Chapter 6 - 类文件结构

Created by : Mr Dk.

2020 / 01 / 28 16:57 🧨🧧

Ningbo, Zhejiang, China

6.2 无关性的基石

Java 的口号：Write Once, Run Anywhere.。

Java 平台无关性的基石：

各种不同平台的 JVM
所有平台统一支持的程序存储格式 - 字节码 (Byte Code)

在 Java 技术发展之初，设计者们考虑并实现了让其它语言运行在 JVM 之上的可能性，Java 的规范被拆分为：

Java 语言规范
Java 虚拟机规范

目前，除 Java 外，发展出了大批运行在 JVM 上的语言

Kotlin
Clojure
Groovy
JRuby
JPython
Scala

任何语言都可以把 JVM 作为语言的运行基础，以 Class 文件作为语言执行的交付媒介。JVM 不关心 Class 文件的来源是什么语言。Java 语言中的各种语法、关键字等语义最终都会由多条字节码指令组合来表达。

6.3 Class 类文件的结构

Class 文件结构相当稳定，基本上只会在原有结构基础上新增内容、扩充功能。以 8 个字节为基础单位的二进制流，中间没有任何分隔符，只有两种数据类型：

无符号数 - u1 u2 u4 u8
表 - 由多个无符号数或表构成

当需要描述同一类型但数量不定的多个数据时，前置一个容量计数器，后面紧跟多个数据项。

文件结构：

magic - 魔数
minor_version - 文件次版本
major_version - 文件主版本
constant_pool_count - 常量池计数值
constant_pool - 常量池
access_flags - 访问标志
this_class - 类索引
super_class - 父类索引
interfaces_count - 接口索引计数值
interfaces - 接口索引
fields_count - 字段表计数值
fields - 字段表
methods_count - 方法表计数值
methods - 方法表
attributes_count - 属性表计数值
attributes - 属性表

6.3.1 魔数与 Class 文件的版本

魔数占头四个字节 - 0xCAFEBABE，紧接的四个字节是版本号：

前两个字节是次版本号
后两个字节是主版本号 (从 45 (JDK 1.1) 开始)

6.3.2 常量池

是 Class 文件中的资源仓库，与 Class 文件结构中其它项目关联最多的数据。其数量不固定，因此放置了一个 u2 类型的常量池计数值。

常量池的计数是从 1 开始的 (如 22)，那么常量池中有 1 - 21 项常量。第 0 项代表不引用任何常量池项目。

常量池存放两类常量：

字面量 (Literal)
符号引用 (Symbolic References)
- 包 (Package)
- 类和接口的全限定名 (Fully Qualified Name)
- 字段的名称和描述符
- 方法的名称和描述符
- 方法句柄和方法类型
- 动态调用点和动态常量

常量池中的每一项常量都是一个表。表结构的起始第一位是一个 u1 类型的标志，代表常量的类型。之后是常量的具体内容。不同的常量类型有着不同的结构：

CONSTANT_Utf8_info
CONSTANT_Interger_info
CONSTANT_Float_info
...

Oracle 提供了 javap 工具用于分析字节码内容。

6.3.3 访问标志

识别类或接口层次的信息：

是类还是接口？
是否为 public
是否为 abstract
是否被声明为 final
...

6.3.4 类索引、父类索引与接口索引集合

Class 文件通过这三项数据确定该类型的继承关系：

类索引确定该类的全限定名
父类索引确定该类父类的全限定名 (Java 不允许多继承)

除了 java.lang.Object 外，父类索引都不为 0。

接口索引描述该类实现了哪些接口，按 implement 关键字后的接口顺序从左到右排列在接口索引集合中。实现的接口数量不定，所以存在接口索引集合开头有一个计数器。索引指向常量池中的类描述符常量。

6.3.5 字段表集合

描述接口或类中声明的变量：

类级变量
实例级变量

字段的结构体定义为：

access_flags
- 作用域 public private protected
- 是实例变量还是类变量 static
- 可变性 final
- 并发可见性 volatile (是否强制从主内存读写)
- 是否可被序列化 transient
- ...
name_index
- 指向常量池中的字段简单名称 (没有类型和参数修饰的字段名称)
descriptor_index
- 指向常量池中的描述符
attributes_count (属性表，可选)
attributes

