Java基础篇(JVM)——字节码详解

这是Java基础篇(JVM)的第一篇文章,本来想先说说Java类加载机制的,后来想想,JVM的作用是加载编译器编译好的字节码,并解释成机器码,那么首先应该了解字节码,然后再谈加载字节码的类加载机制似乎会好些,所以这篇改成详解字节码。

由于Java纯面向对象的特性,字节码只要能表示一个类的信息,就可以表示整个Java程序了,JVM只要能加载一个类的信息,就能加载整个程序了。所以,不管是字节码,还是JVM加载机制,关注点都是在类。我关注的点主要在于:

1. 由于字节码不是一次性全部加载进入内存,那么JVM是如何知道自己要加载的类信息在.class文件的哪个位置的?

2. 字节码是如何表示类信息的?

3. 字节码会进行程序的优化吗?

第一个问题很简单,因为哪怕一个源文件有很多个类(只有一个public类),编译器也会为其中每个类都生成一个.class文件,JVM加载时按照需要加载的类名称加载即可。

要解决后面的问题,首先我们来看字节码的组成(Mac下用Hex Fiend打开)。

对这样一段代码:

package com.test.main1;

public class ByteCodeTest {

	int num1 = 1;
	int num2 = 2;

	public int getAdd() {

		return num1 + num2;
	}
}

class Extend extends ByteCodeTest {
	public int getSubstract() {
		return num1 - num2;
	}
}

我们来分析其中的Extend类。

用Hex Fiend打开编译后的.class文件是这样的(16进制代码):

 

由于class文件没有分隔符,所以每个位置代表什么、各个部分的长度等格式是严格规定死的,见下表:

其中u1、u2、u4、u8代表几个字节的无符号数,在反编译出来的16进制文件中,两个数字代表一个字节,也就是u1。

从头到尾一项一项地看:

(1)magic:u4,魔数,代表本文件是.class文件。.jpg等也会有这种魔数,正因为魔数存在,即使将*.jpg改成*.123,也能照常打开。

(2)minor versionmajor version:各u2,版本号,向下兼容,即高版本JDK可以使用低版本的.class文件,反之不行。

(3)constant_pool_count:u2,常量池中常量的数量,0019代表有24个。

(4)接下来就是具体的常量,共constant_pool_count-1个。

常量池通常存两种类型的数据:

字面量:如字符串、final修饰的常量等;

符号引用:如类/接口的全限定名、方法的名称和描述、字段的名称和描述等。

根据反编译出来的数字,首先查下表得到该常量的类型和长度,接下来的与查得的长度相等的数字则表示该常量具体的值。

 

如070002,就表示该种类型为CONSTANT_Class_info,它的tag为u1,且接下来u2长度为index指向全限定名常量项的索引。这个索引还要结合javap -verbose打开的class文件一起看,这里清晰地列出了常量池中的内容和顺序:

 

在这里可以看到0002索引项的常量为:com/test/main1/Extend,是类的全限定名。如果是值是字符串,那么需要根据该值转换成十进制并查ASCII码表得到具体的字符。接下来的常量都照此分析:

01001563 6F6D2F74 6573742F 6D61696E 312F4578 74656E64:com/test/main1/Extend

070004:com/test/main1/ByteCodeTest

01001B63 6F6D2F74 6573742F 6D61696E 312F4279 7465436F 64655465 7374:com/test/main1/ByteCodeTest

0100063C 696E6974 3E:<init>

01000328 2956:()V

01000443 6F6465:Code

0A000300 09:com/test/main1/ByteCodeTest、”<init>”:()V

0C000500 06:<init>、()V

01000F4C 696E654E 756D6265 72546162 6C65:LineNumberTable

0100124C 6F63616C 56617269 61626C65 5461626C 65:LocalVariableTable

01000474 686973:this

0100174C 636F6D2F 74657374 2F6D6169 6E312F45 7874656E 643B:Lcom/test/main1/Extend;

01000C67 65745375 62737472 616374:getSubstract

01000328 2949:()I

09000100 11:com/test/main1/Extend、num1:I

0C001200 13:num1、I

0100046E 756D31:num1

01000149:I

09000100 15:com/test/main1/Extend、num2:I

0C001600 13:num2、I

0100046E 756D32:num2

01000A53 6F757263 6546696C 65:SourceFile

01001142 79746543 6F646554 6573742E 6A617661:ByteCodeTest.java

至此,常量池中的常量全部解析完毕。

(5)再接下来是u2的access_flags:access_flags访问标志的主要目的是标记该类是类还是接口,如果是类,访问权限是否为public,是否是abstract,是否被标志为final等,见下表:

