字节码层面分析class类文件结构

一个面试题：Java 中 String 字符串的长度有限制么？

【答案】String 的长度是有限制的。

编译器的限制：字符串的 UTF-8 编码值的字节数不能超过 65535，字符串的长度不能超过 65534；
运行时的限制：字符串的长度不能超过 2^31-1，占用的内存数不能超过虚拟机能够提供的最大值。
长度为 2^31-1 的字符串所占用的空间大小为：4G。

Java 提供了一种在所有平台上都能使用的一种中间代码--字节码类文件（*.class文件）

有了字节码，无论哪种平台只要安装了虚拟机都可以直接运行字节码
有了字节码，解除了 Java 虚拟机和 Java 语言之间的耦合

一、Class中的数据结构

从纵观角度看，class 文件里只有两种数据结构：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。
无符号数可以用来描述数字、索引引用、数量值或字符串（UTF-8编码）。

【表】

表是有多个无符号数或其他表作为数据项构成的复合数据类型。
class 文件中所有的表都以 “_info” 结尾。
整个 Class 文件本质上就是一张表。

表和无符号之间的关系图

表和无符号之间的关系

可用下面的伪代码表示

// 无符号数
byte[] u1 = new byte[1];
byte[] u2 = new byte[2];
byte[] u4 = new byte[4];
byte[] u8 = new byte[8];

// 表
class _table {
    // 表中可以引用无符号数
    u1 tag;
    u4 index;
    
    // 表中可以引用其他表
    method_info table;
}

二、Class文件结构

无符号数和表组成了 class 中的各个结构。

这些结构按照 预先规定好的顺序 紧密的从前向后排列，相邻的项之间没有任何间隙。

class 文件结构如下

魔数	版本号	常量池	访问标识	类/父类/接口	字段描述集合	字段描述集合	属性描述集合

当 JVM 加载某个 class 文件时，JVM 就是根据上图的结构进行解析 class 文件到内存中，并在内存中分配相应的空间。

每种结构所占用的空间大小如下表：

字段	名称	数据类型	数量
magic number	魔数	u4	1
major version	主版本号	u2	1
minor version	副版本号	u2	1
constant_pool_count	常量池大小	u2	1
constant_pool	常量池	cp_info	countant_pool_count - 1
access_flag	访问标识	u2	1
this_class	当前类索引	u2	1
super_class	父类索引	u2	1
interfaces_count	接口索引集合大小	u2	1
interfaces	接口索引集合	u2	interfaces_count
fields_count	字段索引集合大小	u2	1
fields	字段索引集合	field_info	fields_count
methods_count	方法索引集合大小	u2	1
methods	方法索引集合	method_info	methods_count
attributes_count	属性索引集合大小	u2	1
attributes	属性索引集合	attribute_info	attributes_count

示例

public class ClassHexNormal implements Serializable, Cloneable {

    private int num = 1;

    public int add(int i) {
        int j = 10;
        num = num + i;
        return num;
    }
}

将上述代码编译成 .class 文件，使用 16 进制编辑器打开：

16进制字节码文件

下面我们通过上图来一步步解析字节码文件：

1、魔数 magic numebr

在 class 文件开头的四个字节是 class 文件的魔数，它是一个固定值 0XCAFEBABE。

魔数是 class 文件的标志，它是判断一个文件是不是 class 格式文件的标准。

2、版本号

版本号

前两个字节 0000 代表 次版本号 minor_version。后两个字节 0034 是 主版本号 major_version，对应的十进制值为 52。

所以当前 class 文件的主版本号为 52，次版本号为 0，所以综合版本号是 52.0，也就是 jdk1.8.0。

3、常量池（重点）

紧跟在版本号之后的是一个叫做 常量池的表 cp_info，在常量池中保存了类的各种相关信息。比如类的名称、父类的名称、类中的方法名、参数名称、参数类型等。

常量池中的每一项都是一个表，其项目类型共有14种：

表名	标识位	描述
CONSTANT_uft8_info	1	UTF-8编码字符串表
CONSTANT_Integer_info	3	整型常量表
CONSTANT_Float_info	4	浮点常量表
CONSTANT_Long_info	5	长整型常量表
CONSTANT_Double_info	6	双精度浮点型常量表
CONSTANT_Class_info	7	类、接口引用表
CONSTANT_String_info	8	字符串常量表
CONSTANT_Fieldref_info	9	字段引用表
CONSTANT_Methodref_info	10	类的方法引用表
CONSTANT_InterfaceMethodref_info	11	接口的方法引用表
CONSTANT_NameAndType_info	12	字段或方法的名称和类型表
CONSTANT_MethodHandle_info	15	方法句柄表
CONSTANT_MethodType_info	16	方法类型表
CONSTANT_InvokeDynamic_info	18	动态方法调用表

以 CONSTANT_Class_info 表为例：

table CONSTANT_Class_info {
    u1 tag = 7;
    u2 name_index;
}

【tag】:占用一个字节大小，比如值为 7，说明是 CONSTANT_Class_info 类型表。

【name_index】:是一个索引值，可以理解为一个指针指向常量池汇总索引为 name_index 的常量表，比如 name_index = 2，则它指向常量池中第 2 个常量。

