JVM的class文件结构详解

1 JVM的“平台无关性”

Java具有平台无关性，即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
语言无关性是指Java虚拟机能运行除Java以外的代码!

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。即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文件是JVM的输入, Java虚拟机规范中定义了Class文件的结构。Class文件是JVM实现平台无关、技术无关的基础。

2 纵观Class文件结构

class文件包含Java程序执行的字节码，数据严格按照格式紧凑排列在class文件中的二进制流，中间无任何分隔符。文件开头有一个0xcafebabe(16进制)特殊的一个标志。

下图展示为16进制

class文件是一组以8字节为单位的二进制字节流，对于占用空间大于8字节的数据项,按照高位在前的方式分割成多个8字节进行存储。它的内容具有严格的规范，文件中没有任何分隔符，全是连续的0/1。

class文件中的所有内容被分为两种类型：

无符号数基本的数据类型,以u1、u2、u4、u8,分别代表1字节、2字节、4字节、8字节的无符号数
表 class文件中所有数据(即无符号数)要么单独存在,要么由多个无符号数组成二维表.即class文件中的数据要么是单个值,要么是二维表.通常以_info 结尾

文件格式

javap工具生成非正式的"虚拟机汇编语言” ,格式如下:

代码语言：javascript复制

<index> <opcode> [<operand1> [<operand2> ...]][<comment>]

<index>是指令操作码在数组中的下标,该数组以字节形式来存储当前方法的Java虚拟机代码;也可以是相对于方法起始处的字节偏移量
<opcode>是指令的助记码
< operand>是操作数
<comment>是行尾的注释

代码语言：javascript复制

ClassFile {
    u4             magic;
    u2             minor_version;
    u2             major_version;
    u2             constant_pool_count;
    cp_info        constant_pool[constant_pool_count-1];
    u2             access_flags;
    u2             this_class;
    u2             super_class;
    u2             interfaces_count;
    u2             interfaces[interfaces_count];
    u2             fields_count;
    field_info     fields[fields_count];
    u2             methods_count;
    method_info    methods[methods_count];
    u2             attributes_count;
    attribute_info attributes[attributes_count];
}

实践

Demo1.java

Demo1.txt

版本号规则: JDK5,6,7,8 分别对应49,50,51,52

2.1 魔数(Magic Number)

class文件的头4个字节称为魔数,唯一作用是确定这个文件是否为一个能被JVM接受的Class文件. 作用就相当于文件后缀名,只不过后缀名容易被修改,不安全. 是用16进制表示的"CAFEBABE".

2.2 版本信息

紧接着魔数的4个字节是版本号.它表示本class中使用的是哪个版本的JDK. 在高版本的JVM上能够运行低版本的class文件,但在低版本的JVM上无法运行高版本的class文件.

2.3 常量池

2.3.1 什么是常量池?

紧接着版本号之后的就是常量池。常量池中存放两种类型的常量：

字面量 (Literal) 接近Java语言的常量概念，如：字符串文本、final常量值。
符号引用 (Symbolic Reference) 属于编译原理方面,包括下面三类常量:：
- 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

2.3.2 常量池的特点

长度不固定常量池的大小不固定,因此常量池开头放置一个u2类型的无符号数,代表当前常量池的容量. 该值从1开始,若为5表示池中有4项常量,索引值1~5
常量由二维表表示开头有个常量池容量计数值,接下来就全是一个个常量了,只不过常量都是由一张张二维表构成,除了记录常量的值以外,还记录当前常量的相关信息
class文件的资源仓库
与本class中其它部分关联最多的数据类型
占用Class文件空间最大的部分之一 ,也是第一个出现的表类型项目

2.3.3 常量池中常量的类型

根据常量的数据类型不同,被细分为14种常量类型,都有各自的二维表示结构每种常量类型的头1个字节都是tag,表示当前常量属于14种类型中的哪一个.

以CONSTANT_Class_info常量为例，它的二维表示结构如下： CONSTANT_Class_info表

类型	名称	数量
u1	tag	1
u2	name_index	1

tag 表示当前常量的类型(当前常量为CONSTANT_Class_info,因此tag的值应为7,表一个类或接口的全限定名);
name_index 表示这个类或接口全限定名的位置.它的值表示指向常量池的第几个常量.它会指向一个CONSTANT_Utf8_info类型的常量

类型	名称	数量
u1	tag	1
u2	length	1
u1	bytes	length

CONSTANT_Utf8_info表字符串常量

tag 表当前常量的类型,这里是1
length 表该字符串的长度
bytes为这个字符串的内容(采用缩略的UTF8编码)

