深入理解JVM 类文件结构
Class类文件结构
Class文件是一组以8字节为基础单位的二进制流,各个数据项目阉割按照顺序紧凑地排列在文件之中,中间没有添加任何分隔符,这使得整个Class文件中存储的内容几乎全部是程序运行的必要数据,没有空隙存在。当遇到需要占用8个字节以上空间的数据项时,则会按照高位在前的方式分隔成8个字节进行存储
这种顺序称为Big-Endian具体顺序是按高位字节在地址最低位,最低字节在地址最高位用来存储数据,它是sparc,powerPC等处理器的默认多字节存储顺序,而X86等处理器则是用了相反的Little-Endian顺序来存储数据
根据java虚拟机规范的规定,class文件格式 采用一种类似于C语言的结构体的伪结构来存储数据,这种伪结构中只有俩种数据类型:无符号数和表,后面的解析都要以这俩种数据类型为基础
- 无符号数属于基本的数据类型,以u1,u2,u4,u8来分别代表一个字节,2个字节,4个字节和8个字节的无符号数,无符号数可以用来表述数组,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,为了便于区分,所有表的命名都习惯以_info 结尾。表用于描述有层次关系的复合结构的数据,整个Class文件本质上也可以视作是一张表,这张表
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];
}
无论是符号数还是表,当需要秒睡同一个类型但数量不定的多个数据时,经常会使用一个前置的容量计数器加若干个连续的某一类型的数据为某一类型的集合
class的结构不像XML等描述语言,由于它没有任何分隔符,所以在表中的的数据项,无论是顺序还是数量,甚至与数据存储的字节序列(Byte Ordering,class文件中字节序为Big-Endian)这样的细节,都是被严格限定的,哪个字节代表什么含义,长度是多少,先后顺序如何,全部都不允许改变。
魔数与Class的版本
每个Class文件的头4个字节被称为魔数(Magic Number),它唯一的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。不仅是class文件,很多格式标准中都有使用魔数来进行身份识别的习惯,譬如图片格式,如gif或者jpeg等在文件头中都有魔数。使用魔数而不是扩展名来进行识别的主要目的是基于安全考虑,因为扩展名可以随意改动。文件格式的制定者可以自由的选择魔数值。主要这个魔数值还没有被广泛的采用过,而且不会引起混淆。
Class文件的魔数为0xCAFEBABE。
紧接着魔数的四个字节存储的class文件的版本号:第五和第六个字节是次版本号(minor Version),第七和第八个字节是主版本号(Major Version)
写一个class文件
class的文件接口固定值
minor_version(次版本号)与major_version(主版本号)
1.7、1.8属于主版本号,这里有个对照表,数据为十进制
常量池
紧接着主,次版本号之后的是常量池入口,常量池可以比喻为Class文件的资源仓库,它是Class文件建构中与其他项目关联最多的数据,通常也是占用Class文件空间最大的数据项目之一,另外,它是在Class文件中第一个出现的表类型数据项目
由于常量池中常量的数量是不固定的,所以在常量池入口需要放置一项u2类型的数据,代表常量池容量计数值(constant_pool_count)与java中的语言习惯不同,这个容量计数是从1开始而不是从0开始的,将第0项常量空出来的目的在于,如果后面某些指向常量池的索引值的数据在特定情况下表达,不引用任何一个常量池项目的含义,就可以把索引设置为0来表示。class文件结构中只有常量池的容量计数是从1开始的,对于其他集合类型,包括接口索引集合,字段表集合,方法表集合的容量计数都与一般习惯相同,是从0开始的
常量池中存放俩大类常量,字面量(literal)和符号引用(Symbolic references)字面量比较接近于java语言层面的常量概念,如文本字符串,被声明为final的常量值等。而符号引用则属于编译原理方面的概念,主要包括下面几类常量
- 被模块导出或者开放的包
- 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
- 方法句柄和方法类型
- 动态调用点和动态常量
java代码在进行javac编译的时候,并不像C和C++那样有连接的步骤,而是在虚拟机加载Class文件的时候进行动态连接。也就是说在class中不会保存各个方法,字段最终在内存中的布局信息,这些字段,方法的符号引用不经过虚拟机在运行期转换的话是无法得到真正的内存入口地址,也就无法直接被虚拟机对象使用的。当虚拟机做类加载时,将会从常量池获得对应的符号引用,再在类创建时或运行时解析,翻译到具体的内存地址之中。
常量池中每一项常量都是一个表,最初常量表中有11种结构各不相同的表结构数据,后来为了更好地支持动态语言调用,额外增加了四种动态语言相关的常量,为了支持java模块化系统,加入了CONSTANT_Module_info和CONSTANT_Package_info这俩个常量,截止JDK13有17种不同类型的常量
