0 更多干货关注 JavaEdge

1 什么是JVM的“无关性”？

Java具有平台无关性,也就是任何操作系统都能运行Java代码.之所以能实现这一点,是因为Java运行在虚拟机之上,不同的操作系统都拥有各自的Java虚拟机,因此Java能实现"一次编写,处处运行".

而JVM不仅具有平台无关性,还具有语言无关性.

• 平台无关性是指不同操作系统都有各自的JVM
• 语言无关性是指Java虚拟机能运行除Java以外的代码!

这听起来非常惊人,但JVM对能运行的语言是有严格要求的.首先来了解下Java代码的运行过程.

Java源代码首先需要使用Javac编译器编译成class文件,然后启动JVM执行class文件,从而程序开始运行.

也就是JVM只认识class文件,它并不管何种语言生成了class文件,只要class文件符合JVM的规范就能运行.

因此目前已经有Scala、JRuby、Jython等语言能够在JVM上运行.它们有各自的语法规则,不过它们的编译器都能将各自的源码编译成符合JVM规范的class文件,从而能够借助JVM运行它们.

2 纵观Class文件结构

class文件包含Java程序执行的字节码

数据严格按照格式紧凑排列在class文件中的二进制流，中间无任何分隔符

文件开头有一个0xcafebabe(16进制)特殊的一个标志

• 下图展示为16进制

class文件是一组以8位字节为基础单位的二进制流,它的内容具有严格的规范,文件中没有任何分隔符,全是连续的0/1.

class文件中的所有内容被分为两种类型：无符号数 和 表。

• 无符号数
  基本的数据类型,以u1、u2、u4、u8,分别代表1字节、2字节、4字节、8字节的无符号数.
• 表
  class文件中所有数据(即无符号数)要么单独存在,要么由多个无符号数组成二维表.即class文件中的数据要么是单个值,要么是二维表.

实践

• Demo1.java
  
• Demo1.txt
  
  版本号规则: JDK5,6,7,8
  分别对应49,50,51,522.1 魔数(Magic Number)class文件的头4个字节称为魔数,唯一作用是确定这个文件是否为一个能被JVM接受的Class文件.
  作用就相当于文件后缀名,只不过后缀名容易被修改,不安全.
  是用16进制表示的"CAFEBABE".2.2 版本信息紧接着魔数的4个字节是版本号.它表示本class中使用的是哪个版本的JDK.
  在高版本的JVM上能够运行低版本的class文件,但在低版本的JVM上无法运行高版本的class文件.

2.3 常量池

2.3.1 什么是常量池?

紧接着版本号之后的就是常量池.

常量池中存放两种类型的常量:

• 字面量 (Literal)
  接近Java语言的常量概念,如:字符串文本、final常量值等.
• 符号引用 (Symbolic Reference)
  属于编译原理方面,包括下面三类常量:
  • 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

2.3.2 常量池的特点

• 长度不固定
  常量池的大小不固定,因此常量池开头放置一个u2类型的无符号数,代表当前常量池的容量.
  该值从1开始,若为5表示池中有4项常量,索引值1~5
• 常量由二维表表示
  开头有个常量池容量计数值,接下来就全是一个个常量了,只不过常量都是由一张张二维表构成,除了记录常量的值以外,还记录当前常量的相关信息
• class文件的资源仓库
• 与本class中其它部分关联最多的数据类型
• 占用Class文件空间最大的部分之一 ,也是第一个出现的表类型项目

2.3.3 常量池中常量的类型

根据常量的数据类型不同,被细分为14种常量类型,都有各自的二维表示结构

每种常量类型的头1个字节都是tag,表示当前常量属于14种类型中的哪一个.

以CONSTANT_Class_info常量为例，它的二维表示结构如下：

CONSTANT_Class_info表

• tag 表示当前常量的类型(当前常量为CONSTANT_Class_info,因此tag的值应为7,表一个类或接口的全限定名);
• name_index 表示这个类或接口全限定名的位置.它的值表示指向常量池的第几个常量.它会指向一个CONSTANT_Utf8_info类型的常量

CONSTANT_Utf8_info表字符串常量

• tag 表当前常量的类型,这里是1
• length 表该字符串的长度
• bytes为这个字符串的内容(采用缩略的UTF8编码)

Java中定义的类、变量名字必须小于64K
类、接口、变量等名字都属于符号引用，它们都存储在常量池中

而不管哪种符号引用，它们的名字都由CONSTANT_Utf8_info类型的常量表示，这种类型的常量使用u2存储字符串的长度

由于2字节最多能表示65535个数，因此这些名字的最大长度最多只能是64K

UTF-8编码 VS 缩略UTF-8编码
前者每个字符使用3个字节表示，而后者把128个ASCII码用1字节表示，某些字符用2字节表示，某些字符用3字节表示。

• Demo1.txt中的常量池部分
  
• 类信息包含的静态常量，编译之后就能确认
  

2.4 访问控制在常量池结束之后是2字节的访问控制

表示这个class文件是类/接口、是否被public/abstract/final修饰等.

