JVM虚拟机（三）类文件结构

代码编译的结果是从本地机器码转变为字节码，是存储格式发展的一小步，却是编译语言发展的一大步。

一、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，各个数据项目严格按照顺序紧凑地排列在Class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是程序运行的必要数据，没有空隙存在。当遇到需要占用8字节以上空间的数据项时，则会按照高位在前的方式分割成若干个8位字节进行存储。

根据Java虚拟机规范的规定，Class文件歌诗达采用一种类似于C语言结构的伪结构来存储数据，这种伪结构中只有两种数据类型：无符号数和表，后面的解析都要以这两种数据类型为基础，所以这里要先介绍这两个概念。

无符号数属于基本的数据类型，以u1，u2，u4，u8来分别表示1字节、2字节、4字节、8字节的无符号数，无符号数可以用来描述数字、索引引用、数量值或者按照UTF-8编码构成字符串值。

表示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，所有表都习惯地以“_info”结尾。表用于描述有层次关系的复合结构的数据，整个Class文件本质上是一张表。

                                                                                  图 1

无论是无符号数还是表，当需要描述同一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，这时称这一系列连续的某一类型的数据为某一类型的集合。

在图1中的数据项，无论是顺序还是数量，甚至于数据存储的字节序（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，都不允许改变。

1.1魔数与Class文件的版本

每个Class文件的头4个字节成为魔数（Magic Number），它的唯一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。使用魔数而不是扩展名来进行识别主要是基于安全方面的考虑，因为文件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，只要这个魔数值还没有被广泛才用过同时又不会引起混淆即可。Class文件魔数值为：0xCAFEBABE.

紧接着魔数的4个字节存储的是Class文件的版本号：第5和第6个字节是次版本号（Minor Version），第7和第8个字节是主版本号（Major Version）。

使用十六进制编辑器WinHex打开.class文件可以清楚的看见开头的4个字节的十六进制表示的是0xCAFEBABE，代表次版本号的第5和第6个字节值为0x0000，而主版本号的值为0x0034，也就是十进制的52。

                                                                                    图 2

1.2常量池

紧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Class文件之中的资源仓库，它是Class文件结构中与其他项目关联最多的数据类型，也是占有Class文件空间最大的数据项目之一，同时它还是在Class文件中第一个出现的表类型数据项目。

由于常量池中的常量数量是不固定的，所以在常量池的入口需要放置一项u2类型的数据，代表常量池容量计数值（constant_pool_count）。这个容器计数是从1开始的。如图2 所示，常量池容量（偏移地址：0x00000008）为十六进制数0x0050，即十进制数80，这就代表常量池中有79个常量，索引值范围为1~79。在Class文件格式规范制定之时，设计者将第0项常量空出来是有特殊考虑的，这样做的目的在于满足后面某些指向常量池索引值多的数据在特定情况下需要表达“不引用任何一个常量池项目”的含，这种情况就可以吧索引值职为0来表示。

Class文件结构中只有常量池的容量计数从1开始，杜宇其他集合类型，包括接口索引集合、字段表集合、方法表集合等的容量计数都与一般习惯形同，是从0开始。

常量池中只要存放量大类常量：字面量（Literal）和符号引用（Symbolic Reference）。

    字面量比较接近于java语言层面的常量概念，如文本字符串、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，包含了下面三类常量：

    类和接口的全类名（Fully Qualified Name）

    字段的名称和描述符（Descriptor）

    方法的名称和描述符

在Class文件中不会保存各种方法、字段的最终内存布局信息，因此这些字段、方法的符号引用不经过运行期的转换的话无法得到真正的内存入口地址，也就无法直接被虚拟机使用。当虚拟机运行时，需要从常量池中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。

常量池中的每一项常量都是一个表，JDK1.7之前共有11种结构各不相同的表结构数据，在JDK1.7中为了更好第支持动态语言的调用，又额外添加了3种（CONSTANT_MethodHandle_info、CONSTANT_MethodType_info、CONSTANT_InvokeDynamic_info）。

这14种表都有一个共同的特点，就是表开始的第一位是一个u1类型的标志位（tag，取值见图3中标志列），代表当前这个常量属于哪种常量类型。

                                                                                图 3

之所以说常量池是最繁琐的数据，是因为这14种常量类型各自均有自己的结构。回头看图2 中的常量池中的第一项常量，它的标志位（偏移地址：0x0000000A）是0x07，查图3标志列发现这个常量属于CONSTANT_Class_info类型，次类型的常量代表一个类或者家口的符号引用。

CONSTANT_Class_info的结构见下图：

                                                                              图 4

tag是标志位，用于区分常量类型；name_index是一个索引，指向常量池中一个CONSTANT_Utf8_info类型常量，此常量代表这个类（或接口）的全类名。这里name_index值（偏移地址：0x0000000B）为0x0002，即指向了常量池中的第二项常量。在图2中查找第二项常量，它的标志位是0x01，查图3 是CONSTANT_Class_info类型常量，结构是

