带你领略 JVM 类文件结构

转
 2023-01-12
©版权
原文作者：千山渡 原文地址：https://juejin.cn/post/6936853259197874206

类文件是以8字节为基础单位的二进制流，各个数据项严格按照顺序紧凑地排序，中间没有多余的分隔符。数据项是指类集合、字段表、方法表和属性表等等

类文件格式是采用一种类似C语言结构体的伪结构来存储数据，主要有两种：无符号数和表。无符号数是以u1、u2、u4和u8来分别表示1个字节、2个字节、4个字节和8个字节，其值用来表示，后面紧跟着会有多少个数据项。表是有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，习惯以“_info”结尾。

数据存储的字节顺序采用大端法表示：最高有效字节在前面，对应的还有小端法，但是这些不会影响我们队类文件结构的理解，这里只是提一下。

以下示例使用到的软件工具包括：jdk8、notepad++（含Hex_Editor插件）、javap和bytecode-viewer。在整篇文章中，我们都是使用以下这个demo。

202301011634232301.png

无论是无符号数还是表，当需要描述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数据项的形式，这是称这一些列连续的某一类型的数据为某一类型的集合。这个其实很好理解，比如，类中有多个方法，我们用一个数据结构描述这个类的方法，当然是想有个字段来统计有多少个方法，然后接下来就是每个方法的描述。这个字段就是上面的无符号数。

202301011634236832.png

上图列出的就是所有的数据项，一个类的所有元信息就是由这些数据项组成描述的。

魔数与版本

每个类文件的头4个字节称为魔数，确定这个文件是否为一个能否被虚拟机接受，仅跟着魔数的4个字节是类文件的版本号，版本号如下图，第5、第6个字节是次版本号

202301011634242783.png

202301011634248154.png

十六进制的34转换为十进制，是52，就是jdk8的主版本号。

常量池

常量池主要存放两大类常量：字面量和符号引用，字面量可理解为Java语言层面的常量概念，如字符串常量“abnddd”，符号引用包括类常量，有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。

202301011634258065.png

常量会用一个无符号数作为标志，如标志位1，代表UTF-8编码的字符串，编码为CONSTANT_utf8_info。

仅接着主次版本号之后的是常量池的入口，常量池可以理解为类文件的资源仓库，比如里面放着类名的字符串，方法名的字符串等等。常量池中常量的数量不固定，需在入口处放置一个u2类型的数据，以表示有多少个常量。这个值是从1开始，0用作特殊情况，表示不需要引用任何一个常量池数据项。

202301011634262816.png

如图，有13（转为十进制为19）个常量。

这里先直观看一下反编译后的类文件信息，如下图

202301011634270007.png

202301011634275258.png

这里的常量池，前面都有一个数字，代表常量在常量池中的索引，索引可以理解为数组的下标。后面的解析中，会频繁引用到这个索引，所以先提及一下。

目前常用的常量池的结构类型如下，后面具体到每一个常量结构，再仔细分析。

202301011634280459.png

1. 现在，开始解析常量池的第一个常量：

2023010116342893810.png

第一个标志位0x0a（十进制位10），看一下标志位10的常量结构：

2023010116342946611.png

第1项为标志，u1类型，第2项为u2类型，是指向常量池的索引，值为0x0004（十进制为4），这时看一下索引为4的是什么常量：

2023010116343011012.png

指向CONSTANT_Class_info类全限定名，值为org/javasoft/clazz/TestClass。

第3项为u2类型，指为0x000f（十进制为15），是指向CONSTANT_NameAndType常量的索引，。根据常量结构，CONSTANT_NameAndType常量的第2项是指向该字段或方法名称常量项的索引，第3项是指向该字段或方法描述符常量项的索引。从图可以看到，这个CONSTANT_NameAndType常量又引用了常量池的第7、第8个常量，等把第7和第8个常量解析出来，就知道是什么了。

2.接下来，解析常量池的第二个常量：

2023010116343083813.png

2023010116343139214.png

2023010116343196415.png

实质上，解释的方法是一样的，这里就不再重复了，按上图可以知道第二个常量是CONSTANT_Feild_info。

3.接下来，解析常量池的第三个常量：

2023010116343251316.png

2023010116343310217.png

2023010116343359718.png

第三个常量是CONSTANT_Class_info。

4.解析常量池的第四个常量：

2023010116343409019.png

2023010116343465620.png

这个字符串的length值是0x0001，也就是长1个字节，即“0x6d”，内容为“m”。Class文件中的方法、字段等都需要引用CONSTANTS_Utf8_info型常量来描述名称

这里就不一一解析，我把18个常量按下图画出来，区分一下常量池的位置和剩余部分，常量池中的常量到0xb0处为止。

2023010116343526921.png

类、父类和接口索引集合

一个类是有访问标志，如public、final等，类文件结构用两个字节代表访问标志，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；是否定义为public类型；是否定义为abstract类型；如果是类的话，是否被声明为final等。

2023010116343574422.png

接下来，继续解析：

2023010116343639523.png

0x21，这个值代表除了ACC_PUBLIC和ACC_SUPER为真，其余为假，回想一下，我们的类是定义为“public class TestClazz”。

若描述一个类定义，需要描述类的全限定名，父类的全限定名，还有实现的接口，父类只有一个，以为Java只有单继承，而接口有多个，所以描述接口需要用到一个集合

  • 类索引：u2类型，用于确定这个类的全限定名
  • 父类索引：u2类型，用于确定这个类的父类的全限定名（除java.lang.Object外，所有java类都有父类索引都不为0）
  • 接口索引：一组u2类型的数据的集合，用于描述这个类实现了哪些接口，入口第一项（u2类型）表示索引表的容量

