此这些字段和方法的符号引用不经过转换是无法被虚拟机直接使用的。只有当虚拟机运行时，首先从常量池中获得对应的符号引用，然后在类加载过程中的解析阶段将其替换为直接引用，最终才能找到具体的内存地址。
  • 符号引用是一组符号，用来描述所引用的目标，符号可以是任何形式的字面量，只要使用时能无歧义地定位到目标即可。符号引用与虚拟机实现的内存布局无关，引用的目标并不一定已经加载到了内存中。
  • 直接引用是直接指向目标的指针、相对偏移量或者能间接定位到目标的句柄。直接引用是与虚拟机实现的内存布局相关的，同一个符号引用在不同虚拟机上翻译出来的直接引用一般不同。如果有了直接引用，那说明引用的目标必定已经存在于内存之中了。

• 访问标识

  • 访问标识也可以叫做访问标志或访问标记，它由两个字节进行表示，用于识别一些类或者接口层次的访问信息。比如说：标识这个字节码文件是类还是接口还是注解，是否定义为public类型、是否定义为abstract类型等。

    

  • 访问标志通常是以ACC_开头的常量。

  • 每一种类型的表示都是通过设置访问标记的32位中的特定位来实现的，也就是如果是 public final类，则该标记为 ACC_PUBLIC | ACC_FINAL。

  • 其中ACC_SUPER标志可以让类更准确地定位到父类的方法，主要用于确定类或接口里面的invokespecial指令使用哪一种执行语义，针对JVM指令集的编译器都应当设置这个标志，所有的类都要伴随该标志。

  • 其中ACC_INTERFACE标志还必须伴随有ACC_ABSTRACT标识。

  • 其中ACC_SYNTHETIC标志意味着该类或接口是由编译器生成的，而不是由源代码生成的。

  • 其中ACC_ANNOTATION标志还必须伴随有ACC_INTERFACE标识。

• 类索引、父类索引、接口索引

  • 这三项数据分别指明了该类的信息、父类的信息、实现接口的信息，由它们共同确定了整个类的继承关系

    

  • 类索引

    • 用于确定这个类的全限定名，由2个字节的无符号整数标识，值必须是对常量池表中某项的一个有效索引值。
    • 常量池在这个索引处的成员必须为CONSTANT_Class_info类型结构体，该结构体表示了这个字节码文件所定义的类或接口信息。

  • 父类索引

    • 用于确定这个类的父类的全限定名，由2个字节的无符号整数标识。
    • 如果我们没有继承任何类，其默认继承的是java/lang/Object类。

  • 接口索引

    • 用来确定这个类实现了哪些接口，由一个常量池索引集合标识。
    • 一般由一个接口计数器( interfaces_count )、一个接口索引结合( interfaces [] )组成。
    • 由于一个类可以实现多个接口，因此需要以数组形式保存多个接口的索引，其中每个索引成员也必须是一个指向常量池的CONSTANT_Class_info类型结构体。

• 字段表

  • 基本概述

    • 字段用于描述接口或类中声明的变量，包括类级、实例级的成员变量，不包括方法内部、代码块内部声明的局部变量。
    • 字段叫什么名字、是什么数据类型，这些都是无法固定的，只能引用常量池中的常量来描述。
    • 字段表指向常量池索引集合，描述了每个字段的完整信息，比如：字段的标识符、访问修饰符、是类变量还是实例变量、是否是常量等。
    • 字段表中不会列出从父类或者实现的接口中继承而来的字段，但有可能列出原本Java代码中不存在的字段，比如在内部类中为了保持对外部类的访问性，会自动添加指向外部类实例的字段。
    • 尽管在Java语言中字段是无法重载的，两个字段的数据类型、修饰符不管是否相同，都必须使用不一样的名称，但是对于字节码来讲，如果两个字段的描述符不一致，那字段重名就是合法的。

