JVM学习笔记（四）：Class文件结构
本文根据《深入理解Java虚拟机》第6章内容整理
一、Java的语言无关性
到今天为止，或许大部分的程序员都还认为Java虚拟机执行Java程序是一件理所当然和天经地义的事情。但在Java发展之初，设计者们就考虑过了在Java虚拟机上运行其它语言的可能性。时至今日商业机构和开源机构以及在Java语言之外发展出一大批在Java虚拟机上运行的语言，如Clojure,Groovy,JRuby,Jython,Scala，等等。
实现语言无关性的基础仍然是虚拟机和字节码存储格式，使用Java编译器可以把Java代码编译为存储字节码的Class文件，使用JRuby等其它语言的编译器一样可以把程序编译成Class文件，虚拟机不需要关心Class来源于什么语言，只要它符合Class文件应用的结构就可以在Java虚拟机中运行。如下图所示：
图1：Java虚拟机提供的语言无关性
二、Class类文件的结构
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。当遇到需要占用8个字节以上空间的数据项时，则会按照高位在前的方式分割成若干个8位字节进行存储。
根据Java虚拟机规范的规定，Class文件格式采用一种类似于C语言结构体的伪结构来存储，这种伪结构只有两种数据类型：无符号数和表。
无符号数属于基本的数据类型，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。
表是由多个无符号数或其他表作为数据项组成的符合数据类型。表用于描述有层次关系的复合结构的数据，整个Class文件本质上就是一张表，由下图所示的数据项构成：
图2：Class文件格式
下面首先给出一段简单的Java程序，以这段代码编译成的Class文件为基础进行Class文件结构的介绍，代码如下：
public class TestClass{
private int num;
public int inc(){
for(int i=0; i<10; i++){
num = i;
}
return num;
}
public static void main(String[] args){
new TestClass().inc();
}
}把代码编译成Class文件后，使用16进制编辑器WinHex打开这个Class文件，可以看到Class的内部结构如下：
图3：Class文件的结构
2.1 魔数与Class文件的版本
从上面的图2可以看出，Class文件格式表中，第一项为一个u4类型的名为magic的数据项。这是因为每个Class文件的头4个字节称为魔数（Magic Number），它的唯一作用就是用来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。例如图片格式。使用魔数而不是扩展名来进行识别主要是基于安全考虑，因为文件扩展名可以很随便地被人为改动。
Class文件的魔数的值为：0xCAFFBABE，这个名称的由来据说还有个很有趣的典故，在这里就不详细表述了，有兴趣的可以百度或者google！
class文件魔数值如下图所示：
图4：Class文件的魔数
紧接着魔数的4个字节存储的是Class文件的版本号：第5和第6字节是次版本号（Minor Version），第7个和第8个字节是主版本号（Major Version）。Java的版本号是从45开始的，Jdk1.1之后的每个JDK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，但不能运行以后版本的Class文件。
根据上面的图4所示，代表版本号的第5个字节和第6个字节值为0x0000，而主版本号的值为0x0032，即十进制的50，该版本号说明这个是可以被JDK1.6或以上版本的虚拟机执行的Class文件。
下图列出了从jdk1.1到jdk1.7之间，主流的JDK版本编译器输出的默认的和可支持的Class文件版本号：
图5：Class文件版本号
2.2 常量池
紧接着主次版本号之后的是常量池入口，常量池是Class文件结构中与其他项目关联最多的数据类型。常量池之中主要存放两大类常量：字面量（Literal）和符号引用（Symbolic Reference）。字面量比较接近于Java语言层面的常量概念，如文本字符串、被声明为final的常量值等。而符号引用则属于编译原理方面的概念，包括了下面三类常量：
1.类和接口的全限定名（Fully Qualified Name）
2.字段的名称和描述符（Descriptor）
3.方法的名称和描述符。
使用Javap命令输出常量表
D:\JVM>javap -verbose TestClass
Compiled from "TestClass.java"
public class TestClass extends java.lang.Object
SourceFile: "TestClass.java"
minor version: 0
major version: 50
Constant pool:
const #1 = Method #6.#20; // java/lang/Object."<init>":()V
const #2 = Field #3.#21; // TestClass.num:I
const #3 = class #22; // TestClass
const #4 = Method #3.#20; // TestClass."<init>":()V
const #5 = Method #3.#23; // TestClass.inc:()I
const #6 = class #24; // java/lang/Object
const #7 = Asciz num;
const #8 = Asciz I;
const #9 = Asciz <init>;
const #10 = Asciz ()V;
const #11 = Asciz Code;
const #12 = Asciz LineNumberTable;
const #13 = Asciz inc;
const #14 = Asciz ()I;
const #15 = Asciz StackMapTable;
const #16 = Asciz main;
const #17 = Asciz ([Ljava/lang/String;)V;