Java中定义的类、变量名字必须小于64K 类、接口、变量等名字都属于符号引用，它们都存储在常量池中而不管哪种符号引用，它们的名字都由CONSTANT_Utf8_info类型的常量表示，这种类型的常量使用u2存储字符串的长度由于2字节最多能表示65535个数，因此这些名字的最大长度最多只能是64K

UTF-8编码 VS 缩略UTF-8编码 前者每个字符使用3个字节表示，而后者把128个ASCII码用1字节表示，某些字符用2字节表示，某些字符用3字节表示。

Demo1.txt中的常量池部分

类信息包含的静态常量，编译之后就能确认

JVM 指令


invokeinterface	用以调用接口方法，在运行时搜索一个实现了这个接口方法的对象，找出适合的方法进行调用。（Invoke interface method）
invokevirtual	指令用于调用对象的实例方法，根据对象的实际类型进行分派（Invoke instance method; dispatch based on class）
invokestatic	用以调用类方法（Invoke a class (static) method ）
invokespecial	指令用于调用一些需要特殊处理的实例方法，包括实例初始化方法、私有方法和父类方法。（Invoke instance method; special handling for superclass, private, and instance initialization method invocations ）

invokedynamic JDK1.7新加入的一个虚拟机指令，相比于之前的四条指令，他们的分派逻辑都是固化在JVM内部，而invokedynamic则用于处理新的方法分派：它允许应用级别的代码来确定执行哪一个方法调用，只有在调用要执行的时候，才会进行这种判断,从而达到动态语言的支持。(Invoke dynamic method)

2.4 访问控制

在常量池结束之后是2字节的访问控制表示这个class文件是类/接口、是否被public/abstract/final修饰等.

由于这些标志都由是/否表示,因此可以用0/1表示. 访问标志为2字节,可以表示16位标志,但JVM目前只定义了8种,未定义的直接写0.

标志名称	标志值	含义
ACC_INTERFACE		是一个接口,而不是一个类
ACC_MODULE		声明的模块；可能无法从其模块外部访问。仅当ClassFile具有Module属性时才可以设置。
ACC_STATIC	0x0008	声明为静态

Demo1.txt中的构造方法

Demo1这个示例中，我们并没有写构造函数。由此可见，没有定义构造函数时，会有隐式的无参构造函数

2.5 类索引、父类索引、接口索引集合

表示当前class文件所表示类的名字、父类名字、接口们的名字. 它们按照顺序依次排列,类索引和父类索引各自使用一个u2类型的无符号常量,这个常量指向CONSTANT_Class_info类型的常量,该常量的bytes字段记录了本类、父类的全限定名. 由于一个类的接口可能有好多个,因此需要用一个集合来表示接口索引,它在类索引和父类索引之后.这个集合头两个字节表示接口索引集合的长度,接下来就是接口的名字索引.

2.6 字段表的集合

2.6.1 什么是字段表集合?

用于存储本类所涉及到的成员变量，包括实例变量和类变量，但不包括方法中的局部变量。每一个字段表只表示一个成员变量,本类中所有的成员变量构成了字段表集合。

2.6.2 字段表结构的定义

access_flags 字段的访问标志。在Java中，每个成员变量都有一系列的修饰符，和上述class文件的访问标志的作用一样，只不过成员变量的访问标志与类的访问标志稍有区别。
name_index 本字段名字的索引。指向一个CONSTANT_Class_info类型的常量，这里面存储了本字段的名字等信息。
descriptor_index 描述符。用于描述本字段在Java中的数据类型等信息(下面详细介绍)
attributes_count 属性表集合的长度。
attributes 属性表集合。到descriptor_index为止是字段表的固定信息，光有上述信息可能无法完整地描述一个字段，因此用属性表集合来存放额外的信息，比如一个字段的值。(下面会详细介绍)

2.6.3 什么是描述符?

成员变量(包括静态成员变量和实例变量) 和方法都有各自的描述符。对于字段而言，描述符用于描述字段的数据类型；对于方法而言，描述符用于描述字段的数据类型、参数列表、返回值。

在描述符中，基本数据类型用大写字母表示，对象类型用“L对象类型的全限定名”表示，数组用“[数组类型的全限定名”表示。描述方法时，将参数根据上述规则放在()中，()右侧按照上述方法放置返回值。而且，参数之间无需任何符号。

2.6.4 字段表集合的注意点

一个class文件的字段表集合中不能出现从父类/接口继承而来字段；
一个class文件的字段表集合中可能会出现程序猿没有定义的字段如编译器会自动地在内部类的class文件的字段表集合中添加外部类对象的成员变量，供内部类访问外部类。
Java中只要两个字段名字相同就无法通过编译。但在JVM规范中，允许两个字段的名字相同但描述符不同的情况，并且认为它们是两个不同的字段。
Demo1.txt中的程序入口main方法