JVM（4）：Class文件结构

1. 平台无关性

        Java在刚刚诞生时就有一句非常著名的口号：一次编写，到处运行。这个想法通过虚拟机实现，这些虚拟机都可以执行同一种与平台无关的字节码，从而达到一次编写，到处运行。可以说，字节码就是平台无关性的基石。Java虚拟机并不与Java语言绑定，在其之上还可以运行许多其他语言，如Kotlin、Groovy和Scala等。Java虚拟机唯一绑定的是类似于Class文件这种特殊的二进制文件，其中包含了Java虚拟机的指令集、符号表以及其他辅助信息。通过Class文件，Java虚拟机并不需要关心来源是什么语言，只要这门语言能够生成可以被读取的Class文件，那么它就可以在Java虚拟机上运行。
        Java语言中的各种语法、关键字、常量变量和运算符号的语义最终都会转成字节码指令的组合，这就要求字节码指令的表达能力必须比Java语言的表达能力更强。从而，一些Java语言中并不支持的特性，字节码也能够表达出来。

2. Class类文件

        Class文件是一组以 $8$ 个字节为单位的二进制流，数据项目按照顺序紧凑地排列在文件之中。对于 $8$ 字节以上空间的数据项，会按照高位在前的大端序分割存储在若干个 $8$ 字节中。
        Class文件采取一种类似于C语言结构体的伪结构来存储数据，包含两种数据类型：

• 无符号数：即基本数据类型，通过 $u1$ 、$u2$ 、$u3$ 、$u4$ 分别表示 $1$ 个字节、$2$ 个字节、$4$ 个字节和 $8$ 个字节的无符号数，用于表示数字、索引引用、数量值或者UTF-8编码的字符串；
• 表：由多个无符号数或者其他表构成的复合数据类型，一般以 $_-info$ 结尾，用于表示具有层次关系的数据。可以把整个Class文件都视为表，按照对应类型的数据紧凑排列而成。

        当需要描述类型相同但数量不定的数据时，经常会使用一个前置的容器计数器加若干个连续的数据项的形式，称为该类型的集合。

2.1 魔数和版本号

        Class文件的头 $4$ 字节称为魔数 ( $Magic\ \ Number$ )，用于确定该文件能否被虚拟机接受。魔数在很多文件格式中都存在，文件格式制定者可以自定义魔数，只要不会引起混淆。Class文件的魔数为 $0xCAFEBABE$ ，象征着一款咖啡。
        在魔数之后是Class文件的版本号，前两个字节是次版本号 ( $Minor\ \ Version$ )，后两个字节是主版本号 ( $Major\ \ Version$ )。Java主版本号从 $45$ 开始，JDK 1.1之后每个大版本都会在之前的基础上加 $1$ 。次版本号在JDK 1.1及以前曾经短暂使用过，在JDK 1.2之后废弃，全部使用 $0$ 代替，直到JDK 12，由于一些复杂特性需要进行公测，于是重新启用了次版本号。

2.2 常量池

        常量池是Class文件中第一次出现表的数据项目，也是与其他项目关联最多的数据，通常也是最庞大的数据项目之一。常量池入口是一个 $u2$ 类型的数据，是常量池容量计数值 ( $constant_-pool_-count$ )，从 $1$ 开始，$0$ 表示不指向常量池中的数据项目。Class文件中只有常量池的容量计数是从 $1$ 开始的。
        常量池中主要存放字面量 ( $Literal$ ) 和符号引用 ( $Symbolic\ \ References$ )。字面量类似于Java中的常量，存放字符串、$final$ 常量等。符号引用则属于编译原理方面的概念，包括：

• 被模块导出或者开放的包 ( $Package$ )；
• 类和接口的全限定名 ( $Fully\ \ Qualified\ \ Name$ )；
• 字段的名称和描述符 ( $Descriptor$ )；
• 方法的名称和描述符；
• 方法句柄 ( $Method\ \ Handle$ ) 和方法类型 ( $Method\ \ Type$ )；
• 动态调用点 ( $Dynamically-Computed\ \ Call\ \ Site$ ) 和动态常量 ( $Dynamic-Computed\ \ Constant$ )。

        Java代码在进行Javac编译时没有连接步骤，而是在虚拟机加载Class文件时进行动态连接，所以Class文件中不会保存方法和字段在内存中的位置信息，需要虚拟机在运行期进行转换。在类加载时，会从常量池中获取对应的符号引用，并在类创建和运行时解析，并翻译到具体内存地址中。
        常量池的每一个常量都是一个表，包含 $17$ 结构不同的表结构数据，起始都是一个 $u1$ 类型标志位表示常量类型。