  • 字段计数器

    字段计数器中fields_count的值表示当前字节码文件中字段表的成员个数，用两个字节来表示。

  • 字段表集合

    字段表中每个成员都是一个field_info结构，用于表示该类或接口所声明的所有类字段或者实例字段

    一个字段所表述的信息通常有：

    • 字段名称
    • 字段类型
    • 作用域（public、 private、 protected修饰符）
    • 是实例变量还是类变量（static修饰符）
    • 是否可变（final）
    • 是否具有并发性（volatile修饰符，是否强制从主内存读写）
    • 是否可序列化 （transient修饰符）

  • 字段表结构

    

    • 访问标志：描述一个字段的修饰符类型

      

    • 字段名索引：描述一个字段的名称

    • 描述符索引：描述一个字段的类型

      

    • 属性表集合：描述字段的一些属性信息，比如初始化值、一些注释信息等，它也是一个表结构。

      // 例如常量的属性表结构如下
      ConstantValue_attribute{
          u2 attribute_name_index; // 属性名索引
          u4 attribute_length; // 属性长度，对于常量而言，attribute_length值恒为2
          u2 constantvalue_index; // 属性值
      }
      

• 方法表

  • 基本概述

    • 方法表用于描述接口或类中所声明的所有方法，包括实例方法、类方法、实例初始化方法和类或接口初始化方法，以及它们的一些具体信息。
    • 方法表指向常量池索引集合，描述了每个方法的完整信息，比如：方法的访问修饰符、方法的返回值、方法的参数列表等信息。
    • 字段表中不会列出被abstract修饰的抽象方法或者被native修饰的本地方法，也不会列出从父类或父接口中继承的方法，但是有可能会列出由编译器自动添加的方法，比如：类或接口初始化方法clinit()或者实例初始化方法init()。
    • 尽管Java语法规范并不允许在一个类或者接口中声明多个方法签名相同的方法，但是和Java语法规范相反，字节码文件中却怡怡允许存放多个方法签名相同的方法，唯一的条件就是这些方法之间的返回值不能相同。

  • 方法计数器

    方法计数器中methods_count的值表示当前字节码文件中方法表的成员个数，用两个字节来表示。

  • 方法表集合

    方法表中每个成员都是一个method_info结构，用于表示该类或接口中某个方法的完整描述。

    一个方法所表述的信息通常有：

    • 方法名称
    • 方法返回值类型
    • 方法作用域
    • 方法参数列表
    • 是实例方法还是类方法（static修饰符）

  • 方法表结构

    

    • 访问标志：描述一个方法的修饰符类型

      

    • 方法名索引：描述一个方法的名称

    • 描述符索引：描述一个方法的返回值类型和参数列表

    • 属性表集合：描述方法的一些属性信息，主要就是指执行方法体的JVM指令。

• 属性表

  • 基本概述

    • 属性表用于描述字节码文件中所携带的辅助信息， 比如该字节码文件的源文件名称、任何带有RetentionPolicy.CLASS或者RetentionPolicy.RUNTIME的注解信息，这类信息通常被用于Java虚拟机的验证和运行。
    • 属性表集合的限制没有那么严格，不要求各个属性表具有严格的顺序，只要不与已有的属性名重复，任何人实现的编译器都可以向属性表中写入自己定义的属性信息，但Java虚拟机运行时会忽略掉它不认识的属性。

  • 属性计数器

    属性计数器中attributes_count的值表示当前字节码文件中属性表的成员个数，用两个字节来表示。

  • 属性表集合

    属性表中每个成员都是一个attribute_info结构，属性表的结构比较灵活，不同的属性只要满足通用结构即可，也就是说只需说明属性的名称以及占用位数的长度即可，属性表具体的结构可以去自定义。

  • 属性表结构

    