 

Flag_name Value Interpretation
ACC_PUBLIC 0x0001 表示访问权限为public,可以从本包外访问
ACC_FINAL 0x0010 表示由final修饰,不允许有子类
ACC_SUPER 0x0020 较为特殊,表示动态绑定直接父类,见下面的解释
ACC_INTERFACE 0x0200 表示接口,非类
ACC_ABSTRACT 0x0400 表示抽象类,不能实例化
ACC_SYNTHETIC 0x1000 表示由synthetic修饰,不在源代码中出现,见附录[2]
ACC_ANNOTATION 0x2000 表示是annotation类型
ACC_ENUM 0x4000 表示是枚举类型

 

 所以,本类中的access_flags是0020,表示这个Extend类调用父类的方法时,并非是编译时绑定,而是在运行时搜索类层次,找到最近的父类进行调用。这样可以保证调用的结果是一定是调用最近的父类,而不是编译时绑定的父类,保证结果的正确性。这个可以参见文章[1]

(6)this_class:u2的类索引,用于确定类的全限定名。本类的this_class是0001,表示在常量池中#1索引,是com/test/main1/Extend

(7)super_class:u2的父类索引,用于确定直接父类的全限定名。本类是0003,#3是com/test/main1/ByteCodeTest

(8)interfaces_count:u2,表示当前类实现的接口数量,注意是直接实现的接口数量。本类中是0000,表示没有实现接口。

(9)Interfaces:表示接口的全限定名索引。每个接口u2,共interfaces_count个。本类为空。

(10)fields_count:u2,表示类变量和实例变量总的个数。本类中是0000,无。

(11)fields:fileds的长度为filed_info,filed_info是一个复合结构,组成如下:

filed_info: {

  u2        access_flags;   

  u2        name_index;

  u2        descriptor_index;      

  u2        attributes_count;

  attribute_info   attributes[attributes_count];

}

由于本类无类变量和实例变量,故本字段为空。

(12)methods_count:u2,表示方法个数。本类中是0002,表示有2个。

(13)methods:methods的长度为一个method_info结构:

method_info {

  u2        access_flags;          0000    ?

  u2        name_index;           0005   <init>

  u2        descriptor_index;         0006    ()V

  u2        attributes_count;         0001    1个

  attribute_info   attributes[attributes_count];   0007    Code

}

其中attribute_info结构如下:

attribute_info {

  u2  attribute_name_index;  0007  Code

  u1  attribute_length;

  u1  info[attribute_length];

}

上面👆是通用的attribute_info的定义,另外,JVM里预定义了几种attribute,Code即是其中一种(注意,如果使用的是JVM预定义的attribute,则attribute_info的结构就按照预定义的来),其结构如下:

Code_attribute {  //Code_attribute包含某个方法、实例初始化方法、类或接口初始化方法的Java虚拟机指令及相关辅助信息

  u2  attribute_name_index;  0007       Code

  u4  attribute_length;    0000002F      47

  u2  max_stack;       0001        1 //用来给出当前方法的操作数栈在方法执行的任何时间点的最大深度

  u2  max_locals;      0001         1 //用来给出分配在当前方法引用的局部变量表中的局部变量个数

  u4  code_length;      00000005      5 //给出当前方法code[]数组的字节数

  u1  code[code_length];    2AB70008 B1    42、183、0、8、177 

        //给出了实现当前方法的Java虚拟机代码的实际字节内容 (这些数字代码实际对应一些Java虚拟机的指令)

  u2  exception_table_lentgh;   0000       0          //异常的信息

  {

    u2  start_pc;   //这两项的值表明了异常处理器在code[]中的有效范围,即异常处理器x应满足:start_pc≤x≤end_pc

    u2  end_pc;   //start_pc必须在code[]中取值,end_pc要么在code[]中取值,要么等于code_length的值

    u2  handler_pc; //表示一个异常处理器的起点

    u2  catch_type; //表示当前异常处理器需要捕捉的异常类型。为0,则都调用该异常处理器,可用来实现finally。

  } exception_table[exception_table_lentgh];      在本类中大括号里的结构为空

  u2  attribute_count;    0002          2    表示该方法的其它附加属性,本类有1个

  attribute_info  attributes[attributes_count];       000A、000B     LineNumberTable、LocalVariableTable

