JVM笔记——类文件结构

发表于 | 分类于

前言


JVM上不仅仅能够运行Java语言，还能运行其他多种语言，比如说Clojure、Groovy、JRuby、Scala等等。其实Java虚拟机不和包括Java在内的任何语言绑定，它只与“Class文件”这种特定的二进制文件格式所关联。正如下图所示

JVM语言无关性

Class类文件的结构

简述：Class文件是一组以8位字节为基础单位的二进制流，Class文件格式采用一种类似于C语言结构体的伪结构来存储数据，这种微结构中只有两种数据类型：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、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。

直接讲Class类的文件结构感觉有些抽象，这边我是用一个自己写的Java小程序来帮助逐步理解。用WinHex对编译好的Class文件进行分析。

1
2
3
4
5
6
public class HelloWorld {
    private int a;
    public static void main(String[] args) {
        System.out.println("HelloWorld");
    }
}

将编译好的Class文件放入WinHex中

HelloWorld的十六进制编码

魔数与Class文件的版本

魔数：每个Class文件的头四个字节称为魔数（Magic Number），它的唯一作用是确定这个文件是否为一个能被虚拟机接受的Class文件。它的值为0xCAFEBABY（咖啡宝贝）。

魔数

Class文件的版本：紧接着魔数的四个字节。其中第五第六个字节是次版本号，第七第八个字节是主版本号。这边是0x00000034，次版本号为0，主版本号为十进制的52，也就是JDK1.8对应的版本号，能向低版本兼容。

Class文件的版本

常量池

​ 紧接着Class版本号的就是常量池，常量池可以理解为Class文件之中的资源仓库。它是Class文件结构中与其他项目关联最多的数据类型，也是占用Class文件空间最大的数据项目之一，同时它还是在Class文件中第一个出现的表类型数据项目。

​ 由于常量池的常量数据是不确定的，所以在常量之前需要放置一项u2类型的数据，代表常量池容量计数值，注意，它的计数是从1开始的而不是0。这边是0x0024，也就是有35个常量。

常量池中主要存放两大类常量：字面量和符号引用。
①字面量：接近于Java语言层面的常量概念，如文本字符串、声明为final的常量值等。
②符号引用：属于编译原理方面的概念，主要包括：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。

​ Java代码在经过javac命令编译之后，生成的Class文件中并不会保存各个方法、字段的最终内存布局信息，必须等到虚拟机运行时，从常量池中获得对应的符号引用，再通过这些符号引用经过类创建或运行时解析、翻译等才能得到具体的内存地址。

常量池中共有14中类型的常量，每一个常量（项）都有自己的表结构，但这14种表的有一个共同特点：表开始的第一位是一个u1类型的标志位tag，代表这个常量属于哪种常量类型。常量池中的常量类型见下表。

常量池的数据类型

手动的去一个一个分析常量池中的每一个常量非常麻烦，这边我就分析第一个当个例子。

常量池分析

这边的第9和10位代表常量池容量，换算成十进制是36，由于下标是从1开始，所以就只有1-35共35个常量。接下去的0x0A通过查常量池的数据类型表可以得知代表了类方法的符号引用，也就是CONSTANT_Methodref_info，通过查结构总表查看它的结构。

常量项结构1

常量项结构2

很清楚的看到它的结构为一个u1类型的tag和两个u2类型，两个u2用十六进制代表了0x0006和0x0016，分别代表了指向常量表中其他常量的两个索引，分别是第6个常量和第22个常量。

