JVM 庖丁解牛 - 类文件结构实例分析

作者: RunAlgorithm | 来源:发表于2017-03-13 22:35 被阅读509次

1.流程

创建 HelloWorld.java
代码如下
package jvm;

  /**
   * @author lidiqing
   * @since 2017/3/4.
   */
  public class HelloWorld {
  
      private final String text = "Hello World!";
  
      public HelloWorld() {
      }
  
      public String getText() {
          return text;
      }
  }

编译成 HelloWorld.class
使用 javap -verbose HelloWorld.class输出字节信息

javap输出

使用 winhex 查看二进制数据
winhex输出

2.结构详解

2.1 Class 文件格式

2.1.1 概述

结构：Class 文件 == 8位字节为单位的二进制流 == 无符号数 + 表

u2, u4 => 无符号数，代表2个字节，u4 代表4个字节
xxx_info => 表，无符号数或其他表构成，整个 class 就是一张表
- cp_info 常量表
- field_info 字段表
- method_info 方法表
- attribute_info 属性表

特点：

不依赖于任何操作系统
数据存储使用大端字节序

文件格式：

类型	名称	数量
u4	magic	1
u2	minor_version	1
u2	major_version	1
u2	constant_pool_count	1
cp_info	constant_pool	constant_pool-1
u2	access_flags	1
u2	this_class	1
u2	super_class	1
u2	interfaces_count	1
u2	interfaces	interfaces_count
u2	fields_count	1
field_info	fields	fields_count
u2	methods_count	1
method_info	methods	methods_count
u2	attributes_count	1
attribute_info	attributes	attributes_count

2.2 魔数和版本

2.2.1 概述

魔数
唯一作用：确认该文件能被虚拟机接受
类加载过程中的验证阶段，会判断该 Magic
版本号和编译器 JDK 有关

2.2.2 数据分析

魔术和版本对应数据

magic
固定值：0xCAFEBABY
minor_version
次版本号：0x0000
major_version
主版本号：0x0034

2.2.3 表

Class 文件的版本表

编译器版本	-target参数	十六进制版本号	十进制版本号(主版本号.次版本号)
JDK 1.7.0	不带（默认 -target 1.7）	00 00 00 33	51.0
JDK 1.7.0	-target 1.6	00 00 00 32	50.0
JDK 1.8.0	不带（默认 -target 1.8）	00 00 00 34	52.0

2.3 常量池（常量表集合）

2.3.1 概述

特点：

Class 文件的资源仓库
Class 文件中和其他项目关联最多
Class 文件中最大的数据项目之一

主要类型：

字面量，语言层面的常量，如文本字符串，final常量（如字符串 'HelloWorld!'）
符号引用，编译层面的常量
- 类和接口的全限定名（如 jvm/HelloWorld）
- 字段的名称和描述符 (如 jvm/Helloworld/text:Ljava/lang/String;)
- 方法的名称和描述符（如 java/lang/Object."<init>":()V）

作用：

无论是字段表、方法表还是属性表，只要涉及到一些常量或者描述，都会有个索引指向该表的某个位置

2.3.2 数据分析

在 class 中的二进制数据

常量池的二进制数据

constant_pool_count => 0x19
容量计数，常量表从 1 开始计数，所以 0x19 只有 0x18 个常量，十进制 24 个常量
这样的话，如果因为其他地方用了索引为 0，常量为空，比如 java.lang.Object 对象是所有类的基类，父索引为 0

constant_pool
对照 2.3.3 的常量池结果总表来进行分析，直接用 javap 输出 24 个常量如下

  Constant pool:
     #1 = Methodref          #5.#20         // java/lang/Object."<init>":()V
     #2 = String             #21            // Hello World!
     #3 = Fieldref           #4.#22         // jvm/HelloWorld.text:Ljava/lang/String;
     #4 = Class              #23            // jvm/HelloWorld
     #5 = Class              #24            // java/lang/Object
     #6 = Utf8               text
     #7 = Utf8               Ljava/lang/String;
     #8 = Utf8               ConstantValue
     #9 = Utf8               <init>
    #10 = Utf8               ()V
    #11 = Utf8               Code
    #12 = Utf8               LineNumberTable
    #13 = Utf8               LocalVariableTable
    #14 = Utf8               this
    #15 = Utf8               Ljvm/HelloWorld;
    #16 = Utf8               getText
    #17 = Utf8               ()Ljava/lang/String;
    #18 = Utf8               SourceFile
    #19 = Utf8               HelloWorld.java
    #20 = NameAndType        #9:#10         // "<init>":()V
    #21 = Utf8               Hello World!
    #22 = NameAndType        #6:#7          // text:Ljava/lang/String;
    #23 = Utf8               jvm/HelloWorld
    #24 = Utf8               java/lang/Object

