JVM----Class类文件结构

Posted 2020-11-21 booker808-java

JVM平台无关性

       Java具有平台无关性，也就是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，而语言无关性是指Java虚拟机能运行除Java以外的代码！这听起来非常惊人，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。 也就是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文件结构

1.魔数

       Class文件是一组以8位字节为基础单位的二进制流，包含多个数据项目（数据项目的顺序，占用的字节数均由规范定义），各个数据项目严格按照顺序紧凑的排列在Class文件中，不包含任何分隔符，使得整个Class文件中存储的内容几乎全部都是程序运行的必要数据，没有空隙。当遇到需要占用超过8位字节以上空间的数据项目时，会按照高位在前的方式分割为多个8位字节进行存储

       数据项目分为2种基本数据类型（以及由这两种基本数据类型组成的集合）：

1，无符号数，以u1、u2、u4、u8分别代表1个字节、2个字节、4个字节、8个字节的无符号数

2，表，以“_info”结尾，由多个无符号数或其它表构成的复合数据类型

Class文件格式如下表所示：

       在上图中，在数量字段中，有些是1而有些则不是，不是1的代表的是相同类型的多个数据，将这一系列连续的数据成为称为某一个类型的集合。class文件的格式要求非常严格，这个字节代表什么，长度，先后顺序如何，都是死的，不能改变，比如如下代码：

public class TestClass {

	private int m;

	public int inc() {
		return m + 1;
	}
}

这个class文件的头四个字节为“CAFEBABE”，他的作用是确定该文件是否是一个能被jvm解析的class文件，被称为“魔数”。

紧接着魔数的四个字节存储的是Class文件的版本号，第五和第六是次版本号，第七和第八是主版本号，在上图中，该版本为50。

2.常量池

       从class文件结构图中可以看到，紧接着魔数的是常量池入口，常量池可以被认为是Class文件中的资源仓库，它是class文件中与其他资源关联最多的数据类型，也是占用class空间最大的一个数据项，也是class文件中第一个出现的表类型的数据项。

       由于常量的数目是不确定的，所以在常量池的入口放一个u2类型的数据“content_pool_count”，用来代表常量池容量计数器。注意：常量池的数目是从1开始的，不是从0。上面贴出的十六进制图中，偏移地址对应0x00000008，也就是0x0016，对应的十进制数是22，也就是说常量池为21个常量，1~21。为什么从1开始，而不是0，因为0代表的是该class文件的特殊情况：不引用任何一个常量。不过其他的类型集合，都是从0开始的！

       常量池主要存放两大类常量：

（1）字面量：如文本字符串、final变量。

（2）符号引用：符号引用又分为三种

         * 类和接口的全限定名

         * 字段的名称及描述

         * 方法名称及描述

       Java代码编译完之后，class文件不会保存各个方法字段的最终内存信息，而是在运行期间，从常量池中获得对应的符号引用，在类创建时或者运行时解析，再翻译到具体的内存地址。

       常量池中每一个常量都是一个表，这些常量都有一个特点，就是表的开始的第一位是u1类型的数据，它是一个标志位（tag），代表这个常量是哪种类型如图：

        每种常量他们都是一张表，而这些表，他们每个结构都是不一样的。常量池入口后面的0x07就是一个标志位，代表的是CONSTANT_Class_info常量，之后的0x01代表的是CONSTANT_Utf-8_info，也就是该常量池的第二项常量。并且方法、字段等都需要引用CONSTANT_Utf-8_info来描述，所以CONSTANT_Utf-8_info的最大长度就是Java方法和字段的最大长度，因为u2类型的数据最大值为65535，所以方法和字段最大就是64KB，否则无法编译。

14种常量池的各自结构如下：

3.访问标志

       常量池结束之后，紧着有俩字节代表的是访问标志，用于识别一些类或者接口层次的访问信息。包括，该class是类还是接口，是否为public，是否定义了abstract，如果是类的话，是否有final属性。

 

根据上面的表格，测试类的访问标志为ACC_PUBLIC | ACC_SUPER = 0x0001 | 0x0020 =1 | 32 = [00000000][00000001] | [00000000][00010000] = [00000000][00010001] = 33 = 0x0021