其实Java给了一个解析常量池的工具javap，和之前的性能分析工具一样，放在JDK的bin目录下，可以通过javap -verbose class文件名来访问。访问结果如下，可以清楚的看到35个常量的情况。其中第一个常量分别指向6和22个常量，和我们之前分析的一样。另外，还出现了a I 这种常量，这个在后面的字段表、方法表、属性表中会用到。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
>$ javap -verbose /c/Users/hqf/Desktop/HelloWorld.class
>Classfile /C:/Users/hqf/Desktop/HelloWorld.class
 Last modified 2019-8-12; size 572 bytes
 MD5 checksum 85882996f632cd60591fe0bf0fc8cad3
 Compiled from "HelloWorld.java"
>public class com.JVMTest.HelloWorld
 minor version: 0
 major version: 52
 flags: ACC_PUBLIC, ACC_SUPER
>Constant pool:
  #1 = Methodref          #6.#22         // java/lang/Object."<init>":()V
  #2 = Fieldref           #23.#24        // java/lang/System.out:Ljava/io/PrintStream;
  #3 = String             #25            // HelloWorld
  #4 = Methodref          #26.#27        // java/io/PrintStream.println:(Ljava/lang/String;)V
  #5 = Class              #28            // com/JVMTest/HelloWorld
  #6 = Class              #29            // java/lang/Object
  #7 = Utf8               a
  #8 = Utf8               I
  #9 = Utf8               <init>
 #10 = Utf8               ()V
 #11 = Utf8               Code
 #12 = Utf8               LineNumberTable
 #13 = Utf8               LocalVariableTable
 #14 = Utf8               this
 #15 = Utf8               Lcom/JVMTest/HelloWorld;
 #16 = Utf8               main
 #17 = Utf8               ([Ljava/lang/String;)V
 #18 = Utf8               args
 #19 = Utf8               [Ljava/lang/String;
 #20 = Utf8               SourceFile
 #21 = Utf8               HelloWorld.java
 #22 = NameAndType        #9:#10         // "<init>":()V
 #23 = Class              #30            // java/lang/System
 #24 = NameAndType        #31:#32        // out:Ljava/io/PrintStream;
 #25 = Utf8               HelloWorld
 #26 = Class              #33            // java/io/PrintStream
 #27 = NameAndType        #34:#35        // println:(Ljava/lang/String;)V
 #28 = Utf8               com/JVMTest/HelloWorld
 #29 = Utf8               java/lang/Object
 #30 = Utf8               java/lang/System
 #31 = Utf8               out
 #32 = Utf8               Ljava/io/PrintStream;
 #33 = Utf8               java/io/PrintStream
 #34 = Utf8               println
 #35 = Utf8               (Ljava/lang/String;)V
>{
 public com.JVMTest.HelloWorld();
   descriptor: ()V
   flags: ACC_PUBLIC
   Code:
     stack=1, locals=1, args_size=1
        0: aload_0
        1: invokespecial #1                  // Method java/lang/Object."<init>":()V
        4: return
     LineNumberTable:
       line 3: 0
     LocalVariableTable:
       Start  Length  Slot  Name   Signature
           0       5     0  this   Lcom/JVMTest/HelloWorld;
 public static void main(java.lang.String[]);
   descriptor: ([Ljava/lang/String;)V
   flags: ACC_PUBLIC, ACC_STATIC
   Code:
     stack=2, locals=1, args_size=1
        0: getstatic     #2                  // Field java/lang/System.out:Ljava/io/PrintStream;
        3: ldc           #3                  // String HelloWorld
        5: invokevirtual #4                  // Method java/io/PrintStream.println:(Ljava/lang/String;)V
        8: return
     LineNumberTable:
       line 6: 0
       line 7: 8
     LocalVariableTable:
       Start  Length  Slot  Name   Signature
           0       9     0  args   [Ljava/lang/String;
>}
>SourceFile: "HelloWorld.java"

这边再随意分析一个常见的常量类型，字符串类型。

常见的常量类型

这边的tag为01，代表CONSTANT_Utf8_info这个常量，其中0x0013代表字符串的长度，也就是16，我们向后数16个字节，刚好到蓝色最后端的位置，换算过来的字符串为java/io/PrintStream

访问标志

常量池结束后紧接着的两个字节代表访问标志，用来标识一些类或接口的访问信息，包括：这个Class是类还是接口；是否定义为public；是否定义为abstract；如果是类的话，是否被声明为final等。

访问标志

在我们这个Class为0x0021这两位，查表得是0x0001和0x0020运算的结果(0x0001|0x0020=0x0021)。所以访问标志位为ACC_PUBLIC和ACC_SUPER两个为真，其余标志位为假。

