JVM虚拟机 - Class类文件结构

概述

Class文件是一组以8位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都是程序运行的必要数据。当遇到需要占用8位字节以上空间的数据项时，会按照高位在前的方式分割成若干个8位字节进行存储。

Class文件格式中只有两种数据类型：无符号数和表。

无符号数属于最基本的数据类型，以u1、u2、u4、u8来分别代表1个字节、2个字节、4个字节和8个字节的无符号数，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。
表是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，以“_info”结尾。表用来描述有层次关系的符合结构的数据。

整个Class文件本质上就是一张表。

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，称这一系列连续的某一类型的数据位某一类型的集合。

class文件的组织结构

魔数
本文件的版本信息
常量池
访问标志
类索引
父类索引
接口索引集合
字段表集合
方法表集合
属性表集合

1. 魔数

每个Class文件的头4个字节称为魔数（Magic Number），唯一作用就是确定这个文件是否为一个能被虚拟机接受的Class文件。

魔数的表示是用16进制的数：0xCAFEBABE 来表示。

2. 本文件的版本信息

在魔数后面的4个字节存储的就是Class文件的版本号：

第5、第6个字节是次版本号（Minor Version）
第7、第8个字节是主版本号（Major Version）

Java版本号的计算

Java的版本号是从45开始的，JDK1.1之后的每个JDK大版本发布主版本号向上加1。

高版本的JDK能向下兼容以前版本的Class文件，但不能兼容以后版本的Class文件，即使文件格式并未发生变化，虚拟机也拒绝执行超过其版本号的Class文件。

3. 常量池

3.1. 常量池的概念

常量池可以理解为Class文件之中的资源仓库，他是Class文件结构中与其他项目关联最多的数据类型，也是占用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。

常量池中主要存放两大类常量：

字面量：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
符号引用：就是我们定义的各种名字，包括下面三类：
- 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

3.2. 常量池的特点

常量池长度不固定

常量池的大小是不固定的，因此常量池开头放置一个u2类型的无符号数，用来存储当前常量池的容量。JVM根据这个值就知道常量池的头尾来。

这个无符号数从1开始，不是通常的从0开始
常量池中的常量由二维表来表示

常量池开头有个常量池容器计数器，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文件之中的资源仓库
Class文件结构中与其他项目关联最多的数据类型
占用Class文件空间最大的数据项目之一

3.3. 常量池中常量的类型

刚才介绍了，常量池中的常量大体上分为：字面值常量和符号引用。在此基础上，根据常量的数据类型不同，又可以被细分为14种常量类型。这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，用于表示当前常量属于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：

类型	名称	数量
u1	tag	1
u2	name_index	1

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，表示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，它的二维表结构如下：
CONSTANT_Utf8_info表：

类型	名称	数量
u1	tag	1
u2	length	1
u1	bytes	length

CONSTANT_Utf8_info表示字符串常量；

tag表示当前常量的类型，这里应该是1；

length表示这个字符串的长度；

bytes为这个字符串的内容（采用缩略的UTF8编码）

4. 访问标志

访问标志（access_flags）占用两个字节，这个标志用于识别一些类或者接口层次的访问信息：

这个Class是类还是接口
是否定位为public类型
是否定义为abstract类型
是否被声名为final
…

访问标志中一共有16个标志位可用，当前只用了8个，其他要求一律为0。

5. 类索引、父类索引和接口索引集合

类索引（this_class）和父类索引（super_class）都是一个u2类型的数据，接口索引集合（interfaces）是一组u2类型的数据的集合。

Class文件由这三项数据来确定这个类的继承关系：

类索引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

除java.lang.Object外，所有Java类的父类索引都不为0。
接口索引集合描述这个类实现了哪些接口

被实现的接口按接口顺序从左到右排列在接口索引集合中。

类索引、父类索引和接口索引集合都按顺序排列在访问标志之后，类索引和父类索引用两个u2类型的所引致指向一个类型为CONSTANT_Class_info的类描述符常量，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。

6. 字段表集合

字段表用于描述接口或者类中生命的变量。字段包括类级变量以及实例级变量，但不包括在方法内部声明的局部变量。

类型	名称	数量
u2	access_flags	1
u2	name_index	1
u2	descriptor_index	1
u2	attributes_count	1
attribute_info	attributes	attributes_count

access_flags

字段的访问标志。
name_index

本字段名称的索引，指向一个CONSTANT_Class_info类型的常量，存储了本字段的名字等信息。
descriptor_index

字段和方法的描述符，用于描述本字段在Java中的数据类型等信息。
attributes_count

属性表集合的长度。
attributes

属性表集合。

全限定名

全限定名就是把类全名中的.替换成了/而已，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;来表示全限定名结束。

简单名称

简单名称就是指没有类型和参数修饰的方法或者字段名称。

描述符

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、类型以及顺序）和返回值。

在描述符中：

基本数据类型以及代表无返回值的void类型都用一个大写字符来表示。
对象类型则用字符L加对象的全限定名来表示。

标识字符	含义	标识字符	含义
B	基本类型byte	J	基本类型long
C	基本类型char	S	基本类型short
D	基本类型double	Z	基本类型boolean
F	基本类型float	V	特殊类型void
I	基本类型int	L	对象类型，如Ljava/lang/Object

对于数组类型，每一唯独将使用一个前置的“[”字符来描述，如一个定义为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。
对于描述方法，按照“先参数列表，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。例如：void inc()的描述符为：()V。方法java.lang.String.toString()的描述符为：()Ljava/lang/String。

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。

7. 方法表集合

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。

类型	名称	数量
u2	access_flags	1
u2	name_index	1
u2	descriptor_index	1
u2	attributes_count	1
attribute_info	attributes	attributes_count

方法中的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一个名为“Code”的属性里面，属性表作为Class文件格式中最具拓展性的一种数据项目，在第8节中讲。

8. 属性表集合

在Class文件、字段表、方法表都可以携带自己的属性表集合，以用于描述某些场景专有的信息。

属性表集合对于各个属性表的顺序不再做严格要求，只要不与已有属性名重复即可。任何人实现的编译器都可以向属性表中写入自己定义的属性信息，Java虚拟机运行时会忽略掉它不认识的属性。

为了正确解析Class文件，虚拟机与定义了一些虚拟机实现应当能识别的属性，对于这些属性，它的名称需要从常量池中引用一个CONSTANT_Utf9_info类型的常量来表示，而属性值的结构则是完全自定义的。

一个符合规则的属性表应该有如下结构：

类型	名称	数量
u2	attribute_name_index	1
u4	attribute_length	1
u1	info	attribute_length