Understanding bytecode makes you a better programmer
前言
作为一个Java开发者，对技术的追求而不仅仅停留在会用API，会写基本功能上，要想在技术上有更高的造诣，就需要深入到原理层面去认识代码运行的机制。因此，本文从class字节码文件的结构入手，一步步来解剖二进制字节码的内部工作原理，这对深入理解JVM的运行机制大有裨益，同时，对于想要使用BCEL来动态改变Class字节码指令的工作也很有帮助(示例：JVM Class字节码之三-使用BCEL改变类属性)。
什么是Class文件
Java字节码类文件（.class）是Java编译器编译Java源文件（.java）产生的“目标文件”。它是一种8位字节的二进制流文件， 各个数据项按顺序紧密的从前向后排列， 相邻的项之间没有间隙， 这样可以使得class文件非常紧凑， 体积轻巧， 可以被JVM快速的加载至内存， 并且占据较少的内存空间（方便于网络的传输）。
Java源文件在被Java编译器编译之后， 每个类（或者接口）都单独占据一个class文件， 并且类中的所有信息都会在class文件中有相应的描述， 由于class文件很灵活， 它甚至比Java源文件有着更强的描述能力。
class文件中的信息是一项一项排列的， 每项数据都有它的固定长度， 有的占一个字节， 有的占两个字节， 还有的占四个字节或8个字节， 数据项的不同长度分别用u1, u2, u4, u8表示， 分别表示一种数据项在class文件中占据一个字节， 两个字节， 4个字节和8个字节。 可以把u1, u2, u3, u4看做class文件数据项的“类型” 。
Class文件的结构
一个典型的class文件分为：MagicNumber，Version，Constant_pool，Access_flag，This_class，Super_class，Interfaces，Fields，Methods 和Attributes这十个部分，用一个数据结构可以表示如下：
class_code.PNG-21.1kB
下面对class文件中的每一项进行详细的解释：
1、magic
在class文件开头的四个字节， 存放着class文件的魔数， 这个魔数是class文件的标志，他是一个固定的值： 0XCAFEBABE 。 也就是说他是判断一个文件是不是class格式的文件的标准， 如果开头四个字节不是0XCAFEBABE， 那么就说明它不是class文件， 不能被JVM识别。
2、minor_version 和 major_version
紧接着魔数的四个字节是class文件的此版本号和主版本号。
随着Java的发展， class文件的格式也会做相应的变动。 版本号标志着class文件在什么时候， 加入或改变了哪些特性。 举例来说， 不同版本的javac编译器编译的class文件， 版本号可能不同， 而不同版本的JVM能识别的class文件的版本号也可能不同， 一般情况下， 高版本的JVM能识别低版本的javac编译器编译的class文件， 而低版本的JVM不能识别高版本的javac编译器编译的class文件。 如果使用低版本的JVM执行高版本的class文件， JVM会抛出java.lang.UnsupportedClassVersionError 。具体的版本号变迁这里不再讨论， 需要的读者自行查阅资料。
3、constant_pool
在class文件中， 位于版本号后面的就是常量池相关的数据项。 常量池是class文件中的一项非常重要的数据。 常量池中存放了文字字符串， 常量值， 当前类的类名， 字段名， 方法名， 各个字段和方法的描述符， 对当前类的字段和方法的引用信息， 当前类中对其他类的引用信息等等。 常量池中几乎包含类中的所有信息的描述， class文件中的很多其他部分都是对常量池中的数据项的引用，比如后面要讲到的this_class, super_class, field_info, attribute_info等， 另外字节码指令中也存在对常量池的引用， 这个对常量池的引用当做字节码指令的一个操作数。此外，常量池中各个项也会相互引用。
常量池是一个类的结构索引，其它地方对“对象”的引用可以通过索引位置来代替，我们知道在程序中一个变量可以不断地被调用，要快速获取这个变量常用的方法就是通过索引变量。这种索引我们可以直观理解为“内存地址的虚拟”。我们把它叫静态池的意思就是说这里维护着经过编译“梳理”之后的相对固定的数据索引，它是站在整个JVM（进程）层面的共享池。
class文件中的项constant_pool_count的值为1, 说明每个类都只有一个常量池。 常量池中的数据也是一项一项的， 没有间隙的依次排放。常量池中各个数据项通过索引来访问， 有点类似与数组， 只不过常量池中的第一项的索引为1, 而不为0, 如果class文件中的其他地方引用了索引为0的常量池项， 就说明它不引用任何常量池项。class文件中的每一种数据项都有自己的类型， 相同的道理，常量池中的每一种数据项也有自己的类型。 常量池中的数据项的类型如下表：
constant_pool.PNG-25.4kB
每个数据项叫做一个XXX_info项，比如，一个常量池中一个CONSTANT_Utf8类型的项，就是一个CONSTANT_Utf8_info 。除此之外， 每个info项中都有一个标志值（tag），这个标志值表明了这个常量池中的info项的类型是什么， 从上面的表格中可以看出，一个CONSTANT_Utf8_info中的tag值为1，而一个CONSTANT_Fieldref_info中的tag值为9 。
Java程序是动态链接的， 在动态链接的实现中， 常量池扮演者举足轻重的角色。 除了存放一些字面量之外， 常量池中还存放着以下几种符号引用：
