Java 字节码

1.1 什么是字节码?

Java 在刚刚诞生之时曾经提出过一个非常著名的口号: “一次编写,到处运行(write once,run anywhere)”,这句话充分表达了软件开发人员对冲破平台界限的渴求。“与平台无关”的理想最终实现在操作系统的运用层上: 虚拟机提供商开发了许多可以运行在不同平台上的虚拟机,这些虚拟机都可以载入和执行同一种平台无关的字节码,从而实现了程序的“一次编写到处运行”。

各种不同平台的虚拟机与所有平台都统一使用的程序存储格式—字节码(ByteCode),因此,可以看出字节码对 Java 生态的重要性。之所以被称为字节码,是因为字节码是由十六进制组成的,而 JVM(Java Virtual Machine)以两个十六进制为一组,即以字节为单位进行读取。在 Java 中使用 javac 命令把源代码编译成字节码文件,一个 .java 源文件从编译成 .class 字节码文件的示例如图 1 所示:
图1

图 1

对于从事基于 JVM 的语言的开发人员来说,比如: Java,了解字节码可以更准确、更直观的理解 Java 语言中更深层次的东西,比如通过字节码,可以很直观的看到 volatile 关键字如何在字节码上生效。另外,字节码增强技术在各种 ORM 框架、Spring AOP、热部署等一些应用中经常使用,深入理解其原理对于我们来说大有裨益。由于 JVM 规范的存在,只要最终生成了符合 JVM 字节码规范的文件都可以在 JVM 上运行,因此,这个也给其它各种运行在 JVM 上的语言(如: ScalaGroovyKotlin)提供了一个机会,可以扩展 Java 没有实现的特性或者实现一些语法糖。

接下来就让我们就一起看看这个字节码文件结构到底是什么样的。

1.2 Java 字节码结构

Java 源文件通过用 javac 命令编译后就会得到 .class 结尾的字节码文件,比如一个简单的 JavaCodeCompilerDemo 类如图 2 所示:
图2

图 2

编译后生成的 .class 字节码文件,打开后是一堆 十六进制 数,如图 3 所示:
图3
图 3

在上节提过,JVM 对于字节码规范是有要求的,打开编译后的字节码文件看似混乱无章,其实它是符合一定的结构规范的,JVM 规范要求每一个字节码文件都要由十部分固定的顺序组成的,接下来我们将一一介绍这部分,整体的组成结构如图 4 所示:
图4
图 4

(1)魔数(Magic Number)
每个字节码文件的头 4 个字节称为 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。很多文件存储标准中都使用魔数来进行身份识别,譬如图片格式,如 gif 或者 jpg 等在文件头中都存有魔数。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。魔数的固定值为: 0xCAFEBABE,魔数放在文件头,JVM 可以根据文件的开头来判断这个文件是否可能是一个字节码文件,如果是,才会进行之后的操作。

有趣的是,魔数的固定值是 Java 之父 James Gosling 制定的,为 CafeBabe(咖啡宝贝),而 Java 的图标为一杯咖啡。

(2)版本号(Version)
版本号为魔数之后的 4 个字节,前两个字节表示次版本号(Minor Version),后两个字节表示主版本号(Major Version),上图 3 中版本号为: “00 00 00 34”,次版本号转化为十进制为 0,主版本号转化为十进制 52(3 * 16^1 + 4 * 16^0 = 52),在 Oracle 官网中查询序号 52 对应的 JDK 版本为 1.8,所以编译该源代码文件的 Java 版本为 1.8.0。

(3)常量池(Constant Pool)
紧接着主版本号之后的字节是常量池入口。常量池中存储两种类型常量: 字面量和符号运用。字面量为代码中声明为 final 的常量值,符号引用如类和接口的全局限定名、字段的名称和描述符、方法的名称和描述符。常量池整体上分为两部分: 常量池计数器和常量池数据区,如图 5 所示:
图5

图 5

常量池计数器(constant_pool_count): 由于常量池的数量不固定,所以需要先放置两个字节来表示常量池容量计数值,图 2 示例代码的字节码的前十个字节如下图 6 所示,将十六进制的 17 转为十进制的值为 33 (1 * 16^1 + 7 * 16^0 = 33),排除下标 0,也就是说这个类文件有 32 个常量。
图6
图 6

常量池数据区: 数据区是由(constant_pool_count - 1)个 cp_info 结构组成,一个 cp_info 的结构对应一个常量。在字节码中共有 14 种类型的 cp_info ,每种类型的结构都是固定的,如图 7 所示:
图7
图 7

以 CONSTANT_Utf8_info 为例,它的结构如表 1 所示:

名称 长度
tag 1 字节 01 对应图 7 中 CONSTANT_Utf8_info 的标志栏中的值
length 2 字节 该 utf8 字符串的长度
bytes length 字节 length 个字节的具体数据
表 1
首先第一个字节 tag,它的取值对应图 7 中的 Tag,由于它的类型是 CONSTANT_Utf8_info,所以值为 01(十六进制)。接下来两个字节标识该字符串的长度 length,然后 length 个字节为这个字符串具体的值。从图 3 的字节码中摘取一个 cp_info 结构,将它翻译过来后,其含义为: 该常量为 utf8 字符串,长度为 7 字节,数据为: numberA,如图 8 所示:

图8

图 8

其它类型的 cp_info 结构在本文不在细说,和 CONSTANT_Utf8_info 的结构大同小异,都是先通过 tag 来标识类型,然后后续的 n 个字节来描述长度和数据。等我们对这些结构比较了解了之后,我们可以通过: javap -verbose JavaCodeCompilerDemo 命令查看 JVM 反编译后的完整常量池,可以看到反编译结果可以将每一个 cp_info 结构的类型和值都很明确的呈现出来,如图 9 所示:
图9
图 9