以 CONSTANT_Uft8_info 表为例：

table CONSTANT_uft8_info {
    u1 tag;
    u2 length;
    u1[] bytes;
}

【tag】值为 1，表示 CONSTANT_Utf8_info 类型表。

【length】表示 u1[] 的长度，比如 length=5，则表示接下来的数据是 5 个连续的 u1 类型数据。

【bytes】u1 类型数组，长度为上面第 2 个参数 length 的值。

【注意】

在 java 代码中声明的 String 字符串最终在 class 文件中的存储格式是 CONSTANT_utf8_info。因此一个字符串最大长度也就是 u2 所能表达的最大值 65536 个。但是需要使用2个字节来保存 null 值，因此一个字符串的最大长度为 65536-2 = 65534。

常量池内部的表中也有表与表之间的相互引用，如下图：

表与表之间的关系

16进制中的常量池大小

常量池

class 文件在常量池的前面使用 2个字节的容量计数器，用来代表当前类中常量池的大小。

上图中 0017 转化为十进制是 29，也就是说常量计数器的值为 23。其中下标为 0 的常量被 JVM 留作其他特殊用途，因此当前 class 中实际的常量池大小为这个计数器的值减 1，也就是 22 个。

常量池第一个常量

常量池第一个参数

上图中 0A 转化为10进制后为 10。说明对应常量池 14 种表格图中的 10，也就是 CONSTANT_Methodref_info 表（类的方法引用表）。所以常量池中的第一个常量类型为 方法引用表。

该方法的表结构如下：

CONSTANT_Methodref_info{
    u1 tag = 10;
    u2 class_index; // 指向此方法的所属类
    u2 name_type_index; // 指向此方法的名称和类型
}

也就是说 0A 之后的 2 个字节指向此方法的所属类，在之后的 2 个字节表示该方法的名称和类型。如下图：

方法的类、名称、类型

【0004】十进制是 4，指向常量池中的第 4 个常量。

【0011】十进制是 17，指向常量池中的第 17 个常量。

这里只解析了第一个常量，后面还有 21 个常量，也是与上面说的类似，第一个参数对应 14 种类型的下标，之后再看具体的表结构；如果u1表示一个字节，u2 表示后面 2 个字节，以此类推。

借助 javap 命令

我们可以借助 javap 命令查看 class 常量池中的内容：

javap -v Test.class

// 借助命令查看22个常量
Constant pool:
    // 下标为1的指向 下标为4 和 下标为 17的常量
   #1 = Methodref          #4.#17         // java/lang/Object."<init>":()V
   // 下标为2的指向下标为3和18的常量
   #2 = Fieldref           #3.#18         // ClassHexNormal.num:I
   #3 = Class              #19            // ClassHexNormal
   #4 = Class              #20            // java/lang/Object
   #5 = Class              #21            // java/io/Serializable
   #6 = Class              #22            // java/lang/Cloneable
   #7 = Utf8               num
   #8 = Utf8               I
   #9 = Utf8               <init>
  #10 = Utf8               ()V
  #11 = Utf8               Code
  #12 = Utf8               LineNumberTable
  #13 = Utf8               add
  #14 = Utf8               (I)I
  #15 = Utf8               SourceFile
  #16 = Utf8               ClassHexNormal.java
  #17 = NameAndType        #9:#10         // "<init>":()V
  #18 = NameAndType        #7:#8          // num:I
  #19 = Utf8               ClassHexNormal
  #20 = Utf8               java/lang/Object
  #21 = Utf8               java/io/Serializable
  #22 = Utf8               java/lang/Cloneable

有上可知，下标为 1 的常量表示 Object()方法。

4、访问标志 access_flags

紧跟在常量池之后的常量时访问标志，占用两个字节。访问标志代表类或接口的访问信息。

比如：该 class 文件是类还是接口，是否被定义成 public，是否是 abstract，如果是了是否被声明成 final 等。

访问标志如下：

访问标志	值	描述
ACC_PUBLIC	0x0001	public类型
ACC_FINAL	0x0010	被声明为final类型的类
ACC_SUPER	0x0020	是否允许使用invokespecial字节码指令的新语义，JDK1.0.2之后编译出来的类的这个标志默认为真
ACC_INTERFACE	0x0200	标志这是一个接口类型
ACC_ABSTRACT	0x0400	抽象类或接口类型
ACC_ANNOTATION	0x2000	注解
ACC_ENUM	0x4000	枚举

上面定义的类 ClassHexNormal.java 是一个普通 Java 类，不是接口、枚举、注解。并且被 public 修饰，但没有被声明为 final 和 abstract，因此它对应的 access_flags 为 0021 （0x0001和0x0020结合）

5、类索引、父类索引、接口索引计数器

标志后的2个字节是 类索引；类索引后的2个字节是 父类索引；父类索引后的2个字节是 接口索引计数器。

6、字段表

紧跟在接口索引结合后面的就是字段表；字段表的主要功能是用来 描述类或接口中声明的变量。

这里的字段包含类级别变量以及实例变量，不包括方法内部声明的局部变量。

【注意事项】

字段表集合中不会列出从父类或者父接口中继承而来的字段。
内部类中为了保持对外部类的访问性，会自动添加指向外部类实例的字段。

7、方法表

字段表之后跟着的就是 方法表常量。方法表常量 也是以一个计数器开始的，因为一个类中的方法数量是不固定的。

后面数据依次类推，这里不再举例说明。