（1） 类和接口的全限定名
（2） 字段的名称和描述符
（3） 方法的名称和描述符
我们有必要先了解一下class文件中的特殊字符串， 因为在常量池中， 特殊字符串大量的出现，这些特殊字符串就是上面说的全限定名和描述符。对于常量池中的特殊字符串的了解，可以参考此文档：Java class文件格式之特殊字符串_动力节点Java学院整理
4、access_flag 保存了当前类的访问权限
5、this_cass 保存了当前类的全局限定名在常量池里的索引
6、super class 保存了当前类的父类的全局限定名在常量池里的索引
7、interfaces 保存了当前类实现的接口列表，包含两部分内容：interfaces_count 和interfaces[interfaces_count]
interfaces_count 指的是当前类实现的接口数目
interfaces[] 是包含interfaces_count个接口的全局限定名的索引的数组
8、fields 保存了当前类的成员列表，包含两部分的内容：fields_count 和 fields[fields_count]
fields_count是类变量和实例变量的字段的数量总和。
fileds[]是包含字段详细信息的列表。
9、methods 保存了当前类的方法列表，包含两部分的内容：methods_count和methods[methods_count]
methods_count是该类或者接口显示定义的方法的数量。
method[]是包含方法信息的一个详细列表。
10、attributes 包含了当前类的attributes列表，包含两部分内容：attributes_count 和 attributes[attributes_count]
class文件的最后一部分是属性，它描述了该类或者接口所定义的一些属性信息。attributes_count指的是attributes列表中包含的attribute_info的数量。
属性可以出现在class文件的很多地方，而不只是出现在attributes列表里。如果是attributes表里的属性，那么它就是对整个class文件所对应的类或者接口的描述；如果出现在fileds的某一项里，那么它就是对该字段额外信息的描述；如果出现在methods的某一项里，那么它就是对该方法额外信息的描述。
通过示例代码来手动分析class文件
上面大致讲解了一下class文件的结构，这里，我们拿一个class文件做一个简单的分析，来验证上面的文件结构是否确实是如此。
我们在这里新建一个java文件，Hello.java，具体内容如下：
public class Hello{
private int test;
public int test(){
return test;
}
}
然后再通过javac命令将此java文件编译成class文件：
javac /d/class_file_test/Hello.java
编译之后的class文件十六进制结果如下所示，可以用UltraEdit等十六进制编辑器打开，得到：
hello_class_test.PNG-22.6kB
接下来我们就按照class文件的格式来分析上面的一串数字，还是按照之前的顺序来：
-
magic:
CA FE BA BE，代表该文件是一个字节码文件，我们平时区分文件类型都是通过后缀名来区分的，不过后缀名是可以随便修改的，所以仅靠后缀名不能真正区分一个文件的类型。区分文件类型的另个办法就是magic数字，JVM 就是通过 CA FE BA BE 来判断该文件是不是class文件 -
version字段：
00 00 00 34，前两个字节00是minor_version，后两个字节0034是major_version字段，对应的十进制值为52，也就是说当前class文件的主版本号为52，次版本号为0。下表是jdk 1.6 以后对应支持的 Class 文件版本号：
image_1c2th3nii1otd13vg1vhg1hl6itg4i.png-23.7kB
-
常量池，constant_pool:
3.1.constant_pool_count
紧接着version字段下来的两个字节是：00 12代表常量池里包含的常量数目，因为字节码的常量池是从1开始计数的，这个常量池包含17个（0x0012-1）常量。
3.2.constant_pool
接下来就是分析这17个常量:
3.2.1. 第一个变量 0a 00 04 00 0e
首先，紧接着constant_pool_count的第一个字节0a（tag=10）根据上面的表格（文中第二张图片）
![image_1c2tj6ib6pslkbb1876ot81rjj4v.png-4kB][7]
可知，这表示的是一个CONSTANT_Methodref。CONSTANT_Methodref的结构如下：
CONSTANT_Methodref_info {
u1 tag; //u1表示占一个字节
u2 class_index; //u2表示占两个字节
u2 name_and_type_index; //u2表示占两个字节
}
其中class_index表示该方法所属的类在常量池里的索引，name_and_type_index表示该方法的名称和类型的索引。常量池里的变量的索引从1开始。
那么这个methodref结构的数据如下：
0a //tag 10表示这是一个CONSTANT_Methodref_info结构
00 04 //class_index 指向常量池中第4个常量所表示的类
00 0e //name_and_type_index 指向常量池中第14个常量所表示的方法
3.2.2. 第二个变量09 00 03 00 0F
