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 version、major 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。