之所以说常量池是最繁琐的数据,是因为这17中常量类型各自有着完全独立的数据结构,俩俩之间并没有什么共性关系,因此只能逐项讲解
访问标志
在常量池结束之后,紧接着的2个字节代表访问标志(access_flags)这个标志用于识别一些类或者接口层次的访问信息,包括:这个Class是类还是接口;具体定义为public类型;是否定义为abstract类型,如果是类的话,是否被声明为final
类索引,父类索引,接口索引,索引集合
类索引(this_class)和父类索引(super_class)都是一个u2类型的数据的集合,Class文件中由于这三项数据来确定该类型的继承关系。
类索引用于确定这个类的全限定名,类索引用于确定这个类的全限定名
由于java语言不允许多重继承,所以父类索引只能由一个,除了java.lang.Object之外,所有的java类都有父类,因此除了java.lang.Object外,所有的java类的父类索引都不为0.接口索引集合就用来描述这个类实现了哪些接口,这些被实现的接口按implements关键字(如果这个Class文件表示的是一个接口,则是extends关键字)后的接口顺序从左到右排列在接口集合中。
类索引,父类索引和接口索引集合都按顺序排列在访问标志之后,类索引和父类索引用俩个u2类型的索引值表示,它们各自指向一个类型为CONSTANT_Class_info的类描述符常量,通过CONSTANT_Class_info类常量中的索引值可以自定义在CONSATANT_Utf8_info类型常量中的全限定名字符串。
对于接口索引集合,如果的第一项u2类型的数据为接口计数器(interface_count)表示索引表的容量。如果该类没有实现任何接口,该计数器的值为0,,后面接口的索引表不再占用任何字节
字段表集合
字段表(field_info)用于描述接口或者类中声明的变量。java语言中的字段(field)包括类级变量以及实例级变量,但不包括在方法内部声明的局部变量。
字段可以包括的修饰符有字段的作用域(public,private,protected修饰符),是实例变量还是类变量(static修饰符)可变性(final)并发可见性(volatile),是否可以被序列化(transient)字段名称。
上述这些信息中各个修饰符都是布尔值,要么有修饰符,要么没有,很适合用标志位来表示。而字段叫做什么名字,字段被定义为什么数据类型,这些都是无法固定的,只能用常量池的常量来描述。
字段表集合中不回列出从父类或者父类集成接口中集成而来的字段,但有可能出现原本java代码中不存在的字段,譬如在内部类中为了保持对外部类的访问性,编译器就会自动添加外部类实例的字段。另外在java语言中字段是无法被重载的,俩个字段的数据类型, 修饰符不管是否相同,都必须使用不一样的名称,但是对于class文件格式来讲,只要俩个描述符不是完全相同,那字段重名就是合法的
方法表集合
Class文件存储格式中对方法的描述对于字段的描述采用了几乎完全一致的方式,方法表的结构如同字段表一样,一次包括访问标志,名称索引,描述符索引,属性表集合,这些数据项目的含义与字段表中的非常类似,仅在访问标志和属性表集合的可选项中有所区别
方法里的代码经过javac编译成字节码指令后,存放在方法属性表中一个名为code的属性里面。
与字段表集合相对应地,如果父类方法在子类没有被重写(OverRide)方法表集合中就不会出现来自父类的方法信息。但同样的,有可能会出现由编译器自动添加的方法,最常见的便是构造器<clinit>()
方法和实例构造器<init>()
方法
在java语言中,要重载(overload)一个方法,除了要与原方法具有相同的简单名称之外,还要求必须拥有一个与原方法不同的特征签名。特征签名是一个方法中各个参数在常量池中的字段符号引用的集合,也正是因为返回值不会包含在特征签名之中,所以java语言里面是无法仅仅靠返回值的不同对一个已有方法进行重载的。但是在Class文件格式之中,特征签名的范围明显要更大一些,只要描述符不是完全一致的俩个方法就可以共存。也就是说,如果来个方法有相同的名称和特征签名,但返回值不同,那么也可以合法共同存在一个Class文件中的
属性表集合
Class文件,字段表,方法表都可以携带自己的属性表集合,描述某些场景专有的信息
与Class文件其他的数据项目要求阉割的顺序,长度和内容不同,属性表集合的限制稍微宽松一些,不再要求各个属性表严格有序,并且java虚拟机规范允许只要不与已有的属性名重复,任何编译器都可以向属性表中写入自己定义的属性信息,java虚拟机运行时会忽略掉它不认识的属性。
字节码指令
java虚拟机的指令由一个字节长度,代表中某种特定含义的操作数字(称为操作码 Opcode)以及跟随其后的零至多个代表此操作的参数(操作数)构成
由于java虚拟机采用面向操作数栈而不是面向寄存器的架构,所以大多数指令都不包含操作数,只有一个操作码,指令参数都存放在操作数栈中
字节码指令级可以算是一种具有鲜明特点,优势和劣势均很突出的指令级架构,由于限制了java虚拟机操作码的长度为一个字节(0-255)这意味着指令级的操作码总数不能够超过256条。又由于class文件格式放弃了编译后代码的操作长度对齐,这就意味着虚拟机在处理哪些超过一个字节的数据时,不得不在运行时从字节中重建出具体数据的结构。