接着是第二个常量，它的tag是09，根据上面的表格可知，这表示的是一个CONSTANT_Fieldref的结构，它的结构如下：
CONSTANT_Fieldref_info {
u1 tag;
u2 class_index;
u2 name_and_type_index;
}
和上面的变量基本一致。
09 //tag
00 03 //指向常量池中第3个常量所表示的类
00 0f //指向常量池中第15个常量所表示的变量
3.2.3. 第三个变量 07 00 10
tag为07表示是一个CONSTANT_Class变量，这个变量的结构如下：
CONSTANT_Class_info {
u1 tag;
u2 name_index;
}
除了tag字段以外，还有一个name_index的值为00 10，即是指向常量池中第16个常量所表示的Class名称。
3.2.4. 第四个变量07 00 11
同上，也是一个CONSTANT_Class变量，不过，指向的是第17个常量所表示的Class名称。
3.2.5. 第五个变量 01 00 04 74 65 73 74
tag为1，表示这是一个CONSTANT_Utf8结构，这种结构用UTF-8的一种变体来表示字符串，结构如下所示：
CONSTANT_Utf8_info {
u1 tag;
u2 length;
u1 bytes[length];
}
其中length表示该字符串的字节数，bytes字段包含该字符串的二进制表示。
01 //tag 1表示这是一个CONSTANT_Utf8结构
00 04 //表示这个字符串的长度是4字节,也就是后面的四个字节74 65 73 74
74 65 73 74 //通过ASCII码表转换后，表示的是字符串“test”
接下来的8个变量都是字符串，这里就不具体分析了。
3.2.6. 第十四个常量 0c 00 07 00 08
tag为0c，表示这是一个CONSTANT_NameAndType结构，这个结构用来描述一个方法或者成员变量。具体结构如下：
CONSTANT_NameAndType_info {
u1 tag;
u2 name_index;
u2 descriptor_index;
}
name_index表示的是该变量或者方法的名称，这里的值是0007，表示指向第7个常量，即是<init>。
descriptor_index指向该方法的描述符的引用，这里的值是0008，表示指向第8个常量，即是()V，由前面描述符的语法可知，这个方法是一个无参的，返回值为void的方法。
综合两个字段，可以推出这个方法是void <init>()。也即是指向这个NameAndType结构的Methodref的方法名为void <init>()，也就是说第一个常量表示的是void <init>()方法，这个方法其实就是此类的默认构造方法。
3.2.7. 第十五个常量也是一个CONSTANT_NameAndType，表示的方法名为“int test()”，第2个常量引用了这个NameAndType，所以第二个常量表示的是“int test()”方法。
3.2.8. 第16和17个常量也是字符串，可以按照前面的方法分析。
3.3. 完整的常量池
最后，通过以上分析，完整的常量池如下：
00 12 常量池的数目 18-1=17
0a 00 04 00 0e 方法：java.lang.Ojbect void <init>()
09 00 03 00 0f 方法 ：Hello int test()
07 00 10 字符串：Hello
07 00 11 字符串：java.lang.Ojbect
01 00 04 74 65 73 74 字符串：test
01 00 01 49 字符串：I
01 00 06 3c 69 6e 69 74 3e 字符串：<init>
01 00 03 28 29 56 字符串：()V
01 00 04 43 6f 64 65 字符串：Code
01 00 0f 4c 69 6e 65 4e 75 6d 62 65 72 54 61 62 6c 65 字符串：LineNumberTable
01 00 03 28 29 49 字符串：()I
01 00 0a 53 6f 75 72 63 65 46 69 6c 65 字符串：SourceFile
01 00 0a 48 65 6c 6c 6f 2e 6a 61 76 61 字符串：Hello.java
0c 00 07 00 08 NameAndType：<init> ()V
0c 00 05 00 06 NameAndType：test I
01 00 05 48 65 6c 6c 6f 字符串：Hello
01 00 10 6a 61 76 61 2f 6c 61 6e 67 2f 4f 62 6a 65 63 74 字符串： java/lang/Object
通过这样分析其实非常的累，我们只是为了了解class文件的原理才来一步一步分析每一个二进制字节码。JDK提供了现成的工具可以直接解析此二进制文件，即javap工具(在JDK的bin目录下)，我们通过javap命令来解析此class文件：
javap -v -p -s -sysinfo -constants /d/class_file_test/Hello.class
解析得到的结果为：
class_file_2.PNG-44.1kB
关于此表每一项的详细分析，可以参考国外的这一篇文档：JVM Internals
关于此表中Method操作指令
aload_1,getfield,ireturn的作用，可以参考云溪社区的这篇文章：JVM Class详解之二 Method字节码指令
发现了没有，上面生成代码中的Constant pool跟我们上面分析出来的完整常量池一模一样，有木有！有木有？