        起初只提供了前 $11$ 种结构，后续为了更好地支持动态语言，额外增加了 $4$ 种，之后又为了支持Java模块化系统 ( $Jigsaw$ )，又加入了两种。
        我们可以通过 $javap\ \ -verbose$ 命令查看Class文件中常量池的常量。

2.3 访问标志

        在常量池之后是访问标志 ( $access_-flags$ )，由 $2$ 字节组成，用于识别一些类或者接口的访问信息，包括：Class是类还是接口、是否为 $public$ 、是否为 $abstract$ 、是否为 $final$ ( 如果是类 ) 等等。

2.4 索引

        类索引 ( $this_-class$ ) 和父类索引 ( $super_-class$ ) 都是 $u2$ 类型的数据，均指向一个 $CONSTANT_-Class_-info$ 的类描述符常量；接口索引集合 ( $interfaces$ ) 是一组 $u2$ 类型的数据的集合，第一项 $u2$ 为接口计数器 ( $interfaces_-count$ )，表示索引表容量，后面的每一项均指向一个 $CONSTANT_-Class_-info$ 的类描述符常量。 Class文件通过这三项数据确定继承关系。类索引确定类的全限定名，父类索引确定类的父类的全限定名。除了 $Java.lang.Object$ 之外，所有的类都具有父类，而在 $Object$ 中，父类索引为 $0$ 。接口索引集合用于表示类实现的接口，按照声明顺序从左到右存储。

2.5 字段表集合

        字段表 ( $Field_-info$ ) 用于表示接口和类中声明的变量。

        接口当中的字段必须有 $ACC_-PUBLIC$ 、$ACC_-STATIC$ 、$ACC_-FINAL$ 标志。
        $name_-index$ 和 $descriptor_-index$ 在标志值之后，是常量池的引用，表示字段简单名称以及字段和方法的描述符。在描述符中，基本数据类型以及 $void$ 使用一个大写字母表示，对象类型使用 $L$ 加全限定名表示。

        对于数组类型，每一个维度都会使用一个前置的 $[$ 字符表示，例如 $int[\ ][\ ]$ 会表示为 $[[I$ 。对于方法，会按照参数、返回值的方式描述，参数按照顺序放在 $(\ )$ 之中，例如 $int\ \ indexOf(char[]\ \ source,\ \ int\ \ index)$ 表示为 $([CI)I$ 。
        $descriptor_-index$ 之后是属性表计数器，当字段存在额外信息如值时，计数器会记录字段的额外信息个数，并可以在之后的 $attribute_-info$ 中查询。字段表集合不会列出从父类或者父接口中继承而来的字段，但有可能出现原来Java代码之中不存在的字段，譬如内部类中包含的指向外部类实例的字段。

2.6 方法表集合

        Class文件中对字段和方法的描述采取了几乎一样的方式，同样包括 $access_-flags$、$name_-index$、$descriptor_-index$ 和 $attributes$ 。

        方法块内的Java代码，经由Javac编译后，存放在方法属性表集合中名为 $Code$ 的属性内。Java语言重载要求简单名称相同之外，还要拥有一个与原方法不同的特征签名。特征签名包括方法名称、参数顺序及参数类型。也就是说，仅仅改变返回值并不能算重载。但是Class文件中只要描述符不是完全一致，那么就允许多个方法共存，也即允许除了返回值之外其他都相同的方法共存。

2.7 属性表集合

        属性表 ( $attribute_-info$ ) 在前面已经出现过，Class文件、字段表、方法表都可以包含一个属性表集合。属性表集合对顺序没有严格要求，而且可以在属性名不重复的前提下写入自定义的属性信息。Java虚拟机在运行时会忽略不认识的属性信息。对于每一个属性，它的名称都要从常量池中引用一个 $CONSTANT_-Utf8_-info$ 类型的常量表示。

        属性值的结构是完全自定义的，只需要通过一个 $u4$ 类型的属性说明其占用位数即可。

2.7.1 Code

        $Code$属性存储方法体内的经过Javac编译后产生的字节码指令。接口方法和抽象方法中不存在该属性。

        $attribute_-name_-index$ 指向 $CONSTANT_-Utf8_-info$ ，固定为 $Code$ 。$attribute_-length$ 表示属性值长度，固定为属性长度减去本身以及上一个属性的长度即 $6$ 个字节。$max_-stack$ 为操作数栈 ( $Operand\ \ Stack$ ) 深度的最大值，虚拟机根据这个值分配栈帧 ( $Stack\ \ Frame$ ) 中的操作栈深度。$max_-locals$ 表示局部变量所需的空间，单位为变量槽 ( $Slot$ )，即虚拟机为局部变量分配内存的最小单位。对于 $32$ 位的数据类型，会使用一个槽；而对于 $64$ 位的数据类型 $double$ 和 $long$ ，则会使用两个槽。方法参数（包括实例方法中的隐藏参数 $this$ ）、异常处理参数、局部变量都要依赖于局部变量表，Javac编译器会根据每个变量的生命周期和类型计算出 $max_-locals$ 的大小。$code_-length$ 和 $code$ 存储字节码指令，每个指令使用 $u1$ 类型的数据大小存储。
        如果方法中存在异常处理块的话，那么异常处理表会跟在字节码指令之后。