字段表集合不会列出从父类继承而来的字段。

6.3.6 方法表集合

描述类或接口中定义的函数：

access_flags
- 作用域 public private protected
- 是实例变量还是类变量 static
- 可变性 final
- synchronized native strictfp abstract
name_index
- 指向常量池中的函数简单名称 (没有类型和参数修饰的字段名称)
descriptor_index
- 指向常量池中的描述符
attributes_count (属性表，可选)
attributes

函数中的 Java 代码经过 javac 编译为字节码后，存放在方法属性表的 Code 属性下。如果父类方法在子类中没有被 override，方法表中就不会出现来自父类的方法信息。另外，在 Java 中，如果要重载一个函数，需要满足：

与原方法具有相同的简单名称
要与原方法有不同的 特征签名
- 指一个方法中各个参数在常量池中的字段符号引用的集合
- 返回值不包含在特征签名中

因此 Java 无法只通过返回值来对一个已有的方法进行重载。

6.3.7 属性表集合

每个属性项的结构：

attribute_name_index
- 属性名称
- 从常量池中引用一个 CONSTANT_Utf8_info 类型的常量
attribute_length
- 属性值的长度
info
- 属性值
- 结构可以完全自定义

使用这些属性项的位置也不同。有些在方法表中使用，有些在字段表中使用...

6.3.7.1 Code 属性

并非所有的方法都有该属性 (比如接口或抽象类)

attribute_name_index
- 指向 CONSTANT_Utf8-info 型常量索引 (固定为 Code)
attribute_length - 属性值长度
max_stack
- 操作数栈深度的最大值
max_locals
- 局部变量表所需的存储空间
- 单位是变量槽 (JVM 为局部变量分配内存所使用的最小单位)
code_length
code - 字节码
exception_table_length
exception_table - 显式异常处理表
attributes_count
attributes

其中的异常表用于处理 try-catch-finally。异常表的结构为：

start_pc
end_pc
handler_pc
catch_type

含义为，当字节码 start_pc 到 end_pc 之间出现 catch_type 或其子类的异常，则转到 handler_pc 行处理；当 catch_type 的值为 0 时，任意异常情况都要转到 handler_pc 处理。

一个例子：

public int inc() {
    int x;
    try {
        x = 1;
        return x;
    } catch (Exception e) {
        x = 2;
        return x;
    } finally {
        x = 3;
    }
}

如果程序正常运行，执行 x = 1; 后保存在返回值的变量槽中
- 执行 x = 3; 后，将返回值变量槽中的 1 读入操作栈顶并返回
如果程序异常
- 转入 x = 2; 后保存在返回值的变量槽中
- 执行 x = 3; 后，将返回值变量槽中的 2 读入操作栈顶并返回

6.3.7.2 Exceptions 属性

与 Code 属性中的异常表不同，作用是列举出函数中可能抛出的受查异常 (Checked Exceptions)，也就是函数描述时 throws 关键字后面列举的异常。

6.3.7.3 LineNumberTable 属性

描述 Java 源码行号与字节码行号之间的对应关系，用于在抛出异常时，显示在 Java 程序中的出错行号。

6.3.7.4 LocalVariableTable 及 LocalVariableTypeTable 属性

描述栈帧中局部变量表中的变量与 Java 源代码中定义变量之间的关系。如果没有这个属性，当别人引用这个方法时，所有的参数名称将会丢失：比如 IDE 中自动填充的 arg0 arg1。

6.3.7.5 SourceFile 及 SourceDebugExtension 属性

记录生成这个 Class 文件的源码文件名称。如果没有这个属性，抛出异常时，堆栈中将不会显示出错代码所属的文件名。

6.3.7.6 ConstantValue 属性

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能用这种属性。

6.3.7.7 InnerClasses 属性

记录内部类与宿主类之前的关联。属性的结构：

attribute_name_index - 对应常量池中的 InnerClasses
attribute_length
number_of_classes
inner_classes

每个内部类属性值的结构如下：

inner_class_info_index
- 指向常量池中的 CONSTANT_Class_info 类型常量的索引
- 代表内部类
outer_class_info_index
- 同上
- 代表宿主类
inner_name_index
- 指向常量池中 CONSTANT_Utf8_info 类型常量的索引
- 如果是匿名内部类，值为 0
inner_class_access_flags
- 内部类的访问标志