                                                                            图 5

length值说明了这个UTF-8编码的字符串长度是多少字节，它后面紧跟着的长度为length字节的连续数据是一个使用UTF-8缩略编码表示的字符串。

UTF-8缩略编码与普通UTF-8编码的区别是的：

从‘\u0001’到‘\u007f’之间的字符（相当于1~127的ASCII码）的缩略码是一个字节；

从‘\u0080’到‘\u07ff’之间的字符的缩略码是两个字节；

从‘\u0800’到‘\uffff’之间的字符的缩略码是三个字节；

本例中字符串的length值为0x0023，也就是长35字节，内容是“org/think/java/concurrency/Accessor”。

oracle公司为我们准备好一个专门的分析Class文件字节码的工具：javap，使用javap -verbose 参数输出Accessor.class

                                                                                        图6

                                                                            图7

1.3访问标志

在常量池之后，紧接着两个字节代表访问标志（access_flags），这个标志用于识别一些类或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；如果是类的话是否声明为final等；

                                                                    图 8

                                                图 9

access_flags中一共有16个标志可以使用，当前只使用了8个，没有使用到的标志位要求一律为0。Accessor类是同包类，并且使用了 JDK1.2之后的编译器进行编译，因此只有ACC_SUPER标志为真。

1.4类索引、父类索引与街楼里索引集合

类索引(this_class)和父类索引（super_class）都是一个u2类型数据，而接口索引集合（interfaces）是一组u2类型的数据得集合，Class文件中由这三项数据来确定这个类的继承关系。

类索引用于确定这个类的全限定名，父类索引用于确定这个类的父类的全限定名。由于java语言不支持多重继承，所以父类索引只有一个。接口索引集合就用来描述这个类实现了哪些接口，这些接口的接口将按照implements后的接口顺序从左到右排列在接口索引集合中。

从偏移量0x00000385开始的3个u2类型的值分别为0x0001、0x0003、0x0001、0x0005，也就是类索引为1，父类索引为3，接口索引集合大小为1,接口索引5，

                                                                        图 10

1.5字段表集合

字段表（field_info）用于描述接口中或者类中声明的变量。字段（field）包括类级变量以及实例级变量，但是不包括在方法内部声明的局部变量。

java描述一个字段包含以下信息：

    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修饰符，是否强制从主内存读写）、可否被序列化（transient修饰符）、字段数据类型（基本类型、对象、数组）、字段名称。以上信息中各个修饰符都是布尔值，要么有某个修饰符，要么没有，很适合使用标志位来 表示。而字段叫什么名字、字段被定义为什么数据类型，这些都是无法固定的，只能尹红常量池中的常量来描述。

                                                                        图 11

access_flags:字段修饰符；包括以下标志位：

                                                                               图 12

接口中的字段必须有ACC_PUBLIC、ACC_STATIC、ACC_FINAL标志，这是java本身的语言规则规定的。

跟随access_flags标志的是两项索引值：name_index和descriptor_index。它们都是对常量池的引用，分别代表着字段的简单名称以及字段和方法的描述符。

全限定名：“org/think/java/concurrency/Accessor”是这个类的全限定名，仅仅把类全名中的“.”替换成了“/”为了使连续的多个全限定名之间不产生混淆，在使用时最后一般会加入一个“；”。

简单名称：没有类型和参数修饰的方法或者字段名称，这个类中的run()方法和id字段简单名称分别为“run”和“m”。

描述符的作用是用来描述字段的数据类型、方法的参数列表（包括数量、类型及顺序）和返回值。

根据描述符的规则，基本类型参数（byte、char、double、float、int、long、short、boolean）以及代表无返回值得void类型都用一个大写字母来表示，而对象类型则用字符L加对象全限定名表示

                                                                                图 13

对于数组类型，每一唯独将使用一个前置的“[”字符描述，如“java.lang.String[][]”类型的二维数组，将被记录为：“[[Ljava/lang/String;”，一个整形数组“int[]”将被记录为“[I”.

描述符描述方法时，按照县参数列表，后返回值的顺序描述，参数列表按照参数的严格顺序放在一组小括号“（）”内。如方法 void Inc()的描述符为“（） V”，方法int indexOf(char[] source,int sourceOffset,int sourceCount,char[] target,int targetOffset,int targetCount,int fromIndex)的描述符为（[CII[CIII） I。

从图9地址0x0000038D开始，第一个u2类型的数据为容量计数器fields_counts,其值为0x0001，说明这个类有一个字段，接下来是access_flags标志，值为0x0012，代表public final修饰；name_index值为0x0007，常量表中第7项是一个“CONSTANT_Utf8_info”类型的字符串，其值为“id”，代表descriptor_index值为0x0008，指向常量池字符串“I”。对于本例字段id，它的属性表计数器为0，也就是没有需要额外的信息。如果将字段id声明改为 final static int id - 123;那可能会存在一项名称为ConstantValue的属性，其值指向123。

字段表集合中不会列出从超类或者父类接口中继承而来的字段，但有可能列出原来java代码之中不存在的字段。譬如在内部类中为了保持对外部类的访问性，会自动添加指向外部类实例的字段。

java中字段是无法重载的，两个字段的数据类型、修饰符不管是否相同，都必须使用不一样的名称，但是对于字节码来讲，如果两个字段的描述符不一致，那字段重命名就是合法的。

