JVM 内部原理（二）— 基本概念之字节码

介绍

版本：Java SE 7

每位使用 Java 的程序员都知道 Java 字节码在 Java 运行时（JRE - Java Runtime Environment）里运行。Java 虚拟机（JVM - Java Virtual Machine）是 Java 运行时（JRE）的重要组成部分，它可以分析和执行 Java 字节码。Java 程序员不需要知道 JVM 是如何工作的。有很多应用程序和应用程序库都已开发完成，但是它们并不需要开发者对 JVM 有深入的理解。但是，如果你理解 JVM ，那么就可以对 Java 更有了解，这也使得那些看似简单而又难以解决的问题得以解决。

在本篇文章中，我会解释 JVM 是如何工作的，它的结构如何，字节码是如何执行的及其执行顺序，与一些常见的错误及其解决方案，还有 Java 7 的新特性。

内容

虚拟机（Virtual Machine）

Java 运行时环境包括 Java API 和 JVM 。JVM 负责通过装载器（Class Loader）读取 Java 应用程序并结合 Java API 一起执行。

虚拟机（VM） 是机器的软件实现（如，计算机），它可以像物理机一样执行程序。Java 设计的初衷是让运行时基于虚拟机与物理机器隔离，即一次编写随处执行（WORA - Write Once Run Anywhere），尽管这个目标几乎已经被人遗忘。因此，JVM 可以在各种硬件上运行，并执行 Java 字节码（Java Bytecode） 无须改变 Java 的执行代码。

JVM 有如下特性：

基于栈的虚拟机（Stack-based virtual machine）： 大多数流行的计算机架构如 Intel x86 架构和 ARM 架构都是基于寄存器运行的。但是，JVM 是基于栈运行的 。
标识符引用（Symbolic reference）： 所有类型（类和接口）除了基本类型（又称原始类型）都是通过标识符引用的，而不是通过显式的基于内存地址的引用。
垃圾收集（Garbage collection）： 一个类实例是由用户代码显式创建的并通过垃圾收集自动销毁。
通过清楚的定义基本数据类型（primitive data type）保证平台的独立： 传统的语言如 C/C++ 在不同平台下的 int 类型的大小是不一样的。JVM 清楚地定义了原始数据类型以维持兼容性和保证跨平台的能力。
网络字节顺序（Network byte order）： Java 类文件使用网络字节顺序。要在 Intel x86 架构采用的 little endian 与 RISC 系列架构采用的 big endian 之间维持平台独立，就必须保证固定的字节序。因此，JVM 使用网络字节序，它是一种网络传输的顺序。网络字节序是 big endian 的。

Sun 公司（Sun Microsystems）开发了 Java 。不过，任何厂商都可以开发并提供 JVM ，只要遵守 Java 虚拟机官方规范文档即可。因此，JVM 有很多种类，包括 Oracle 公司的 Hotspot JVM 和 IBM 公司的 JVM 。Google 安卓操作系统使用的 Dalvik VM 也是一种 JVM ，尽管它并不遵守 Java 虚拟机规范。与 Java 虚拟机不同（基于栈的虚拟机），Dalvik VM 采用基于寄存器的架构。

Java 字节码

要想实现一次编写到处运行（WORA），JVM 使用 Java 字节码，它是一种介于 Java（用户语言）和机器语言之间的中间语言。Java 字节码是 Java 代码部署的最小单元。

在解释 Java 字节码之前，让我们以一个开发过程中出现的真实案例来进行介绍。

症状

应用程序在库更新之后返回如下错误：

1 Exception in thread "main" java.lang.NoSuchMethodError:  com.nhn.user.UserAdmin.addUser(Ljava/lang/String;)V
2     at com.nhn.service.UserService.add(UserService.java:14)
3     at com.nhn.service.UserService.main(UserService.java:19)

应用程序代码如下，并没有作任何更改：

1 // UserService.java
2 …
3 public void add(String userName) {
4     admin.addUser(userName);
5 }

更新的库源码如下：

 1 // UserAdmin.java - Updated library source code
 2 …
 3 public User addUser(String userName) {
 4     User user = new User(userName);
 5     User prevUser = userMap.put(userName, user);
 6     return prevUser;
 7 }
 8 // UserAdmin.java - Original library source code
 9 …
10 public void addUser(String userName) {
11     User user = new User(userName);
12     userMap.put(userName, user);
13 }

简而言之，addUser() 方法没有返回值变更成为返回 User 类实例的的方法。但是应用程序代码并没有发生任何改变，因为它没有使用 addUser() 方法的返回值

乍一看，com.nhn.user.UserAdmin.addUser() 方法看似仍然存在，但如果这样，为什么还会出现 NoSuchMethodError 呢？

原因

原因是应用程序代码已经被编译到一个新的库。换句话说，应用程序代码似乎会调用方法而不管返回值。但是，编译的类文件中方法是带有返回值的。

可以看到以下的错误消息：

 1 java.lang.NoSuchMethodError: com.nhn.user.UserAdmin.addUser(Ljava/lang/String;)V