6.3.7.8 Deprecated 及 Synthetic 属性

6.3.7.9 StackMapTable 属性

6.3.7.10 Signature 属性

6.3.7.11 BootstrapMethods 属性

6.3.7.12 MethodParameters 属性

记录方法的各个形参名称和信息。之前的 LocalVariableTable 属性是 Code 属性的子属性，这意味着没有方法体就没有局部属性表。而对于接口或抽象方法来说，是可以不存在方法体的，该属性可以将方法中的参数信息保存下来。

6.4 字节码指令简介

JVM 的指令由一个字节长度的操作码，以及跟随其后的 0 或多个操作数构成。大多数指令都不包含操作数，只有一个操作码。JVM 采用 面向操作数栈 而不是面向寄存器的架构，指令参数都放在操作数栈中。由于限制了操作码为 1 字节，因此操作码总数不能超过 256 条。

6.4.1 字节码与数据类型

大多数指令都包含操作对应的数据类型信息，比如 iload fload dload。但是由于操作码的长度有限，不可能为每条指令都提供不同数据类型的版本。因此 JVM 针对特定的操作只提供了有限数据类型的指令，这种特性称为 Not Orthogonal。编译器会在编译器或运行期作如下转换：

byte 和 short 类型的数据带符号扩展为 int
boolean 和 char 类型的数据零扩展为 int
然后统一使用 int 版本的指令来操作

6.4.2 加载和存储指令

用于将数据在栈帧中的 局部变量表 和 操作数栈 之间来回传输。

6.4.3 运算指令

对两个操作数栈上的值进行某种特定运算，并将结果重新存入到操作栈顶。

6.4.4 类型转换指令

用于用户代码中的显式类型转换。JVM 直接支持小范围类型向大范围类型的安全转换。转换指令用于处理窄化类型转换：

可能产生不同正负号
可能导致精度丢失

6.4.5 对象创建与访问指令

类实例和数组都是对象，但是创建与操作使用了不同的字节码指令。

6.4.6 操作数栈管理指令

JVM 提供用于直接操作操作数栈的指令。

6.4.7 控制转移指令

对于 boolean、byte、char、short 类型的条件分支操作，都使用 int 类型的分支指令完成。对于 long、float、double 类型的条件分支比较，则先执行相应类型的分支比较指令，指令返回一个 int 型到操作数栈中，随后再执行 int 型的条件分支比较完成分支跳转。

JVM 提供的 int 型的条件分支指令是最为丰富、强大的。

6.4.8 方法调用和返回指令

invokevirtual 指令 - 调用对象的实例方法
invokeinterface 指令 - 调用接口方法
invokespecial 指令 - 调用需要特殊处理的实例方法 (初始化方法、私有方法、父类方法)
invokestatic 指令 - 调用类静态方法
invokedynamic 指令

方法调用指令与数据类型无关，方法返回指令根据返回值的类型区分。

6.4.9 异常处理指令

用于在 Java 程序中用 throw 显式抛出异常。其它异常是自动抛出的。在 JVM 中，处理异常不是使用字节码指令实现的，而是采用异常表来完成。

6.4.10 同步指令

JVM 支持方法级的同步和方法内部一段指令序列的同步。方法级同步是隐式的，无需通过字节码指令控制，通过 管程 (Monitor) 实现：

函数调用时，调用指令检查函数的 ACC_SYNCHRONIZED 访问标志
如果设置了该标志，执行线程就需要先成功持有管程，然后才能执行函数
函数完成后释放管程 (不管是正常完成还是非正常完成)
其它任何线程都无法再获取到同一个管程

同步一段指令集序列由 synchronized 语句块表示。JVM 提供 monitorenter 和 monitorexit 两条指令支持该语义，两条指令必须相互对应。

6.5 公有设计，私有实现

Class 文件格式以及字节码指令集都是 Java 虚拟机规范 中规定好的。满足该规定的约束下，对 JVM 的具体实现做出修改和优化是完全可行的，Java 虚拟机规范 中明确鼓励实现者这样去做。只要优化以后的 JVM 依旧可以正确读取 Class 文件，并且包含在其中的语义能得到完整保持，JVM 在后台如何处理 Class 文件完全是实现者自己的事情。