这说明我们上面的分析的完成正确！
由此，我们终于弄懂了Constant pool的内幕。
接下来继续看其他的字段。
-
access_flag(u2)
00 21这两个字节的数据表示这个变量的访问标志位，JVM对访问标示符的规范如下：
access_flag.PNG-26.8kB
这个表里面无法直接查询到0021这个值，原因是0021=0020+0001，也就是表示当前class的access_flag是ACC_PUBLIC|ACC_SUPER。ACC_PUBLIC和代码里的public 关键字相对应。ACC_SUPER表示当用invokespecial指令来调用父类的方法时需要特殊处理。
-
this_class(u2)
00 03
this_class指向constant pool的索引值，该值必须是CONSTANT_Class_info类型，这里是3，即指向常量池中的第三项，即是“Hello”。
-
super_class
00 04
super_class存的是父类的名称在常量池里的索引，这里指向第四个常量，即是“java/lang/Object”。
-
interfaces
interfaces包含interfaces_count和interfaces[]两个字段。因为这里没有实现接口，所以就不存在interfces选项，所以这里的interfaces_count为0（0000），所以后面的内容也对应为空。
- fields
00 01 fields count //表示成员变量的个数，此处为1个
00 02 00 05 00 06 00 00 //成员变量的结构
每个成员变量对应一个field_info结构：
field_info {
u2 access_flags; 0002
u2 name_index; 0005
u2 descriptor_index; 0006
u2 attributes_count; 0000
attribute_info attributes[attributes_count];
}
access_flags为0002，即是ACC_PRIVATE
name_index指向常量池的第五个常量，为“test”
descriptor_index指向常量池的第6个常量为“I”
三个字段结合起来，说明这个变量是"private int test"。
接下来的是attribute字段，用来描述该变量的属性，因为这个变量没有附加属性，所以attributes_count为0，attribute_info为空。
-
methods
00 02 00 01 00 07 00 08 00 01 00 09 ...
最前面的2个字节是method_count
method_count：00 02，为什么会有两个方法呢？我们明明只写了一个方法，这是因为JVM 会自动生成一个<init>方法，这个是类的默认构造方法。
接下来的内容是两个method_info结构：
method_info {
u2 access_flags;
u2 name_index;
u2 descriptor_index;
u2 attributes_count;
attribute_info attributes[attributes_count];
}
前三个字段和field_info一样，可以分析出第一个方法是“public void <init>()”
00 01 ACC_PUBLIC
00 07 <init>
00 08 V()
接下来是attribute字段，也即是这个方法的附加属性，这里的attributes_count =1，也即是有一个属性。
每个属性的都是一个attribute_info结构，如下所示：
attribute_info {
u2 attribute_name_index;
u4 attribute_length;
u1 info[attribute_length];
}
JVM预定义了部分attribute，但是编译器自己也可以实现自己的attribute写入class文件里，供运行时使用。不同的attribute通过attribute_name_index来区分。JVM规范里对以下attribute进行了预定义：
21718047_1346754834pJjH.png-65.4kB
这里的attribute_name_index值为0009，表示指向第9个常量，即是Code。Code Attribute的作用是保存该方法的结构如所对应的字节码，具体的结构如下所示：
Code_attribute {
u2 attribute_name_index;
u4 attribute_length;
u2 max_stack;
u2 max_locals;
u4 code_length;
u1 code[code_length];
u2 exception_table_length;
{
u2 start_pc;
u2 end_pc;
u2 handler_pc;
u2 catch_type;
} exception_table[exception_table_length];
u2 attributes_count;
attribute_info attributes[attributes_count];
}
attribute_length表示attribute所包含的字节数，这里为0000001d，即是39个字节，不包含attribute_name_index和attribute_length字段。
max_stack表示这个方法运行的任何时刻所能达到的操作数栈的最大深度，这里是0001
max_locals表示方法执行期间创建的局部变量的数目，包含用来表示传入的参数的局部变量，这里是0001.