Methodref，是方法的符号引用，比如虚拟机调用 invokespecial 指令会用到，比如该类的初始化方法字节码指令中有这么一条

    1: invokespecial #1

这样会实例化 #1 的方法，而 #1 是 java.lang.Object 的初始化方法，所以该指令执行了 Object 的初始化
Fieldref，是字段的符号引用，比如虚拟机调用 putfield 指令会去解析该符号引用

    7: putfield #3

这样的话会把该符号引用对应的变量，设置为栈帧中的值
NameAndType，字段或者方法的描述，有名称和描述符组合起来
Class，表示一个类的全限定名
String，表示一个字符串常量
Utf8，使用 utf-8 格式编码的字符串，最后其他类型的常量都会指向这些值，这是最基本的常量值

Class 文件加载后，常量池的字面量和符号引用会被存入方法区，多个线程共享。方法区又称为永久带，GC 基本不在方法区进行垃圾回收。但也会有，比如一些废弃的常量和无用的类

2.4 访问标志

2.4.1 概述

识别类或接口层次的访问信息

u2类型=2个字节=16位可用，目前只定义了8个，可见后面的访问标志表

2.4.2 数据分析

在 class 中的二进制信息

访问标志二进制数据

access_flags

该值为 0x21 = 0x01| 0x20

0x01 => ACC_PUBLIC
0x20 => ACC_SUPER

对照访问标志表，可知是一个普通的 public 类
使用 JDK 1.0.2 之后编译出来的类的 ACC_SUPER 均为真

2.4.3 访问标志表

标志名称	标志值	含义
ACC_PUBLIC	0x0001	是否public类型
ACC_FINAL	0x0010	是否final类型，只有类可用
ACC_SUPER	0x0020	JDK1.2 之后必须为真
ACC_INTERFACE	0x0200	标记是接口
ACC_ABSTRACT	0x400	是否abstract类型，接口或抽象类为真，其他类为假
ACC_SYNTHETIC	0x1000	标记类不是用户代码产生
ACC_ANNOTATION	0x2000	标记是注解
ACC_ENUM	0x4000	标记是枚举

2.5 索引集合

2.5.1 概述

分为三种类型用来确定整个类的继承关系，属于类的元数据

类索引（this_class）
父类索引（super_class）
接口索引集合（interfaces）

根据规则，每个类只能有一个父类，但可以有多个接口
而更特殊的 java.lang.Object 是没有父类的，毕竟是所有类的基类，所以有且仅有 Object 类的父类索引为 0

2.5.2 数据分析

在 class 中的二进制信息

索引集合二进制数据

this_class => 0x0004
这里指向常量池第4个常量，为 Class，全限定名为 jvm/HelloWorld
使用 javap 解析到的数据
```
  Constant pool
      #4 = Class      #23
      #23 = Utf8      jvm/HelloWorld
```

这个索引用来表示该类的全限定名

super_class => 0x0005
常量池第5个常量，为 Class，全限定名为 java/lang/Object
使用 javap 解析到的数据
```
  Constant pool
      #5 = Class      #24
      #24 = Utf8      java/lang/Object    
```

这个索引用来表示该类父类的全限定名，所以该类的父类就是 java/lang/Object

interfaces_count => 0x0000
接口数量为 0
因为没有实现任何接口
interfaces
因为接口数量为 0，所以后面没有接口数据

2.6 字段表集合

2.6.1 概述

范围：包含类级、实例级变量，不包括方法内部声明的局部变量

信息：

使用标记表示

作用域
- public
- private
- protect
static 实例变量还是类变量
final 可变性
volatile 并发可见性
transient 可被序列化

用常量表示

字段数据类型（基本类型、对象、数组）
字段名称

2.6.2 数据分析

字段表集合二进制数据

fields_count => 0x0001
有一个字段
fields
从 fields_count 知道只有一个字段，查表可以得到 field_info 各个部分为：
access_flags => 0x0012=0x0010|0x0002
根据字段访问标志可知，这是个 private 和 final 型属性
name_index => 0x0006
索引对应常量池第6个常量，名为 “text”
```
  Constant pool
      #6 = Utf8       text    
```

descriptor_index => 0x0007
索引对应常量池第7个常量，所以描述符为 “Ljava/lang/String;”