    • 属性名索引：描述一个属性的名称
    • 属性长度：描述一个属性所占用的位数
    • 属性表：描述属性的具体信息

  • 属性类型

    在JDK8中，一共定义了23种类型的属性

    属性名称	使用位置	含义
    Code	方法表	Java代码编译成的字节码指令
    ConstantValue	字段表	final关键字定义的常量池
    Deprecated	类、方法表、字段表	被声明为deprecated的方法和字段
    Exceptions	方法表	方法抛出的异常
    EnclosingMethod	类文件	仅当一个类为局部类或者匿名类是才能拥有这个属性，这个属性用于标识这个类所在的外围方法
    InnerClass	类文件	内部类列表
    LineNumberTable	Code属性	Java源码的行号与字节码指令的对应关系
    LocalVariableTable	Code属性	方法的局部变量描述
    StackMapTable	Code属性	JDK1.6中新增的属性，供新的类型检查检验器检查和处理目标方法的局部变量和操作数有所需要的类是否匹配
    Signature	类、方法表、字段表	用于支持泛型情况下的方法签名
    SourceFile	类文件	记录源文件名称
    SourceDebugExtension	类文件	用于存储额外的调试信息
    Syothetic	类、方法表、字段表	标志方法或字段为编泽器自动生成的
    LocalVariableTypeTable	类	使用特征签名代替描述符，是为了引入泛型语法之后能描述泛型参数化类型而添加
    RuntimeVisibleAnnotations	类、方法表、字段表	为动态注解提供支持
    RuntimelnvisibleAnnotations	类、方法表、字段表	用于指明哪些注解是运行时不可见的
    RuntimeVisibleParameterAnnotation	方法表	作用与RuntimeVisibleAnnotations属性类似，只不过作用对象为方法
    RuntirmelnvisibleParameterAnniotation	方法表	作用与RuntimelnvisibleAnnotations属性类似，作用对象哪个为方法参数
    AnnotationDefauit	方法表	用于记录注解类元素的默认值
    BootstrapMethods	类文件	用于保存invokeddynanic指令引用的引导方式限定符

    • Code属性

      Code属性就是存放方法体里面的代码，但是并非所有方法表都有Code属性，比如接口或者抽象方法

      

    • ConstantValue属性

      ConstantValue属性表示一个常量字段的值，位于field_info结构的属性表中

      ConstantValue_attribute {
          u2 attribute_name_index；
          u4 attribute_length；
          u2 constantvalue_index；
      }
      

    • Deprecated属性

      Deprecated属性是在JDK1.1为了支持注释中的关键词@deprecated而引入的

       Deprecated_ attribute{
          u2 attribute_name_ index; 
          u4 attribute_length;
      }
      

    • InnerClasses属性

      如果一个字节码文件的常量池中包含某个CONSTANT_Class_info成员，且这个成员所表示的类或接口不属于任何一个包，那么这个文件的结构属性表中就必须含有对应的InnerClasses属性，这个属性在JDK 1.1 中为了支持内部类和内部接口而引入的，位于ClassFile结构的属性表中。

    • LineNumberTable属性

      该属性是可选变长属性，位于Code属性的属性表中，主要用来描述Java源码行号与字节码行号之间的对应关系。在Code属性的属性表中，该属性可以按照任意顺序出现，而且该属性不需要与源文件的行一一对应。

      LineNumberTable_attribute {
          u2 attribute_name_index:
          u4 attribute_length:
          u2 line_number_table_length;
          {
              u2 start_pc:// 虚拟机指令行号
              u2 line_number: // 源代码行号
          } line_number_table[line_number_table_length]:
      }
      

    • LocalVariableTable属性

      该属性是可选变长属性，位于Code属性的属性表中，主要用来描述方法中的变量信息。在Code属性的属性表中，该属性可以按照任意顺序出现，每个局部变量最多只能有一个LocalVariableTable属性。

      LocalVariableTable_attribute {
          u2 attribute_name_index:
          u4 attribute_length:
          u2 local_variable_table_length:
          { 
              u2 start_pc:                // 该变量的生命周期起始位置
              u2 length:                  // 该变量的生命周期长度
              u2 name_index;              // 该变量的名称索引
              u2 descriptor_index;        // 该变量的描述索引
              u2 index;                   // 该变量在局部变量表中的索引位置
          } local_variable_table[local_variable_table_length]:
      
      

    • Signature属性

      该属性是可选的定长属性，位于 ClassFile， field_info 或 method_info结构的属性表中。在 Java语言中，任何类、接口、初始化方法或成员的泛型签名如果包含了类型变量（Type Variables）或参数化类型（Parameterized Types），则Signature属性会为它记录泛型签名信息。

    • SourceFile属性

      描述源码文件的信息，比如源码文件名称