title: java字节码 date: 2024-07-09 23:38:00+8 tags: - java - 字节码 - classFile

1 什么是字节码

.class文件的内容就是字节码，jvm定制了一套class文件规范，只要按照这个规范的文件就可以在jvm中被加载成类。

class文件与elf这种可执行文件一样，也是一种数据结构，或者说是一个结构体，只不过相比于elf来说，class文件要简单太多了，简单讲就是把我们的java代码给压缩了。通过xxd指令可以简单的看一下，class文件中的内容，这些字节数组就是字节码，整个文件满足ClassFile的结构规范。

2 类文件规范

class file specification类文件规范就是字节码规范，可以从oracle Java SE Specifications的文档中找到第四章，链接，这部分是class文件的规范，url中se21是java21版本的规范，可以改成其他比如se7，你会发现class文件的整体结构变化不大，并且java有着非常变态的向前兼容性，java21能够兼容java1.0版本的class文件。

官网上来就贴出来了一张图，这张图至少从java7到21都没有变过，更早的文档不在这里维护了，不过可能也没变过，就是下面这张ClassFile的结构。

每个class文件都是满足这个结构体的。我们可以下载jclasslib小工具或idea插件，打开后会发现在通用信息中，其实涵盖了ClassFile结构体的大部分字段，这些字段都是单层深度，没有嵌套。

插件的用法是，先compile之后，通过view->Show Bytecode With Jclasslib

一般信息中，涵盖了一个类的基础信息，对应了上面图片中单层结构的字段，即非数组的部分。这部分比较简单，有一些内定的值，比如

大版本号52对应java8,53是java9...
访问标识指类是public/pravite等。
this和parent的类名，是用/分割的，而不是.。

剩下的部分在左侧栏，依次是常量池 实现的接口列表 字段列表 方法列表 属性列表

2.1 常量池

常量池一般是ClassFile结构体中最大的部分之一(方法也很大)，cp_info是每一种常量类型的结构体，如下，第一个字节是类型，后面是数据，每一种类型或者叫tag，对应的info[]的内容是不一样的。

cp_info {
    u1 tag;
    u1 info[];
}

主要的tag类型如下(这个其实不重要所有这些信息都可以从官方文档看到，只是简单列举一下)

Constant Type	Value
CONSTANT_Class	7
CONSTANT_Fieldref	9
CONSTANT_Methodref	10
CONSTANT_InterfaceMethodref	11
CONSTANT_String	8
CONSTANT_Integer	3
CONSTANT_Float	4
CONSTANT_Long	5
CONSTANT_Double	6
CONSTANT_NameAndType	12
CONSTANT_Utf8	1
CONSTANT_MethodHandle	15
CONSTANT_MethodType	16
CONSTANT_InvokeDynamic	18

这些类型中很多都是定长的，很容易定位，比如Long Integer Float等等，甚至Class这些基本也是定长的，虽然类名长度是不确定的，但是Class_info是定长3个字节，后面2个是个下标指向类名字符串的位置，最终会指向一个CONSTANT_Utf8。

CONSTANT_Utf8中有2个字节记录长度，如下，所以这样就能分割出每种结构了，要么是定长，变长的会有字段记录长度。

2.2 接口

这部分是当前class实现的接口列表，interfaces部分的定义是个u2[]而不是字符串，每个u2是cp_info的一个下标指，即接口名也是作为字符串常量存储到常量池的。

如下，实现了java.lang.Runnable，这里存储的是下标4，指向的是常量池字符串java/lang/Runnable

2.3 字段

fields部分是如下结构体的数组，

field_info {
    u2             access_flags;
    u2             name_index;
    u2             descriptor_index;
    u2             attributes_count;
    attribute_info attributes[attributes_count];
}

access_flags与之前类的是类似的，name_index记录字段名在常量池的下标，所以是u2类型，descriptor_index是类似的，表示当前字段的类型描述。这里需要专门解释下discriptor的形式，后面方法中也会看到类似的。基础类型都是用一个字母表示，而对象类型是用Ljava/lang/String;表示，注意前面有个L，后面有个;，这是一个discriptor写法规范。基础类型的描述符如下，基本都是首字母的大写：

int I
long J （因为L给长类型用作前缀了，所以换J）
short S
byte B
float F
double D
boolean Z （因为B给byte了，所以换Z）
char C

attribute_info是属性列表，这个暂时跳过，最后会简单提一下，属性非常多，每个java版本基本都会新增一些属性。

2.4 方法

方法是method_info数组如下，也是访问级别，名称，描述和属性，与field_info是一模一样的。

method_info {
    u2             access_flags;
    u2             name_index;
    u2             descriptor_index;
    u2             attributes_count;
    attribute_info attributes[attributes_count];
}