接下来的code_length表示该方法的所包含的字节码的字节数以及具体的指令码。
这里的字节码长度为00000005，即是后面的5个字节 2a b7 00 01 b1为对应的字节码指令的指令码。
参照下表可以将上面的指令码翻译成对应的助记符：
2a aload_0
b7 invokespecial
00 nop
01 aconst_null
b1 return
这即是该方法被调用时，虚拟机所执行的字节码
接下来是exception_table，这里存放的是处理异常的信息。
每个exception_table表项由start_pc，end_pc，handler_pc，catch_type组成。start_pc和end_pc表示在code数组中的从start_pc到end_pc处（包含start_pc，不包含end_pc）的指令抛出的异常会由这个表项来处理;handler_pc表示处理异常的代码的开始处。catch_type表示会被处理的异常类型，它指向常量池里的一个异常类。当catch_type为0时，表示处理所有的异常，这个可以用来实现finally的功能。
不过，这段代码里没有异常处理，所以exception_table_length为0000，所以我们不做分析。
接下来是该方法的附加属性，attributes_count为0001，表示有一个附加属性。
attribute_name_index为000a，指向第十个常量，为LineNumberTable。这个属性用来表示code数组中的字节码和java代码行数之间的关系。这个属性可以用来在调试的时候定位代码执行的行数。LineNumberTable的结构如下：
LineNumberTable_attribute {
u2 attribute_name_index;
u4 attribute_length;
u2 line_number_table_length;
{ u2 start_pc;
u2 line_number;
} line_number_table[line_number_table_length];
}
前面两个字段分别表示这个attribute的名称是LineNumberTable以及长度为00000006。接下来的0001表示line_number_table_length，表示line_number_table有一个表项，其中start_pc为 00 00，line_number为 00 00，表示第0行代码从code的第0个指令码开始。
后面的内容是第二个方法，具体就不再分析了。
- attributes
最后剩下的内容是attributes，这里的attributes表示整个class文件的附加属性，不过结构还是和前面的attribute保持一致。00 01表示有一个attribute。
Attribute结构如下：
SourceFile_attribute {
u2 attribute_name_index;
u4 attribute_length;
u2 sourcefile_index;
}
attribute_name_index为000c，指向第12个常量，为SourceFile，说明这个属性是Source
attribute_length为00000002
sourcefile_index为000d，表示指向常量池里的第13个常量，为Hello.java。
这个属性表明当前的class文件是从Hello.java文件编译而来。
字节码修改技术
对Java Class字节码分析，我们应该能够比较清楚的认识到整个字节码的结构。
那通过了解字节码，我们可以做些什么呢？
其实通过字节码能做很多平时我们无法完成的工作。比如，在类加载之前添加某些操作或者直接动态的生成字节。
ASM 是一个 Java 字节码操控框架。它能够以二进制形式修改已有类或者动态生成类。ASM 可以直接产生二进制 class 文件，也可以在类被加载入 Java 虚拟机之前动态改变类行为。ASM 从类文件中读入信息后，能够改变类行为，分析类信息，甚至能够根据用户要求生成新类。不过ASM在创建class字节码的过程中，操纵的级别是底层JVM的汇编指令级别，这要求ASM使用者要对class组织结构和JVM汇编指令有一定的了解。
目前字节码修改技术有ASM，javassist，cglib，BCEL等。cglib就是基于封装的Asm. Spring 就是使用cglib代理库。关于cglib的使用介绍，可以参考：CGLIB介绍与原理
Javassist是一个开源的分析、编辑和创建Java字节码的类库。是由东京工业大学的数学和计算机科学系的 Shigeru Chiba （千叶 滋）所创建的。它已加入了开放源代码JBoss 应用服务器项目,通过使用Javassist对字节码操作为JBoss实现动态AOP框架。javassist是jboss的一个子项目，其主要的优点，在于简单，而且快速。直接使用java编码的形式，而不需要了解虚拟机指令，就能动态改变类的结构，或者动态生成类。
网友评论