}

LineNumberTable和LocalVariableTable又是两个预定义的attribute,其结构如下:

LineNumberTable_attribute { //被调试器用来确定源文件中由给定的行号所表示的内容,对应于Java虚拟机code[]数组的哪部分

  u2  attribute_name_index;      000A

  u4  attribute_length;          00000006

  u2  line_number_table_length;     0001

  {  u2  start_pc;          0000    

     u2  line_number;         000E     //该值必须与源文件中对应的行号相匹配

  } line_number_table[line_number_table_length];

}

以及:

LocalVariableTable_attribute {

  u2  attribute_name_index;    000B

  u4  attribute_length;        0000000C

  u2  local_variable_table_length;   0001

  {  u2  start_pc;          0000

     u2  length;           0005

     u2  name_index;       000C

     u2  descriptor_index;    000D    //用来表示源程序中局部变量类型的字段描述符

    u2   index;          0000

  } local_variable_table[local_variable_table_length];

然后就是第二个方法,具体略过。

(14)attributes_count:u2,这里的attribute表示整个class文件的附加属性,和前面方法的attribute结构相同。本类中为0001。

(15)attributes:class文件附加属性,本类中为0017,指向常量池#17,为SourceFile,SourceFile的结构如下:

SourceFile_attribute {

  u2  attribute_name_index;  0017     SourceFile

  u4  attribute_length;      00000002   2

  u2  sourcefile_index;        0018     ByteCodeTest.java //表示本class文件是由ByteCodeTest.java编译来的

}

 

嗯,字节码的内容大概就写这么多。可以看到通篇文章基本都是在分析字节码文件的16进制代码,所以可以这么说,字节码的核心在于其16进制代码,利用规范中的规则去解析这些代码,可以得出关于这个类的全部信息,包括:

1. 这个类的版本号;

2. 这个类的常量池大小,以及常量池中的常量;

3. 这个类的访问权限;

4. 这个类的全限定名、直接父类全限定名、类的直接实现的接口信息;

5. 这个类的类变量和实例变量的信息;

6. 这个类的方法信息;

7. 其它的这个类的附加信息,如来自哪个源文件等。

 

解析完字节码,回头再来看开始提出的问题,也就迎刃而解了。由于字节码文件格式严格按照规定,可以用来表示类的全部信息;字节码只是用来表示类信息的,不会进行程序的优化。

那么在编译期间,编译器会对程序进行优化吗?运行期间JVM会吗?什么时候进行的,按照什么原则呢?这个留作以后再表。

 

最后,值得注意的是,字节码不仅是平台无关的(任何平台生成的字节码都可以在任何的JRE环境运行),还是语言无关的,不仅Java可以生成字节码,其它语言如Groovy、Jython、Scala等也能生成字节码,运行在JRE环境中。

 

参考文章

[1] https://blog.csdn.net/xinaij/article/details/38872851

[2] synthetic关键字不是人为添加的,而是编译器基于程序逻辑自动添加的,可以修饰方法,也可以修饰类。通常出现在有内部类,且内部类访问权限为private的时候。

我们可以在外部类中调用内部类的private方法,访问private属性。但其实编译器对所有的类包括内部类,都是当做顶级类来编译的,这就是说一个顶级类可以访问另一个顶级类的私有方法,显然有问题。为了不出错,编译器对内部类的私有属性都加上了synthetic修饰的access方法,类似于setter/getter方法,使得外部类可以访问内部类的私有属性。私有方法也一样,加了一个具有包访问权限的方法,调用私有方法,使得外部类可以调用私有方法。

当内部类的访问权限为private的话,照理来说只能本类访问,你是不可能在程序其它地方通过OuterClass.InnerClass来new一个内部类对象的,但是我们经常这么做,而且还没出错,原因就是编译器帮我们合成了一个具有包访问权限的合成类(也就是具有包访问权限的构造器)。这个还不是很清楚,但是大体的思路应该与私有属性和方法类似。

https://blog.csdn.net/zhang_yanye/article/details/50301511

https://www.cnblogs.com/bethunebtj/p/7761596.html

[3] 之前看别人的文章我一直有个疑问,他们这些知识是哪里来的?现在慢慢搞明白了,很多都是规范上截取的。比如这篇,我就参考了很多《Java虚拟机规范》中的内容。授人以鱼不如授人以渔,感兴趣可以翻翻这篇。