        $start_-pc$ 和 $end_-pc$ 表示出现异常的代码行，$handler_-pc$ 为处理异常的行，当 $catch_-type$ 为 $0$ 时，任何异常都要跳转到 $handler_-pc$ 进行处理。

2.7.2 Exceptions

        $Exceptions$ 属性列举出方法中可能抛出的受查异常 ( $Checked\ \ Exceptions$ )，也就是方法声明时在 $throws$ 关键字后面列举的异常。

        $number_-of_-exceptions$ 表示可能抛出的 $number_-of_-exceptions$ 种异常，每种异常使用一个 $exception_-index_-table$ 表示，指向 $CONSTANT_-Class_-info$ 型常量的索引，代表异常类型。

2.7.3 LineNumberTable

        $LineNumberTable$ 用于描述Java源码行号与字节码行号之间的对应关系，并非运行时的必须属性，可以在Javac中使用 $-g:none$ 或者 $-g:lines$ 来取消或者强制生成该信息。如果取消生成，那么当程序抛出异常时，不会显示出错的行号，并且在调试时也无法在源码处设置断点。

        $line_-number_-table$ 是一个数量为 $line_-number_-table_-length$ ，类型为 $line_-number_-info$ 的集合。$line_-number_-info$ 包含 $start_pc$ 和 $line_-number$ 两个 $u2$ 类型的数据，前者为字节码行号，后者为源码行号。

2.7.4 LocalVariableTable和LocalVariableTypeTable

        $LocalVariableTable$ 描述栈帧中局部变量表与Java源码中变量的关系，同样并非运行时的必须属性，可以在Javac中使用 $-g:none$ 或者 $-g:vars$ 来取消或者强制生成该信息。如果取消生成，那么当其他人引用该方法时，所有参数名称都会丢失，IDE会使用譬如 $arg0$ 这样的占位符代替参数名。

        其中 $local_-variable_-info$ 的结构如下：

        $start_-pc$ 和 $length$ 分别代表局部变量生命周期开始的字节码行数以及作用域长度；$name_-index$ 和 $descriptor_-index$ 指向 $CONSTANT_-Utf8_-info$ 类型的常量，分别代表局部变量的名称以及描述符；$index$ 存储局部变量在栈帧的局部变量表中变量槽的起始位置。
        $LocalVariableTypeTable$ 类似于 $LocalVariableTable$ ，但是将 $descriptor_-index$ 替换为特征签名 ( $Signature$ )。对于非泛型类来说，描述符和特征签名相同。但是对于泛型类，由于擦除的存在，需要特征签名来对泛型进行描述。

2.7.5 SourceFile和SourceDebugExtension

        $SourceFile$ 用于记录生成Class文件的源码文件名称，同样是可选的，可以在Javac中使用 $-g:none$ 或者 $-g:source$ 来取消或者强制生成信息。对于大多数类来说，类名和文件名一致，但是对于特殊情况如内部类，如果取消生成，那么在抛出异常时不会显示出错代码所在的文件名。

        $sourcefile_-index$ 指向 $CONSTANT_-Utf8_-info$ 类型的常量索引，常量值为源码文件的文件名。
        JDK 5中加入的 $SourceDebugExtension$ 属性存储额外的代码调试信息，为非Java语言编写的，但需要编译成字节码在虚拟机中运行的程序，比如JSP等，提供了一个进行调试的标准机制。通过SourceDebugExtension，可以快速从异常堆栈中定位出JSP中出现问题的行号。

        $debug_-extension$ 存储的就是额外的调试信息，通过一组变长的UTF-8格式的字符串。一个类最多只允许一个 $SourceDebugExtension$ 属性。

2.7.6 ConstantValue

        $ConstantValue$ 用于通知虚拟机自动为静态变量赋值，只有静态变量才能使用该属性。对于非静态变量，会在实例构造器 <$init$>$(\ )$ 方法中赋值；而静态变量可以通过类构造器 <$clinit$>$(\ )$ 或者 $ConstantValue$ 进行赋值。Javac编译器会根据变量是否为 $final$ 以及变量类型来决定是否生成 $ConstantValue$ ：如果为 $final$ 并且类型为基本类型或者 $String$ ，则生成。