由于这些标志都由是/否表示,因此可以用0/1表示.

访问标志为2字节,可以表示16位标志,但JVM目前只定义了8种,未定义的直接写0.

• Demo1.txt中的构造方法
  

Demo1这个示例中，我们并没有写构造函数。

由此可见，没有定义构造函数时，会有隐式的无参构造函数

2.5 类索引、父类索引、接口索引集合

表示当前class文件所表示类的名字、父类名字、接口们的名字.

它们按照顺序依次排列,类索引和父类索引各自使用一个u2类型的无符号常量,这个常量指向CONSTANT_Class_info类型的常量,该常量的bytes字段记录了本类、父类的全限定名.

由于一个类的接口可能有好多个,因此需要用一个集合来表示接口索引,它在类索引和父类索引之后.这个集合头两个字节表示接口索引集合的长度,接下来就是接口的名字索引.

2.6 字段表的集合

2.6.1 什么是字段表集合?

用于存储本类所涉及到的成员变量,包括实例变量和类变量,但不包括方法中的局部变量.

每一个字段表只表示一个成员变量,本类中所有的成员变量构成了字段表集合.

2.6.2 字段表结构的定义

• access_flags
  字段的访问标志。在Java中，每个成员变量都有一系列的修饰符，和上述class文件的访问标志的作用一样，只不过成员变量的访问标志与类的访问标志稍有区别。
• name_index
  本字段名字的索引。指向一个CONSTANT_Class_info类型的常量，这里面存储了本字段的名字等信息。
• descriptor_index
  描述符。用于描述本字段在Java中的数据类型等信息(下面详细介绍)
• attributes_count
  属性表集合的长度。
• attributes
  属性表集合。到descriptor_index为止是字段表的固定信息，光有上述信息可能无法完整地描述一个字段，因此用属性表集合来存放额外的信息，比如一个字段的值。(下面会详细介绍)2.6.3 什么是描述符?成员变量(包括静态成员变量和实例变量) 和 方法都有各自的描述符。
  对于字段而言，描述符用于描述字段的数据类型；
  对于方法而言，描述符用于描述字段的数据类型、参数列表、返回值。

在描述符中，基本数据类型用大写字母表示，对象类型用“L对象类型的全限定名”表示，数组用“[数组类型的全限定名”表示。

描述方法时，将参数根据上述规则放在()中，()右侧按照上述方法放置返回值。而且，参数之间无需任何符号。

2.6.4 字段表集合的注意点

• 一个class文件的字段表集合中不能出现从父类/接口继承而来字段；
• 一个class文件的字段表集合中可能会出现程序猿没有定义的字段
  如编译器会自动地在内部类的class文件的字段表集合中添加外部类对象的成员变量，供内部类访问外部类。
• Java中只要两个字段名字相同就无法通过编译。但在JVM规范中，允许两个字段的名字相同但描述符不同的情况，并且认为它们是两个不同的字段。
• Demo1.txt中的程序入口main方法
  
  

2.7 方法表的集合

在class文件中，所有的方法以二维表的形式存储，每张表来表示一个函数，一个类中的所有方法构成方法表的集合。
方法表的结构和字段表的结构一致，只不过访问标志和属性表集合的可选项有所不同。

方法表的属性表集合中有一张Code属性表，用于存储当前方法经编译器编译过后的字节码指令。

方法表集合的注意点

• 如果本class没有重写父类的方法，那么本class文件的方法表集合中是不会出现父类/父接口的方法表；
• 本class的方法表集合可能出现程序猿没有定义的方法
  编译器在编译时会在class文件的方法表集合中加入类构造器和实例构造器。
• 重载一个方法需要有相同的简单名称和不同的特征签名。JVM的特征签名和Java的特征签名有所不同：
• Java特征签名：方法参数在常量池中的字段符号引用的集合
• JVM特征签名：方法参数＋返回值

2.8 属性表的集合

• 1
• 2
  

程序完整运行分析

总结

我们将JVM运行的核心逻辑进行了详细剖析。

JVM运行原理中更底层实现，针对不同的操作系统或者处理器，会有不同的实现。
这也是JAVA能够实现“一处编写，处处运行”的原因。

开发人员理解到这个层次，就足够掌握高深的多线程

参考

• 《码出高效》