    Constant pool
        #6 = Utf8       Ljava/lang/String;

attribute_count => 0x0001
所以该字段有一个属性，接下来就是详细的 attribute_info 数据，表示该字段的属性
attribute_name_index => 0x0008
索引对应常量池第8个常量，属性名称为 “constantvalue”

    Constant pool
        #8 = Utf8       constantvalue

该属性用来通知虚拟机自动为静态变量赋值。这个发生在类的加载过程中的初始化阶段。关于类变量，初始化的时候会给默认值，但如果有 Constantvalue 属性，就会用这个属性的值来对类变量进行初始化
attribute_length => 0x00000002
constantvalue 的该值固定为 2，因为后面需要 u2 类型的数据来指向常量池，表示该 constantvalue 的值
constantvalue_index => 0x0002，索引对应常量池第2个常量，值为 “Hello World！”

    Constant pool
        #2 = String     #21
        #21 = Utf8      Hello World!

实际上，用代码进行比较的话，上面字段对应 Java 源码为

    private final String text = "Hello World!";

在编译成 class 文件后，我们可以解析到这样的结果

    flags: ACC_PRIVATE ACC_FINAL
    name: text
    descriptor: Ljava/lang/String;
    attributes:
        constantvalue:HelloWorld!

在 Java 中用 static 和 final 修饰的字段，即该类的常量字段。在 Java 编译阶段的常量传播优化中，如果 B 只引用了 A 的常量，编译后 A 的常量会被转化为 B 的常量，存入 B 类的常量池里。所以，常量传播优化后，使用者 B 就会拥有 A 的常量，对 A 常量的引用在 Class 文件中成为对自己的常量的引用

2.6.3 表

字段表（field_info）：

类型	名称	数量
u2	access_flag	1
u2	name_index	1
u2	descriptor_index	1
u2	attributes_count	1
attribute_info	attributes	attributes_count

字段访问标志（access_flag）：

标志名称	标志值	含义
ACC_PUBLIC	0x0001	是否 public
ACC_PRIVATE	0x0002	是否 private
ACC_PROTECTED	0x0004	是否 protected
ACC_STATIC	0x0008	是否 static
ACC_FINAL	0x0010	是否 final
ACC_VOLATILE	0x0040	是否 volatile
ACC_TRANSIENT	0x0080	是否 transient
ACC_SYNTHETIC	0x1000	是否 synthetic
ACC_ENUM	0x4000	是否 enum

描述符（descriptor）：

标识字符	含义
B	基本类型 byte
C	基本类型 char
D	基本类型 double
F	基本类型 float
I	基本类型 int
J	基本类型 long
S	基本类型 short
Z	基本类型 boolean
V	特殊类型 void
L	对象类型，如 Ljava/lang/Object

数组每一维度用 “[” 来描述

比如

int[] => [I
string[][] => [[java/lang/String;
void inc => ()V
String toString => ()Ljava/lang/String;
int indexof(char[] a, int b, char[] c, int d) => ([CI[CI)I

类的字段和方法都由两部分来表示，即名称和描述符（NameAndType）

2.7 方法表集合

2.7.1 概述

特点：

方法中的代码，被编译成字节码后，放在了 “Code” 属性中
如果父类的方法没有被子类重写，不会出现父类方法的信息
会出现编译器添加的方法，比如类构造器“<clinit>”和实例构造器“<init>”
Java 文件中同一个类中的方法的特征签名不能一致；Class 文件特征签名可以一致，但返回值要不同

特征签名 => 一个方法中各个参数在常量池中的字段符号的引用集合，不包含返回值

2.7.2 数据分析

方法表集合二进制数据

methods_count => 0x0002
表示该类有两个方法
methods
分别有两个方法，都是 method_info 的结构。methods_count 紧接着就是第一个方法表
现在只分析第一个方法表
access_flag => 0x0001
方法为 Public 方法
name_index => 0x0009
方法名称为常量表第9个常量，是 Utf8 类型，为 “<init>”，所以这个方法是类的初始化方法
```
  Constant pool
      #9 = Utf8       <init>  
```

descriptor_index => 0x000A
方法描述符为常量表第10个常量，也是 Utf8 类型，为 “()V”