1.6方法表集合

方法表结构如同字段表一样，访问标志和属性表集合的可选项中有所区别：

volatile关键字和transient关键字不能修饰方法；synchronize、native、strictfp和abstract关键字可以修饰方法。

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的一个叫“Code”的属性里面，属性表作为Class文件格式中最具扩展性的一种数据项目。

如果父类方法在子类没有被重写，方法表集合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定添加的方法，最典型的便是类构造器“<clinit>”方法和实例构造器"<init>"方法。

1.7属性表集合

对于每个属性，它的名称都需要从而常量池中引用一个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长度的属性去说明属性所占位数即可。

1.7.1Code属性

java程序方法体中的代码经过javac编译器处理后，最终变为字节码指令存储在Code属性内。如果方法表有Code属性存在，结构如下：

attribute_name_index是一项指向CONSTANT_Utf8_info型常量的索引，常量值固定为"Code"，它代表了该属性的属性名称；

attribute_length指示了属性值的长度，由于属性名称索引与属性长度一共为6字节，所以属性值的长度固定为整个属性表长度减去6个字节。

max_stack代表了操作数栈（OperandStacks）深度的最大值。在方法执行的任意时刻，操作数栈都不会超过这个深度。虚拟机运行的时候需要根据这个值来分配栈帧（StackFrame）中的操作栈深度。

max_locals代表了局部变量表所需的存储空间。max_locals的单位是Slot,Slot是虚拟机为局部变量分配内存所使用的最小单位。对于byte、char、float、int、short、boolean和returnAddress等长度不超过32位的数据类型，每个局部变量占用1个Slot，而double和long这两种64位的数据类型则需要两个Slot来存放。方法参数（包括实例方法中的隐藏参数"this"）、显式异常处理器的参数（ExceptionHandlerParameter，就是try-catch语句中catch块所定义的异常）、方法体中定义的局部变量都需要使用局部变量表来存放。另外，并不是在方法中用到了多少个局部变量，就把这些局部变量所占Slot之和作为max_locals的值，原因是局部变量表中的Slot可以重用，当代码执行超出一个局部变量的作用域时，这个局部变量所占的Slot可以被其他局部变量所使用，Javac编译器会根据变量的作用域来分配Slot给各个变量使用，然后计算出max_locals的大小。

code_length和code用来存储Java源程序编译后生成的字节码指令。code_length代表字节码长度，code是用于存储字节码指令的一系列字节流。

如果使用过javap中输出的“Args_size”的值，可能会有疑问，普通方法（非静态方法）参数个数为0时，Args_size=1,这是因为参数中隐藏了this关键字；如果是的静态方法（static修饰）参数为0时则，Args_size = 0;

异常表的格式如下图所示，它包含4个字段，这些字段的含义为：如果当字节码在第start_pc行[1]到第end_pc行之间（不含第end_pc行）出现了类型为catch_type或者其子类的异常（catch_type为指向一个CONSTANT_Class_info型常量的索引），则转到第handler_pc行继续处理。当catch_type的值为0时，代表任意异常情况都需要转向到handler_pc处进行处理。

1.7.2 LineNumberTable属性

LineNumberTable属性用于描述Java源码行号与字节码行号之间的对应关系。

1.7.3 LocalVariableTable属性

LocalVariableTable属性用于描述栈帧中局部变量表中的变量与Java源码中定义的变量之间的关系，它也不是运行时必须的属性，但默认会生成到Class文件之中，可以在javac中分别使用-g:none 或-g:vars选项来取消或要求生成这项信息。

1.7.4SourceFile属性

SourceFile属性用于记录生成这个Class文件的源码文件名称.

1.7.5ConstantValue属性

ConstantValue属性的作用是通知虚拟机自动为静态变量赋值。只有被static关键字修饰的变量才可以使用这项属性。对于非static类型的变量（也就是实例变量）的赋值是在实例构造器＜init＞方法中进行的；而对于类变量，则有两种方式可以选择：在类构造器＜clinit＞方法中或者使用ConstantValue属性。

目前，javac编译器的选择是：如果同时使用final和static来修饰一个变量（按照习惯，这里称“常量”更贴切），并且这个变量的数据类型是基本类型或者java.lang.String的话，就生成ConstantValue属性来进行初始化，如果这个变量没有被final修饰，或者并非基本类型及字符串，则将会选择在＜clinit＞方法中进行初始化。

1.7.6 StackMapTable属性

这个属性会在虚拟机类加载的字节码验证阶段被新类型检查验证器（Type Checker）使用。

1.7.7 Signature属性

任何类、接口、初始化方法或成员的泛型签名如果包含了类型变量或参数化类型，则Signature属性会为它记录泛型签名信息。

1.7.8 BootstrapMethods属性

BootStrapMethods属性是一个复杂的变长属性，位于类文件的属性列表中。这个属性用于保存invokedynamic指令引用的引导方法限定符。

有关属性的相关整理还没完成，待续。。。。。。

参考书籍：《深入理解虚拟机：JVM高级特性与最佳实践》（第二版）