4.类索引、父类索引与接口索引集合

       类索引、父类索引都是一个u2类型的数据，接口索引集合也是一个u2类型的数据，class文件通过这三个数据项来确定这个类的继承关系。类索引用于确定这个类的全限定名，父类索引用于确定父类的全限定名。父类索引最多有两个（其中有一个是Object）。

       类索引、父类索引、接口索引都在访问标志之后，引用CONSTANT_Class_info，再通过引用到CONSTANT_Utf-8_info，代表的是该类的全限定名的字符串。对于接口索引集合，入口的第一项就是u2类型的计数器，表示的是索引的接口的数目，如果没有实现接口，就是0。

5.字段表集合

       字段表负责描述接口或类中的声明的变量，该字段包括了类变量和实例变量，但是不包括局部变量。一个字段可以包含的信息：字段的访问权限，字段的修饰符，字段的名称，字段所属的类型。字段的类型、字段名字，这些都是无法固定的，所以通过符号引用来标识。

       如下图所示的是字段表，第一个是access_flags，这个和类索引里的是一样的，name_index和descriptor_index，name_index代表的是一个字段的简单名称，例如上面代码里的m，简单名称就是m。

descriptor_index代表的是描述符，字段和方法的描述符就是指字段的数据类型、方法参数列表、返回值。描述符标识符含义如图所示：

这个是name_index对应的是字段的简单名称

这个是descriptor_index对应的是字段的描述符

通过上面的分析，我们可以得出该字段的是：int m。

       字段表的固定数据（访问标志、简单名称、类型）到这里就结束了，descriptor_index后面还存储着一些其他的信息，这些属于描述字段的额外信息，如果是

static final int m=1;那么就还存在一个ConstantValue的属性，指向常量1。

6.方法表集合

       方法表集合和之前的字段表集合有很多相似之处，方法表结构和字段表集合一样，也是开头就是access_flags（描述该方法的一些访问标识），之后就是name_index（方法的简单名称），descriptor_index（方法的描述符：方法参数列表、返回值），属性表集合。

第一个方法（由编译器自动添加的默认构造方法）：

access_flags为0x0001，即public；name_index为0x0007，即常量池中第7个常量；descriptor_index为0x0008，即常量池中第8个常量

const #7 = Asciz        <init>;
const #8 = Asciz        ()V;

第一个方法是init（name_index对应的是7），而描述符就是()V（descriptor_index对应的是8）

7.属性表集合

       属性表在前面已经出现了多次，包括字段表集合、方法表集合，属性表可以用来描述某些特殊场合下的专有信息。与Class文件中其它数据项对长度、顺序、格式的严格要求不同，属性表集合不要求其中包含的属性表具有严格的顺序，并且只要属性的名称不与已有的属性名称重复，任何人实现的编译器可以向属性表中写入自己定义的属性信息。虚拟机在运行时会忽略不能识别的属性，为了能正确解析Class文件，虚拟机规范中预定义了虚拟机实现必须能够识别的9项属性：

 

Code属性：Java程序方法体中的代码经过Javac编译器处理后，最终变为字节码指令存储在Code属性中。当然不是所有的方法都必须有这个属性（接口中的方法或抽象方法就不存在Code属性），Code属性表结构如下：

 

max_stack：操作数栈深度最大值，在方法执行的任何时刻，操作数栈深度都不会超过这个值。虚拟机运行时根据这个值来分配栈帧的操作数栈深度。

max_locals：局部变量表所需存储空间，单位为Slot（参见备注四）。并不是所有局部变量占用的Slot之和，当一个局部变量的生命周期结束后，其所占用的Slot将分配给其它依然存活的局部变量使用，按此方式计算出方法运行时局部变量表所需的存储空间。

code_length和code：用来存放Java源程序编译后生成的字节码指令。code_length代表字节码长度，code是用于存储字节码指令的一系列字节流。

每一个指令是一个u1类型的单字节，当虚拟机读到code中的一个字节码（一个字节能表示256种指令，Java虚拟机规范定义了其中约200个编码对应的指令），就可以判断出该字节码代表的指令，指令后面是否带有参数，参数该如何解释，虽然code_length占4个字节，但是Java虚拟机规范中限制一个方法不能超过65535条字节码指令，如果超过，Javac将拒绝编译。