    Constant pool
        #10 = Utf8      ()V

attribute_count => 0x0001
属性数量为 1。从这个可知，该方法有一个属性。
基本上所有方法都至少有一个属性 “Code” 用来记录方法中编译后的字节码指令。也可以说，方法中的代码编译成字节码指令后都被存入了 “Code” 属性中了
attribute_name_index => 0x000B
常量表第11个常量，也是 Utf8 类型，就是 “Code” 属性

    Constant pool
        #11 = Utf8      Code

attribute_length => 0x0000003D
表示接下来的 61 个字节就是 “Code” 属性表的内容了，关于这个属性表的解析在后面
使用 javap 可以得出详细的解析结果如下：

javap的解析结果

2.7.3 表

方法表（method_info）：

类型	名称	数量
u2	access_flags	1
u2	name_index	1
u2	descriptor_index	1
u2	attributes_count	1
attribute_info	attributes	attributes_count

方法访问标志（access_flag）：

标志名称	标志值	含义
ACC_PUBLIC	0x0001	是否为 public
ACC_PRIVATE	0x0002	是否为 private
ACC_PROTECTED	0x0004	是否为 protect
ACC_STATIC	0x0008	是否为 static
ACC_FINAL	0x0010	是否为 final
ACC_SYNCHRONIZED	0x0020	是否为 synchronized
ACC_BRIDGE	0x0040	是否为编译器产生的桥接方法
ACC_VARARGS	0x0080	是否接受不定参数
ACC_NATIVE	0x0100	是否为 native
ACC_ABSTRACT	0x0400	是否为 abstract
ACC_STRICTFP	0x0800	是否为 strictfp
ACC_SYNTHETIC	0x1000	是否为编译器自动产生的

2.8 属性表集合

2.8.1 概述

上面已经有用到两种属性，字段用到 constantvalue 用来表示是一个常量，方法用到了 code 来记录方法的字节码指令集合

特点：

属性不要求严格按顺序排列，只要不重名
属性值的结构可完全自定义，但虚拟机只取自己认识的

2.8.2 基本结构

类型	名称	数量
u2	attribute_name_index	1
u4	attribute_length	1
u1	info	attribute_length

每个属性的名称都要从常量池中拿一个 Utf8 类型的常量。属性的内容为 attribute_length 个 info 组成，每个 info 由一个字节组成。所以属性的组成是很灵活的，如何解释这些 info，有虚拟机的标准，也可以完全自定义。但虚拟机在解析的时候，只取自己标准的那部分

2.8.3 几个主要属性

2.8.3.1 Code 属性

使用在方法表中，用来表示代码编译成的字节码指令

具体的结构为

类型	名称	数量
u2	attibute_name_index	1
u4	attribute_length	1
u2	max_stack	1
u2	max_locals	1
u4	code_length	1
u1	code	code_length
u2	exception_table_length	1
exception_info	exception_table	exception_length
u2	attributes_count	1
attribute_info	attributes	attributes_count

现在拿类第一个方法表的 Code 属性来进行分析

第一个方法表的 code 属性二进制数据

attribute_name_index 和 attribute_length 上面已经解析过了，为 “Code”，长度为 29。即后面的 29 个字节均为该属性的内容
max_stack => 0x0002
操作数栈的最大深度，方法执行的任意时刻，操作数栈不会超过这个深度，虚拟机用这个值来分配栈帧（Stack Frame）中的操作数栈深度。这里表示该方法的操作数栈最深为 2。如果虚拟机执行的时候，有出现超出了这个深度，会抛出 Stack Overflow 的异常
max_locals => 0x0001
局部变量表所需的存储空间。该值的单位为 Slot，长度不超过 32 位的数据类型，比如 byte，int 等用一个 Slot，而 double 和 long 用两个 Slot。这里表示方法局部变量的存储空间为 1 个Slot
code_length => 0x0000000B
方法体内的字节码长度，这里的长度为 11，所以接下来 11 位就是字节码指令了
code
方法体的字节码指令，每个指令用一个 u1 表示，即 8 位，一共可以表达 256 条指令，目前虚拟机已经定义 200 多条了。code 指令可以分成以下几种类型。其中异常指令只记录显示抛出（throw）的异常，而像 try...catch 的异常则有属性表之异常表来处理
- 加载和存储
- 运算
- 类型转换
- 对象的创建和访问
- 操作数栈管理
- 控制转移
- 方法调用和返回
- 异常
- 同步指令
attributes_count => 0x00000002
表示后面还有两个属性，对照表可知为 LineNumberTable 和 LocalVariableTable。这两个属性都不是必须的，主要用来描述源码和字节码之间的一些关系