访问标志位例子

类索引、父索引与接口索引集合

​ 在访问标志access_flags后接下来就是类索引（this_class）和父类索引（super_class），这两个数据都是u2类型的，而接下来的接口索引集合是一个u2类型的集合，class文件由这三个数据项来确定类的继承关系。由于Java中是单继承，所以父类索引只有一个；但Java类可以实现多个接口，所以接口索引是一个集合。

​ 类索引用来确定这个类的全限定名，这个全限定名就是说一个类的类名包含所有的包名，然后使用”/”代替”.”。比如Object的全限定名是java.lang.Object。父类索引确定这个类的父类的全限定名，除了Object之外，所有的类都有父类，所以除了Object之外所有类的父类索引都不为0。接口索引集合存储了implements语句后面按照从左到右的顺序的接口。

具体来说就是

类索引父类索引接口索引例子

其类索引、父类索引、接口索引分别是0x0005、0x0006、0x0000，代表了类索引为5，父类索引为6，接口索引的集合大小为0。其中类索引和父类索引指向的是CONSTANT_Class_info的类描述常量符，再通过这个常量的索引值可以找到定义在CONSTANT_Utf8_info类型的常量中的全限定名字符串。我们再把用javap获得的常量表拿下来分析一下。

类索引为5，也就是指向的类名为com/JVMTest/HelloWorld，其中的“.”用”/“代替了。

父类索引为6，也就是java/lang/Object，也就是Object这个父类。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
 #1 = Methodref          #6.#22         // java/lang/Object."<init>":()V
 #2 = Fieldref           #23.#24        // java/lang/System.out:Ljava/io/PrintStream;
 #3 = String             #25            // HelloWorld
 #4 = Methodref          #26.#27        // java/io/PrintStream.println:(Ljava/lang/String;)V
 #5 = Class              #28            // com/JVMTest/HelloWorld
 #6 = Class              #29            // java/lang/Object
 #7 = Utf8               a
 #8 = Utf8               I
 #9 = Utf8               <init>
#10 = Utf8               ()V
#11 = Utf8               Code
#12 = Utf8               LineNumberTable
#13 = Utf8               LocalVariableTable
#14 = Utf8               this
#15 = Utf8               Lcom/JVMTest/HelloWorld;
#16 = Utf8               main
#17 = Utf8               ([Ljava/lang/String;)V
#18 = Utf8               args
#19 = Utf8               [Ljava/lang/String;
#20 = Utf8               SourceFile
#21 = Utf8               HelloWorld.java
#22 = NameAndType        #9:#10         // "<init>":()V
#23 = Class              #30            // java/lang/System
#24 = NameAndType        #31:#32        // out:Ljava/io/PrintStream;
#25 = Utf8               HelloWorld
#26 = Class              #33            // java/io/PrintStream
#27 = NameAndType        #34:#35        // println:(Ljava/lang/String;)V
#28 = Utf8               com/JVMTest/HelloWorld
#29 = Utf8               java/lang/Object
#30 = Utf8               java/lang/System
#31 = Utf8               out
#32 = Utf8               Ljava/io/PrintStream;
#33 = Utf8               java/io/PrintStream
#34 = Utf8               println
#35 = Utf8               (Ljava/lang/String;)V

字段表集合

​ 字段表用于描述接口或类中声明的变量。字段又分为类字段（静态属性）和实例字段（对象属性）。保存一个字段需要保存的信息有以下这些：

字段的作用域（public、private和protected修饰符）、是实例变量还是类变量（static修饰符）、可变性（final修饰符）、并发可见性（volatile修饰符）、是否可被序列化（transient修饰符）、字段的数据类型（基本类型、对象、数组）以及字段名称。