(4)访问标志(access_flag)
常量池结束之后的两个字节,描述该 Class 是类还是接口,以及是否被 PublicAbstractFinal 等修饰符修饰。JVM 规范规定了如下表 2 所示的 9 种访问标志。需要注意的是,JVM 并没有穷举所有的访问标志,而是使用 按位或 操作来进行描述的,比如某个类的修饰符为 public final,则对应的访问修饰符的值为 ACC_PUBLIC | ACC_FINAL,即 0x0001 | 0x0010 = 0x0011

标志名称 标志值 含义
ACC_PUBLIC 0x0001 字段是否为 public
ACC_PRIVATE 0x0002 字段是否为 private
ACC_PROTECTED 0x0004 字段是否为 protected
ACC_STATIC 0x0008 字段是否为 static
ACC_FINAL 0x0010 字段是否为 final
ACC_VOLATILE 0x0040 字段是否为 volatile
ACC_TRANSIENT 0x0080 字段是否为 transient
ACC_SYNCHETIC 0x1000 字段是否为编译器自动产生
ACC_ENUM 0x4000 字段是否为 enum
表 2

(5)当前类名(this_class)
访问标志后的两个字节,描述的是当前类的全限定名。这两个字节保存的值为常量池中的索引值,根据索引值就能在常量池中找到这个类的全限定名。

(6)父类名称(super_class)
当前类名的后两个字节,描述父类的全限定名。这两个字节保存的值也是在常量池中的索引值,根据索引值就能在常量池中找到这个类的父类的全限定名。

(7)接口信息(interfaces)
父类名称后的两个字节,描述这个类的接口计数器,即: 当前类或父类实现的接口数量。紧接着的 n 个字节是所有的接口名称的字符串常量在常量池的索引值。

(8)字段表(field_table)
字段表用于描述类和接口中声明的变量,包含类级别的变量以及实例变量,但是不包含方法内部声明的 局部变量。字段表也分为两部分,第一部分是两个字节,描述字段个数,第二部分是每个字段的详细信息 field_info。字段表结构如图 10 所示:
图10

图 10

以图 3 中的字节码字段表为例,如下图 11 所示。其中字段的访问标志查表 2,002 对应为 Private,通过索引下标在图 9 中常量池分别得到字段名为: numberA,描述符为: I(在JVM 中的I代表 Java 中的 int)。综上,就可以唯一确定出类 JavaCodeCompilerDemo 中声明的变量为: private int numberA
图11
图 11

(9)方法表(method_table)
字段表结束后为方法表,方法表也是由两部分组成,第一部分为两个字节描述方法的个数,第二个部分为每个方法的详细信息。方法的详细信息包括:方法的访问标志、方法名、方法的描述符以及方法的属性,如图 12 所示:
图12

图 12

方法的权限修饰符依然可以通过图 9 的值查询到,方法名和方法的描述符都是常量池的索引值,可以通过索引值在常量池中查询得到。而方法属性这个部分比较复杂,我们可以借助 javap -verbose 将其反编译为人们可读的信息进行解读。如图 13 所示。我们可以看到属性中包含三个部分:

  1. Code 区: 源代码对应的 JVM 指令操作码,我们在字节码增强的时候重点操作的就是这个部分。
  2. LineNumberTable: 行号表,将 Code 区的操作码和源代码的行号对应,Debug 时会起到作用(即: 当源代码向下走一行,相应的需要走几个 JVM 指令操作码)。
  3. LocalVariableTable: 本地变量表,包含 this 和局部变量,之所以可以在每一个非 static 的方法内部都可以调用到 this,是因为 JVM 将 this 作为每个方法的第一个参数隐式进行传入。
    图13
    图 13

(10)附加属性表(additional_attribute_table)
字节码的最后一部分,存放了在文件中类或接口所定义的属性的基本信息。

1.3 Java 字节码操作集合

在图 13 中,Code 区的编号是 0 ~ 10,就是 .java 源文件的方法源代码编译后让 JVM 真正执行的操作码。为了帮助人们理解,反编译后看到的是十六进制操作码所对应的助记符,十六进制值操作码和助记符的对应关系,以及每个操作码的具体作用可以查看 Oracle 官网,在需要的时候查阅即可。比如上图 13 的助记符为 iconst_2,对应图 3 中的字节码 0x05,作用是将 int 值 2 压入操作数栈中。以此类推,对 0 ~ 10 的助记符理解后就是整个 sum() 方法的操作数码实现。

1.4 查看字节码工具

如果我们每次反编译都要使用 javap 命令的话,确实比较繁琐,这里我推荐大家一个 IDEA 插件: jclasslib。使用效果如图 14 所示: 代码编译后在菜单栏: View -> Show Bytecode With jclasslib,可以很直观地看到当前字节码文件的类信息、常量池、方法区等信息,非常方便。
图14

图 14

1.5 总结

Java 中字节码文件是 JVM 执行引擎的数据入口,也是 Java 技术体系的基础构成之一。了解字节码文件的组成结构对后面进一步了解虚拟机和深入学习 Java 有很重要的意义。本文较为详细的讲解了字节码文件结构的各个组成部分,以及每个部分的定义、数据结构和使用方法。强烈建议自己动手分析一下,会理解得更加深入。

-------------本文结束感谢您的阅读-------------
mghio wechat
微信公众号「mghio」
请我吃🍗