        $constantvalue_-index$ 指向常量池中一个字面量常量的引用，可以是 $CONSTANT_-Long_-info$ 、$CONSTANT_-Integer_-info$ 等。

2.7.7 InnerClasses

        $InnerClasses$ 用于记录内部类与宿主类之间的关联。

        $inner_-classes_-info$ 的结构如下：

        $inner_-class_-info_-index$ 和 $outer_-class_-info_-index$ 都指向 $CONSTANT_-Class_-info$ 类型的常量的索引，分别为内部类和宿主类的符号引用。$inner_-name_-index$ 指向 $CONSTANT_-Utf8_-info$ 类型的常量的索引，表示内部类的名称 (匿名内部类值为 $0$ )。

2.7.8 Deprecated和Synthetic

        $Deprecated$ 和 $Synthetic$ 都是布尔值，分别表示是否废弃和是否由编译器自动产生。后者也可以通过设置标志位 $ACC_-SYNTHETIC$ 代替。当它们存在时，即代表为真。

        其中 $attribute_-length$ 的值恒为 $0x00000000$ 。

2.7.9 StackMapTable

        $StackMapTable$ 在JDK 6之后加入Class文件结构中，位于 $Code$ 属性的属性表中，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。

        JDK 7后，如果 $Code$ 中没有 $StackMapTable$ ，那么他就具有一个隐式的 $StackMapTable$ 属性，$number_-of_-entries$ 值为 $0$ 。

2.7.10 Signature

        $Signature$ 是一个可选的定长属性，可以出现在类、字段表和方法表结构的属性表中，记录泛型签名信息。

        $signature_-index$ 指向 $CONSTANT_-Utf8_-info$ 类型的常量的索引，表示类签名或者方法类型或者字段类型签名。

2.7.11 BootstrapMethod

        $BootstrapMethod$ 在JDK 7之后添加到Class文件结构中，存储 $invokedynamic$ 指令引用的引导方法限定符。如果某个Class文件常量池中出现过 $CONSTANT_-InvokeDynamic_-info$ 类型的常量，那么这个文件属性表中必须存在一个 $BootstrapMethod$ 属性，且最多只能有一个。

        $bootstrap_-method$ 结构如下：

        $bootstrap_-method_-ref$ 指向 $CONSTANT_-MethodHandle$ 结构的索引值，代表一个引导方法。

2.7.12 MethodParameters

        $MethodParameters$ 在JDK 8之后加入到Class文件结构中，用于记录变长参数中各个形参的名称和信息。

        其中 $parameter$ 结构如下：

        $name_-index$ 指向 $CONSTANT_-Utf8_-info$ 类型的常量的索引，表示参数名称。$access_-flags$ 是参数的状态指示器。

2.7.13 模块化相关属性

        JDK 9中添加了Java的模块化功能，因为模块描述文件 ( $module_-info.java$ ) 最终要编译为Class文件，所以Class文件结构中添加了 $Module$ 、$ModulePackages$ 和 $ModuleMainClass$ 三个属性。
        $Module$ 属性是一个复杂的变长属性。

        $module_-flags$ 是模块状态指示器。

        $module_-versions_-index$ 指向 $CONSTANT_-Utf8_-info$ 类型的常量的索引，表示模块版本号。
        $ModulePackages$ 用于描述模块中所有的包。

        $package_-index$ 指向 $CONSTANT_-Package_-info$ 类型的常量的索引，代表模块中的一个包。
        $ModuleMainClass$ 用于确定模块的主类。

        $main_-class_-index$ 指向 $CONSTANT_-Class_-info$ 类型的常量的索引，代表模块的主类。

2.7.14 运行时注解相关属性

        Class文件在JDK 5之后增加了 $RuntimeVisibleAnnotation$ 、$RuntimeInvisibleAnnotation$ 、$RuntimeVisibleParameterAnnotations$ 和 $RuntimeInvisibleParameterAnnotations$ 四个属性，用于支持注解。JDK 8之后，又添加了 $RuntimeVisibleTypeAnnotations$ 和 $RuntimeInvisibleTypeAnnotations$ 两个属性。
        $RuntimeVisibleAnnotations$ 记录了类、字段或方法声明上的运行时可见注解，可以通过反射获取这个属性。

        其中 $annotation$ 的结构如下：

        $Type_-index$ 指向 $CONSTANT_-Utf8_-info$ 类型的常量的索引，以字段描述符的形式表示一个注解；$element_-value_-pair$ 以键值对的形式表示注解的参数和值。