​ 这些信息中，各个修饰符可以用布尔值表示。而字段叫什么名字、字段被定义为什么类型数据都是无法固定的，只能用常量池中的常量来表示。字段表格式是这样子的

字段表格式

​ 其中字段修饰符放在access_flags中，它与类中的access_flags项目是非常类似的，都是一个u2的数据类型，其中可以设置的标志位和含义如下

access_flags标志位的含义

access_flags后面name_index和descriptor_index，前者是字段的简单名称的常量池索引，后者是字段和方法的描述符的常量池索引。

  • 字段的简单名称：是指没有类型和参数修饰的方法或者字段名称。比如说代码中的”a”、“main”。

  • 字段和方法的描述符：

    字段的描述符：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。基本数据类型以及代表无返回值的Void类型都用一个大写的字符来表示。如下所示

    描述符标识字符含义

    另外，对于数组类型，每一维将使用一个前置的“[”字符来描述，如定义一个java.lang.String[][]类型的二维数组，将记录为[[Ljava/lang/String，一个double数组double[]将标记为[D。

    方法的描述符：按照先参数列表，后返回值的顺序描述。参数列表按照参数的严格顺序放在一组小括号”()”之内，比如方法void inc()的描述符为”()V”

    下面就对之前的那个例子进行分析

    字段表字段的分析

    首先第一个u2代表容量计数器fields_count，值为0x0001代表字段表中有一个字段。第二个u2代表access_flags，值为0x0002，查询相应的表得到ACC_PRIVATE，字段是private类型的。第三个u2代表name_index，值为0x0007，查询该索引对应的内容为a，表示字段名称为a。第四个u2代表descriptor_index，值为0x0008，查询内容为I，是一个int类型的数据。所以综合得到字段：private int a;

方法表集合

方法表集合和字段表集合比较类似，方法表的结构与字段表格式相同

字段表格式

其中方法访问标志位如下

方法访问标志位

对Class文件进行分析

方法表例子

其中第一位u2表示methods_count，也就是方法的数量，其值为2，也就是有两个方法，一个是编译器添加的实例构造器和源码中的main()方法。

第一个方法：第二位u2表示access_flags，也就是访问标志位，值为0x0001，代表是public方法。第三位表示名称索引，值为0x0009，值为9，对应的常量为“”。第四位表示描述符索引，值为0x000A，查找得到“()V”。第五位表示属性表计数器，为0x0001，表示有一个属性，其索引的值为第六个u2，也就是0x000B，属性的值为Code。

整个第一个方法区域为，后面多出来的一长串就是方法体。

第一个方法区域

所以第一个方法是 public ()V

第二个方法：先给出第二个方法的前面几位

第二个方法前几位

分析一下，0x0009表示(0x0001|0x0008)=0x0009，也就是标志位是public和static，0x0010代表方法名索引，值为16，找到”main”。接下去0x0011表示描述符索引，值为17，找到“([Ljava/lang/String;)V”，后面的位数与之前第一个方法的类似。

所以第二个方法是public static main ([Ljava/lang/String;)V

属性表集合

属性表在之前已经出现过了多次，之前出现的Code就是一个比较常见的属性，下面主要介绍Code属性。

Code属性结构

其中attribute_name_index和attribute_length前面已经介绍过了。

max_stack代表了操作数栈的最大深度。在方法执行的任意时刻，操作数栈都不会超过这个深度。虚拟机执行时需要根据这个值来分配栈帧中的操作栈深度。

max_locals代表了局部变量表所需要的存储空间。在这里，max_locals的单位是slot。方法参数（包括隐式参数this）、显式异常处理器的参数（try-catch块中catch块中定义的异常）以及方法体中定义的局部变量都需要局部变量表来存放。需要注意的是，由于局部变量表中的slot可以重用，所以并不是所有的局部变量的总slot就是max_locals。编译器会根据变量的作用域来分配slot给各个变量使用，然后计算max_locals的大小。

code_length和code用来存储字节码指令。Java的字节码指令的长度都是一个字节，即最多可以有256个指令，实际上一共有大约200条指令。对于字节码指令这里不过多介绍。

exception_table_length和exception_table分别是指异常表长度，和异常表集合。

attributes_count和 attributes是Code属性中的属性表集合。