因为该方法比较简单，没有异常等。如果有异常，Code 属性中还会有异常表 Exception table

2.8.3.2 LineNumberTable 属性

用处

描述 Java 源码和字节码行号的对应关系
可以使用 javac -g:none 或 -g:lines 选项来取消或显示。默认显示
用来实现断点调试（如果没有的话无法断点）

LineNumberTable 具体的结构为

类型	名称	数量
u2	attribute_name_index	1
u4	attribute_length	1
u2	line_number_table_length	1
line_number_info	line_number_table	line_number_table_length

line_number_info 由 start_pc 和 line_number 组成，分别表示字节码行号和源码行号

现在拿上面的方法的 LineNumberTable 属性数据来进行分析

第一个方法的 Code 属性的 LineNumberTable 的二进制数据

attribute_name_index => 0x000C
属性名称，指向常量池第 12 个常量，可以得知就是 “LineNumberTable”
```
  Constant pool
      #12 = Utf8      LineNumberTable 
```
attribute_length => 0x0000000E
属性的长度为 15，所以接下来 15 个字节都是 LineNumberTable 属性的值
line_number_table_length => 0x0003
表示接下来有 3 个的 line_number_info 类型，用来表示字节码和源码的对应关系。有可能多个字节指令才会对应一条源码
line_number_table
现在就分析第一个 line_number_info 的信息
start_pc => 0x0000，字节码第0行
PC 的全称为 Program Counter，即程序计数，对应程序计数器的值，表示在字节码指令中的偏移量。因为要保证线程切换后能回到正确的位置，所以每个线程都会有一个程序计数器
line_number => 0x000B，源码第11行
结合 start_pc 可知，所以 0:aload_0 指令对应的源码为 public HelloWorld() {

使用 javap 解析到方法 “<init>” 的完整 LineNumberTable 表如下

javap解析到的结果

有了这些class文件中有了这些信息，我们就可以进行断点调试了。所以断点调试是依赖于方法表中是否有设置 LineNumberTable 属性

2.8.3.3 LocalVariableTable 属性

用处

描述栈帧局部变量表中的变量和 Java 源码中对应的变量之间的关系
可使用 -g:none 或 -g:vars 来取消或者生产这项信息
没有该属性，当其他人引用这个方法，所有的参数名称丢失，IDE 会使用 arg0、arg1 等占位符代替

LocalVariableTable 具体的结构为

类型	名称	数量
u2	attribute_name_index	1
u4	attribute_length	1
u2	local_variable_table_length	1
local_variable_info	local_variable_table	local_variable_table_length

local_variable_info 的结构为

类型	名称	数量
u2	start_pc	1
u2	length	1
u2	name_index	1
u2	descriptor_index	1
u2	index	1

用第一个方法表的 code 属性的 LocalVariableTable 属性数据来分析

第一个方法表的 code 属性的 LocalVariableTable 属性的二进制数据

attribute_name_index => 0x000D
指向常量池第 13 个常量，可以得知就是 “LocalVariableTable”
attribute_length => 0x0000000C
属性的长度为 12，所以接下来 12 个字节都是 LocalVariableTable 属性的值
local_variable_table_length => 0x0001
表示接下来有一个 local_variable_info 用来表示栈帧内局部变量表和源码的关系
local_varibale_info
start_pc => 0x0000
该局部变量的生命周期开始的字节码偏移量
length => 0x000B
该局部变量的生命周期作用范围的长度
所以该局部变量作用在 0 -> 11 条字节码之间，可知为整个方法的字节码指令集范围内
name_index => 0x000E
指向常量池第 14 个常量，为 “this”，所以这个局部变量是 this 指针，指向使用该方法的当前实例
descriptor_index => 0x000F
指向常量池第 15 个常量，为 “Ljvm/HelloWorld”，所以这个 this 指针代表的就是类 HelloWorld 的实例
index => 0x0000
表示该局部变量在栈帧局部变量表中 Slot 的位置，可知为第一个 Slot

2.8.3.4 ConstantValue 属性

该属性在 2.6.2 对字段 “text” 的解析中已经提到，具体的作用是通知虚拟机初始化静态变量

目前类变量的初始化有两种方式

使用 ConstantValue 属性
基本类型或者 java.lang.String，同时被 static 和 final 修饰的变量（又称为常量）
在类构造函数 <clinit> 中
不是常量，或者不是基本类型或 java.lang.String