与field_info的描述符格式不一致，函数的描述符是由(入参)返回值组成的，入参如果有多个，是并排的列出的并不需要任何符号隔开，例如String test(int a, long b, String c)的描述符就是(IJLjava/lang/String;)Ljava/lang/String;。而返回值部分除了正常的返回值类型的描述符，还增加了一种V是对void返回类型的描述。同时还需要注意有两个方法名是比较特殊的，一个是<init>指的是构造方法的方法名，还有一个是<clinit>是静态代码块组成的类初始化时候运行的方法。

此外，方法中都会有code这个属性，该属性中放置了方法的代码字节码，我们也放到属性部分再说。

2.5 属性

在ClassFile级别最后的部分是由属性attributes的，而上面的field_info和class_info中也是有attributes信息的，属性信息会有较大可扩展性，很多java新版本的特性想要扩展，那属性是一个很好的放置位置，以便于不改变整体的结构。属性部分是最复杂，在jdk21的规范中已经支持了30种属性结构了。

这里我们不再对每一种属性都单独讲解了，官方文档有较为细致的解释，这里挑几个比较常见的。

2.5.1 ConstantValue

ConstantValue类型，只针对常量static final的基础类型或字符串的属性，在编译器赋值，而不是运行时，提高效率。

2.5.2 Code

Code类型，函数体的内容，这个是非常重要的，尤其是后面学习ASM指令，一个类主要承载的功能，都反应在了method的code里，code类型的结构体非常复杂，我们可以直接看jclasslib给我们图形化展示之后的，以构造方法<init>为例，这段代码中，我们虽然没有写构造方法，但是默认也会有构造方法，默认的实现就是super()也就是调用父类的构造方法；此外我们还对字段进行了赋值所以有如下代码。

我们在下一节会详细展开介绍code中的不同指令。

2.5.3 Exception

Exception类型，函数中声明的抛出的异常，可以有多个。注意这里是声明的抛出的异常，不包含一些运行时的异常。

区分Code异常表和Exception属性：通过try-catch的异常会出现在code异常表。

2.5.4 LineNumberTable

Code属性中的一个属性，记录行号的，方便debug

2.5.5 LocalVariableTable

局部变量或者叫本地变量表，也是Code中的属性，记录本地变量的名字，比如方法中int a = 100;，a这个变量名字和变量索引的对应关系就会记录在局部变量表，这个也是debug方便的，与LineNumberTable一样，他俩即使删了，也不影响字节码运行。因为学asm的时候会看到这俩所以提一下。

2.5.6 Signature

Signature与泛型密切相关，虽然java的泛型在执行的时候会被擦除，但是这是为了兼容老版本的java，泛型信息其实还是被记录了下来，会被放置到这个属性中，例如names是个List<String>，他的字段信息中只有List没有泛型信息，但是Signature属性中，是有记录泛型信息的。

3 函数Code中的指令

ClassFile的结构介绍完毕了，其中最最核心的部分其实没有展开，那就是函数的code部分的字节码。这里我们需要了解，操作数和操作数栈的概念：

操作数就是常见的变量例如基础类型和对象引用，我们的函数就是在操作这些操作数，如果想要操作他们，那么必须先进行load加载，加载会将操作数加载到一个栈的数据结构上，这个栈就是操作数栈。例如我们想要完成a + b这个操作，需要把a加载到栈，再把b加载到栈，然后运行加法操作。

我们看一下对应的字节码：

通过这个图，我们有了一个大概的概念，就是我们想要执行一个操作或者说一个行为，不管是加法操作还是函数调用操作还是其他操作，都需要先准备好要操作的数，比如这里的a和b要先load到栈上，然后执行iadd进行加法操作，操作会消耗掉栈顶特定个数的操作数，比如iadd是消耗两个，如果操作有返回，也会放置到栈顶。

接下来我们就需要了解一些常用的指令了，比如操作数需要load才能放置到栈顶，那么有哪些load指令呢？

3.1 load/push

load的形式有很多种，比如我们可以把本地变量load到栈顶

iload_{y}按照int或byte或char或boolean或short类型，加载第y个变量。
lload_{y}按照long类型加载第y个变量。
fload_{y}按照float类型加载第y个变量。
dload_{y}按照double类型加载第y个变量。
aload_{y}按照对象类型加载第y个变量，aload_0加载this，默认第0个位置是this

或者常量load到栈顶

ldc load contant 加载常量(int或byte或char或boolean或short或float类型或字符串常量)
ldc_w 如果上面几种类型，因为一些不可抗力存到了宽索引，即2个栈帧中，则需要用这个指令，较少使用。
ldc2_w 加载long 或 double类型常量

但是ldc对于一些小数字类型的性能稍差（但也可以用），于是为了性能有一些专门的指令

iconst_<n>如果是0-5可以优化性能
iconst_m1同上专门针对-1的load
bipush针对byte范围的int值的load
sipush针对short范围的int值的load
上面只是int的其他类型也有专门的指令，这里不再列出。