2023010116343745524.png

2023010116343817325.png

解释方法，还是按上面所说的。

字段表集合

字段表用于描述接口或者类中声明的变量（包括类变量和实例变量，但不包括方法内部声明的局部变量）。字段能描述的信息：字段的作用域（public、protected和private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修饰符）、可否被序列化（transient修饰符）、字段数据类型（基本类型、对象、数据）、字段名称。各个修饰符都是布尔值；字段数据类型和名称无法固定，只能引用常量池的常量来描述

2023010116343898926.png

字段表引用了属性表，而属性表是用来描述字段的内容的，详细下面再讲。

2023010116344016727.png

上图为字段表访问标志，跟类的访问标志类似。

描述符

用于描述字段的数据类型、方法的参数列表（包括数量、类型和顺序）和返回值基本类型和void类型都用一个大写字母来表示，对象用L加全限定名来表示。

2023010116344130028.png

  • 数组表示：每一维度使用一个前置的"["表示，如 "java.lang.String[][]"记录为"[[Ljava/lang/String"; 一个整型数组 "int[]" 记录为 "[I"
  • 方法表示：先参数列表后返回值，如void inc()记录为 “()V”，int indexOf(char[] source, int sourceOffset, int sourceCount,char[] target, int targetOffset, int targetCount,int fromIndex) 记录为“([CII[CIII)I”

说白了，描述符就是为了节省空间的。

接下来继续解析：

2023010116344214629.png

2023010116344285230.png

由此可以推断代码为：private int m;

在Java语言层面，两个字段重名是非法的，但是在字节码文件里，两个字段只要描述符不一致， 重名是合法的。

方法表集合

与字段表的描述完全一致，结构也是一致

2023010116344378531.png

2023010116344468932.png

继续解析：

2023010116344558433.png

2023010116344631034.png

和字段表一样，子类没有覆写父类方法的话，父类的方法信息不会重新在子类的方法表集合中。

到此，我们不禁会有些疑惑：

方法的定义可以通过访问标志、名称索引、描述符索引表达清楚，但方法里面的代码去哪里了？方法里的java代码，经过编译器编译成字节码指令后，存放在方法属性表集合中一个名为“Code”的属性里。

属性表集合

在类文件、字段表、方法表都可以携带自己的属性表集合，用以描述某些场景专有的信息。对于每个属性，名称需要从常量池中引用一个CONSTANT_utf8_info类型的常量来表示而属性值的结构则是完全自定义的，只需要通过一个u4的长度属性去说明属性值所占用的位数即可。

属性表结构如下：

2023010116344722535.png

Java虚拟机规范预定义了23种属性：

2023010116344790736.png

2023010116344882637.png

其中最重要的，也是我们要讲的一个是Code属性表

Code属性

2023010116344955638.png

java方法体中的代码经过javac编译器处理后，最终变成字节码指令存储在Code属性内，接口和抽象类方法不存在Code属性。如果一个程序中的信息分为代码（Code，方法体内的java代码）和元数据（metadata,包括类、字段、方法定义及其他信息）两部分，那么在Class文件中，Code属性用于描述代码，其他数据项目都用于描述元数据。

2023010116345020139.png

  • attribute_name_index: 指向CONSTANTS_utf8_info型常量型的索引，常量值固定为“Code”，代表该属性的属性名称
  • attribute_length:表示属性值得长度，由于属性名称索引和属性长度一共占6个字节，那属性值的长度固定为整个属性表长度减去6字节
  • max_stack: 操作数栈深度的最大值，方法执行的任意时刻，操作数栈都不会超过这个深度，虚拟机运行时需根据这个值来分配栈帧中的操作栈深度
  • max_locals:局部变量表所需的存储空间，单位是Slot（虚拟机为局部变量分配内存所使用的最小单位），局部变量表中的Slot可以重用，当代码执行超出一个局部变量的作用域时，即被重用，javac编译器根据作用域来分配Slot给各个变量使用，然后计算出max_locals的大小
  • code_length:字节码长度
  • code:字节码指令的一系列字节流，一个指令是u1类型，范围为0x000xFF（0255）
  • exception_table_length:异常表长度
  • exceptin_table:异常表

继续解析：

2023010116345130440.png

  • attribute_name_index: 0x0009，指向Code
  • attribute_length:0x0000001d，十进制为29
  • max_stack: 0x0001
  • max_locals:0x0001
  • code_length:0x00000005
  • code:0x2ab70001b1，字节码指令
  • exception_table_length:0x0000，没有异常信息

2023010116345213841.png

2023010116345288142.png

其余的属性表也是按照这种方法一个一个解析出来，只是这里展示了最重要的Code属性表。

总结

其实，Class文件结构理解起来并不难，前面我们知道了常量池中的常量，然后我们可以根据Class文件结构对于类、方法、字段的安排顺序，再根据计数器和索引，对照着常量的结构类型图，就可以一个一个的解析出来。到此，想必对类文件结构有了一个整体的认识。那么认识了类文件结构，有什么好处。

理解类文件结构，是理解类加载过程的重要前提。