NoSuchMethodError 出现是因为 “com.nhn.user.UserAdmin.addUser(Ljava/lang/String;)V” 方法找不到。观察 “Ljava/lang/String;” 以及最后一个字母 “V” 。在 Java 字节码表达式中，“L;” 是类实例。这代表 addUser() 方法返回了一个 java/lang/String 对象作为参数。在这个例子的类库中，参数并没有发生改变，这是正常的。消息中最后的 “V” 代表方法的返回值。在 Java 字节码表达式中，“V” 表示没有返回值。简而言之，错误消息是说一个 java.lang.String 对象作为参数返回，而没有任何返回值的 com.nhn.user.UserAdmin.addUser 方法没有找到。

因为应用程序代码被编译到了之前的类库，所以类文件定义调用方法的返回值应该是 “V” 。然而，在已经改变的类库中，返回 “V” 的方法并不存在，而是一个返回 “Lcom/nhn/user/User” 的方法。因此，会出现错误NoSuchMethodError 。

注意

错误出现是因为开发者并没有重新编译新的类。但在这个例子中，类库提供者有很大的责任。这个公有方法没有返回值，但被修改成了返回用户类实例的方法。这显然是因为方法签名改变所导致的，这也意味着类的向后兼容被破坏了。因此类库提供方必须告知用户方法已经发生了改变。

让我们回到 Java 字节码。Java 字节码 是 JVM 的重要元素。JVM 是一个模拟器，它运行 Java 字节码。Java 编译器并不像 C/C++ 那样直接将高级语言转换成为机器语言（直接的 CPU 指令）；它将 Java 语言转换成为 JVM 可以理解的 Java 字节码。因为 Java 字节码没有任何依赖于平台的代码，它可以在任意安装好 JVM （准确的说是 JRE）的硬件上运行，即使当 CPU 或 OS 不同时也是如此（在 Windows PC 上开发和编译出的类文件也可以在 Linux 机器上运行，无须任何改变）。编译好的文件的大小与源码的大小几乎一样，这让通过网络来传输和运行编译的代码变得简单。

类文件本身是一个二进制文件，人们无法理解。为了管理类文件，JVM 提供商提供了 javap ，反编译工具。javap 生成的结果称为 Java 汇编语言。在上面的例子中，通过 javap -c 命令反编译应用程序代码中的 UserService.add() 方法得到的 Java 汇编语言如下：

1 public void add(java.lang.String);
2   Code:
3    0:   aload_0
4    1:   getfield        #15; //Field admin:Lcom/nhn/user/UserAdmin;
5    4:   aload_1
6    5:   invokevirtual   #23; //Method com/nhn/user/UserAdmin.addUser:(Ljava/lang/String;)V
7 	 8:   return

在 Java 汇编语言中，addUser() 方法在第四行被调用，"5: invokevirtual #23;" 。这表示索引 23 对应的方法会被调用。** invokevirtual ** 是操作码，它是 Java 字节码中调用方法的的最基本命令。参考 Java 字节码中的以下四种操作码： invokeinterface 、 invokespecial 、 invokestatic 和 invokevirtual 。每个操作码的意义如下：

invokeinterface ：调用接口方法
invokespecial ：调用初始化方法，私有方法，或父类中的方法
invokestatic ：调用静态方法
invokevirtual ：调用实例方法

Java 字节码指令集包括操作码和操作数。如 invokevirtual 这种操作码需要 2 字节的操作数。

可以先编译应用程序代码然后反编译它，得到以下结果：

1 public void add(java.lang.String);
2   Code:
3    0:   aload_0
4    1:   getfield        #15; //Field admin:Lcom/nhn/user/UserAdmin;
5    4:   aload_1
6    5:   invokevirtual   #23; //Method com/nhn/user/UserAdmin.addUser:(Ljava/lang/String;)Lcom/nhn/user/User;
7    8:   pop
8    9:   return

可以看到 #23 对应方法的返回值是 “Lcom/nhn/user/User;”。

在以上反编译的结果中，在代码前面的数字表示什么呢？

它是字节数。或许这也是在 JVM 里执行的代码被称为“字节”码的原因。简而言之，操作码的字节码指令如 aload_0 、 getfield 和 invokevirtual 用 1 个字节的字节数来表示（aload_0 = 0x2a、getfield = 0xb4、invokevirtual = 0xb6）。因此，Java 字节码指令的操作码的最大值是 256 。

操作码如 aload_0 和 aload_1 不需要任何操作数。因此，aload_0 的下一个字节是操作码的下一个指令。但是，getfield 和 invokevirtual 需要 2 个字节的操作数。因此，getfield 的下一指令的第一个字节通过跳过 2 个字节写到第四个字节。字节码通过十六进制的编辑器显示如下：

1 2a b4 00 0f 2b b6 00 17 57 b1

在 Java 字节码中，类实例用 “L” 表示；void 用 “V” 来表示。以这种方式，其他的类型也都有他们自己的表达式。下面列表总结了这些表达式：

表 1：Java 字节码类型表达式

Java 字节码	类型	描述
B	byte	有符号字节
C	char	Unicode 字符
D	double	双精度浮点数值
F	float	单精度浮点数值
I	int	整型
J	long	长整型
L	reference	类的实例
S	short	有符号的短型
Z	boolean	真或假
[	reference	一维数组