3.2 store

上面iload_1是把本地变量1加载到栈顶，但是一开始没有存储本地变量1呢？所以是会先有一个存储的过程，这就是store指令了。

istore_{y}把栈顶的int或byte或char或boolean或short类型消耗掉，存到本地变量y，y是数字。
lstore_{y}把栈顶的long消耗，存到本地变量y。!!注意long占用两个栈帧，消耗掉两个栈顶的位置。
fstore_{y}把栈顶的float消耗，存到本地变量y。
dstore_{y}把栈顶的double消耗，存到本地变量y。!!注意double占用两个栈帧，消耗掉两个栈顶的位置。
astore_{y}把栈顶的对象地址消耗，存到本地变量y。

3.3 return

return之后需要保证栈是空的，不然编译会验证不通过。

return等于代码return，不消耗栈顶
ireturn消耗栈顶一帧，返回一个int或byte或char或boolean或short类型
freturn消耗栈顶一帧返回一个float
lreturn消耗栈顶2帧返回一个long
dreturn消耗栈顶2帧返回一个double
areturn消耗栈顶一帧返回一个地址，即返回一个对象类型的内存地址

注意：return不一定是代码结束的地方，可能有判断分支有多个return语句，而且还有可能是athrow抛出异常。

3.4 pop/dup/new

如果一个栈上的操作数，想要直接消耗掉，则直接用pop指令消耗一个栈帧，比如运行了一个函数操作后，直接忽略函数的返回值就可以pop消耗掉，如果返回值是long/double可以pop两次，或者pop2指令消耗。

如果想要复制一份操作数栈顶的数，即栈顶连续两个相同操作数则使用dup dup2这样的指令，这经常用于new一个对象。

Object obj = new Object();

对应字节码，如下new指令作用是，创建一个对象会在堆上分配内存，并将内存的地址放到操作数栈上；注意这里有个dup把地址复制了一份，这是new对象的一个固定操作，因为invokespecial #1 <java/lang/Object.<init> : ()V>这个构造方法与普通非静态方法一样，会消耗掉一个操作数作为this。所以需要提前把地址备份一下，不然new完地址就丢了，下面会说invoke相关指令。

new #4 <java/lang/Object>
dup
invokespecial #1 <java/lang/Object.<init> : ()V>

dup还有一些变种，例如dup_x1效果是[top-A-B] => [top-A-B-A]，复制栈顶，但复制的位置是跳过一个。dup_x2同理还有什么dup2_x1 dup2_x2，当然这几个指令都可以用dup pop store load实现，只不过这个效率更高。

此外new不能创建数组对象，数组比较特殊，有专门newarray基础类型数组，anewarray创建对象类型数组，multianewarray创建数组类型数组（多维）。

3.5 invoke

invoke是函数调用的指令，他主要有5种，

invokevirtual普通的可访问的方法，需要依次把对象，参数从左到右放到栈顶。
invokestatic静态方法，需要依次把参数从左到右放到栈顶。
invokespecial特殊方法，构造方法，私有方法，父类中的方法，接口的default实现等，根据情况参考上面的操作数顺序。
invokeinterface接口方法，栈顶操作数顺序参考上面。
invokedynamic动态方法，一般是lambda表达式，栈顶操作数顺序参考上面。

3.6 基础运算

基础运算是加减乘除位运算等，[iflda]是代表类型，下面用{t}表示

{t}add {t}sub {t}mul {t}div 栈顶俩数，加减乘除四则运算
{t}and {t}or {t}xor 栈顶俩数，与或异或，注意没有非门，非是通过和全1的值异或得到。
{t}shl {t}shr {t}shur 左右移无符号右移<< >> >>>，没有无符号左移，左移与符号本就无关。
{t}rem 栈顶一个数，取余%
{t}neg 栈顶一个数，取反-a
{t}2{t} 基础类型转换
iinc int特有的++操作符，其他类型没有

3.7 跳转相关

当出现流程控制的时候，字节码会变得复杂。例如if(a>b) print("a>b"); else print("a<=b");最基本的判断分支，单次执行只能走到一个分支，那就需要跳转。还是用{t}表示类型，用{cond}表示条件：eq等，ne不等，lt le gt ge小于、小于等于、大于、大于等于、

if_{t}cmp{cond} num 比较栈顶两个数，是否满足cond，如果是则跳转到num指令。
if{cond} num 直接判断栈顶一个数，是否满足cond，例如ifeq代表栈顶为0则跳转，ifnq是栈顶不为0跳转
goto num 无脑跳转

这是条件分支的代码，满足a<=b跳转16行，否则继续往下执行，执行到goto直接跳转到24行return指令。

这里不得不提一些try-catch，例如对上述代码套一层，看字节码会发现两个判断分支都会走到24指令，原来的24是return现在是goto 36，而后者其实就是return，所以看上去根本执行不到24-36之间的catch处理。

其实try-catch是专门记录到code的异常表中的，上面提到过异常表和异常属性的区别。

imag

注意只需要记录tryStart tryEnd 和 catchStart，不需要记录catchEnd，因为catch中可以自己goto跳走，或return/athrow结束。

感兴趣的可以自己看下，如果是try-catch-finally会是怎样的字节码，要复杂很多。