dalvik字节码问答

参考资料

https://source.android.com/devices/tech/dalvik/dalvik-bytecode.html

https://source.android.com/devices/tech/dalvik/instruction-formats.html

http://www.milk.com/kodebase/dalvik-docs-mirror/docs/dalvik-bytecode.html

什么是Dalvik字节码？

dalvik 的虚拟机指令代码。dalvik字节码之于dalvik VM，就像可执行程序的机器码之于CPU一样。

dalvik 字节码是一种基于寄存器的虚拟机指令系统。它的含义是，每一个可执行函数都有一个Frame，Frame的大小是固定，包括固定数目大小的虚拟寄存器。

dalvik VM 会为这个函数的参数、本地变量、临时变量都分配一个虚拟寄存器。所有的运算都是在寄存器之间完成的。

当然，我说的，变量与寄存器不是一对一的关系，而是多对一的关系。因为变量的生命周期并不完全一样，有些变量之间生命周期不重合，就会出现共用一个寄存器的情况。

在下面的描述中，我们用v0, v1, ... vN 表示寄存器，一共有N+1寄存器。

除了常用的寄存器外，还有两个隐含的寄存器：result和exception。当函数返回时，返回值被写入到result寄存器，而抛出异常时，异常对象会被放入exception寄存器。

在dalvik的实现中，这两个寄存器都是放在Thread对象中的。一个Thread对象代表一个java线程，一个java线程同时只需要一个result和exception寄存器。

dalvik字节码指令分成几大部分：

• const 指令：负责将常量值放入到虚拟寄存器中；
• mov指令：在虚拟寄存器之间拷贝数据；
• 比较指令：比较两个寄存器的值，有部分指令是直接与0比较的；
• 分支指令：包括if系列指令如if-eq, if-ge等等，以及switch指令，goto指令。switch指令作为一个单独指令存在的；
• invoke指令:函数调用指令，分成invoke-direct, invoke-static, invoke-native, invoke-virtual和invoke-interface几大系列；
• field操作指令：包括put/get，针对静态域和非静态域；
• class相关的指令：比如new-instance, instance-of，checkcast等等
• 异常处理指令：包括throw, move-exception这样的指令；
• 算术、位移等指令：不多说了；
• 其他指令

字节码的格式？

dalvik字节码是以一个字（两字节）为单位，必须是一个字的整数倍。所以，你看到dexdump出的字节指令，其长度都必须x2才能得到其字节长度。

不同指令的字节码长度不一样，相同操作类型的指令长度是一样的，根据指令操作类型，就可以确定指令的长度。比如 mov v1, v2，指令长度是1字。

字节码在dex文件中存储时，都是小端的。因此，第一个字节必须是操作类型（操作符），是一个0～255范围内的一个数字，根据操作符，我们可以确定后续有多少个字以及表示什么意思。

每个操作符都有一个格式（format），根据格式，我们可以知道该指令的长度，参数有哪些、每个参数的长度、参数是如何存储的，这些重要的信息。不同的指令可以有相同的格式，因此，dalvik将他们分类，并给每个格式以不同的描述。每种格式被称为Format ID。

下表详细说明了dalvik字节码的格式（来自https://source.android.com/devices/tech/dalvik/instruction-formats.html）。这个表分为4列。其中前3列分别是Format, ID, Syntax。

Format列

"op" 表示操作符，8位1字节无符号整数。大写字母"A","B","C"等表示4位数；" Ø" 表示空，占4位，必须为0；

每个部分用'|'分割，表示一个逻辑上独立的部分。

排列最小单位是字（两字节），中间不分割。例如B|A|op，这个长度是1个字（两字节），但是包括3部分，op操作符和 A， B两个参数； 而AA|opBBBB 包含两个字（4字节），其中"AA|op"是第一个字，而"BBBB"则是在第二字。

因为在实际存储时，是以小端方式，而在描述时，则以大端方式。阅读时要注意。比如 ØØ|op , 在实际存储时，“op”在第0字节，而“ØØ”在第1字节。在如

AA|opBBBB 则是 op在第0字节，AA在第1字节，BBBB 占用第2，3字节。

ID列

ID由3部分组成： <长度><寄存器个数><类型描述>。 例如 "10x"  "1"表示指令长度为1， "0"表示用到0个寄存器，"x"表示类型描述； “ 21t“ 表示指令长度为2，用到1个寄存器，并需要跳转（"t"表示分支跳转）。

最后类型描述部分各个字符表示的意思如下表：

Mnemonic	Bit Sizes	Meaning
b	8	有符号1字节立即数
c	16, 32	常量池索引
f	16	interface相关的常量
h	16	16位有符号立即数，表示32/64位中的最高16位
i	32	32位有符号立即数，或者32位的浮点数
l	64	64位有符号立即数，或者双精度浮点数
m	16	method的常量索引值
n	4	4位有符号立即数
s	16	16位有符号立即数
t	8, 16, 32	分支目标偏移值
x	0	无更多附加数

Syntax列

字节码可以反汇编，形成类似汇编代码的助记符形式，方便人类阅读。一般形式是 op Arg1[, Arg2, [,Arg3 ...]] 这种形式。

你在Format列看到的字符会反映到Syntax列。例如，如果在Foramt列看到了"AA"，那么在Syntax列看到的“AA”所指的是同一个概念。

在Syntax，会给它加不同前缀，形成不同的格式，代表不同含义：

• "vX": 前缀"v"表示这是一个虚拟寄存器，"X"对应Foramt列中的参数，"X"的值就是虚拟寄存器的索引；