const #18 = Asciz SourceFile;
const #19 = Asciz TestClass.java;
const #20 = NameAndType #9:#10;// "<init>":()V
const #21 = NameAndType #7:#8;// num:I
const #22 = Asciz TestClass;
const #23 = NameAndType #13:#14;// inc:()I
const #24 = Asciz java/lang/Object;
{
public TestClass();
Code:
Stack=1, Locals=1, Args_size=1
0: aload_0
1: invokespecial #1; //Method java/lang/Object."<init>":()V
4: return
LineNumberTable:
line 1: 0
public int inc();
Code:
Stack=2, Locals=2, Args_size=1
0: iconst_0
1: istore_1
2: iload_1
3: bipush 10
5: if_icmpge 19
8: aload_0
9: iload_1
10: putfield #2; //Field num:I
13: iinc 1, 1
16: goto 2
19: aload_0
20: getfield #2; //Field num:I
23: ireturn
LineNumberTable:
line 5: 0
line 6: 8
line 5: 13
line 8: 19
StackMapTable: number_of_entries = 2
frame_type = 252 /* append */
offset_delta = 2
locals = [ int ]
frame_type = 250 /* chop */
offset_delta = 16
public static void main(java.lang.String[]);
Code:
Stack=2, Locals=1, Args_size=1
0: new #3; //class TestClass
3: dup
4: invokespecial #4; //Method "<init>":()V
7: invokevirtual #5; //Method inc:()I
10: pop
11: return
LineNumberTable:
line 12: 0
line 13: 11
}
2.3 访问标志
在常量池结束之后，紧接着的两个字节代表访问标志（access_flags），这个标志用于识别一些类或接口层次的访问信息，包括：这个Class是接口还是类；是否定义为public类型；是否定义为abstract类型；如果是类的话，是否声明为final，等等。
2.4 类索引、父类索引与接口索引集合
类索引（this_class）和父类索引（super_class）都是一个u2类型的数据，而接口索引集合（interfaces）是一组u2类型的数据的集合，Class文件中由这三项数据来确定这个类的继承关系。类索引用于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。Java不允许多重继承，所以父类索引只有一个，除了java.lang.Object外，所有Java类的父类索引都不为0。接口索引集合就用来描述这个类实现了哪些接口，所有被实现的接口按类定义中的implements（如果类是一个接口则是extends）后的接口顺序从左到右排列在接口的索引集合中。
2.5 字段表集合
字段表（field_info）用于描述接口或类中声明的变量。字段（field）包括了类级变量和实例级变量，但不包括方法内部声明的变量。一个字段的信息包括：作用域（public、private、protected修饰符）、是实例变量还是类变量（static修饰符）、可变性（final）、并发可见性（volatile修饰符，是否强制从主内存读写）、可否序列化（transient修饰符）、字段数据类型（基本数据类型、对象、数组）、字段名称。这些信息中，各个修饰符都是布尔值，要么有，要么没有。
全限定名称：如果TestClass类是定义在com.chenzhou.jvm包中，那么这个类的全限定名为com/chenzhou/jvm/TestClass。
简单名称：简单名称指没有类型和参数修饰的方法或字段名称，在上面的例子中，TestClass类中的inc()方法和num字段的简单名称分别为“inc”和“num”。
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。根据描述符规则，基本数据类型（byte,char,double,float,int,long,short,boolean）及代表无返回值的void类型都用一个大写字符来表示，而对象则用字符L加对象的全限定名来表示，如下图所示：
图6：描述符标识字符含义
对于数组类型，每一维度将使用一个前置的“[”字符来描述，如定义一个“java.lang.String[][]”类型的二维数组，将会被记录为："[[Ljava/lang/String;"，一个整型数组"int[]"将被记录为"[I"。
用描述符来描述方法时，按照先参数列表，后返回值的顺序描述，参数列表按照严格的顺序放在一组小括号"()"内，如方法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 offset,int count,char[] target,int tOffset,int tCount,int fromIndex)的描述符为"([CII[CIII)I"。
2.6 方法表集合
Class文件存储格式中对方法的描述与对字段的描述几乎完全一致。方法表的结构如同字段表一样，一次包括了访问标志、名称索引、描述符索引、属性表集合几项。
2.7 属性表集合
Java虚拟机规范第二版中预定义了9项虚拟机应当能识别的属性，包括：Code、ConstantValue、Deprecated、Exceptions、InnerClasses、LineNumberTable、LocalVariableTable、SourceFile、Synthetic。