跳到主要内容
约 9 分钟4 张卡

Java 字节码

Java 字节码是 JVM 执行的指令格式。javac 把源码编译成字节码,连同类型信息一起写进 Class 文件,再由目标平台的 JVM 执行。

源码中的泛型、装箱和 Lambda,编译后不一定保留原来的写法。读懂 Class 文件,才能确认编译器做了哪些转换。不过,字节码还会经过解释执行或即时编译,不能直接把它当成 CPU 最终执行的机器码。

1. 面试核心​

先记住这几条,再读正文
  • javac 完成语法与类型检查,把泛型擦除、语法糖展开后的程序写入与处理器无关的 Class 文件。卡 · javac 编译
  • Class 文件保存版本、常量池、字段、方法和属性,方法的字节码用局部变量表与操作数栈计算。
  • 方法描述符记录擦除后的参数与返回类型,泛型信息可以保存在 Signature 属性中。
  • 用 javap -v -c -p 可以检查常量池、描述符和字节码。卡 · Class 文件的结构
  • javac --release 8 同时约束语言、Class 版本和可用的平台 API。卡 · Class 版本与目标平台

2. javac 编译​

javac 把合法的 Java 源码转换成 JVM 能读取的 Class 文件。先编译一个乘法方法,再用 javap 看生成的指令:

public final class Price {
public static int total(int unitPrice, int quantity) {
return unitPrice * quantity;
}
}
javac Price.java
javap -c -p Price.class

编译成功后得到 Price.class。在这个过程中,javac 解析语法、检查类型,还会做一系列转换:擦除泛型、插入装箱调用、展开语法糖。编译器也会折叠部分常量表达式,也就是把编译时就能算出来的结果提前算好。

源文件和 Class 文件不是一一对应的。成员类、匿名类和编译器生成的辅助类型都会单独产生 Class 文件,一个源文件编译出好几个 Class 文件很正常。

Class 文件里存的是 JVM 指令和类型信息,不是某种 CPU 的机器码,所以它与处理器无关。CPU 最终执行的仍然是机器码:JVM 要么解释执行这些指令,要么把热点方法编译成当前平台的机器码。

3. Class 文件的结构​

Class 文件不只保存指令,还保存 JVM 理解这些指令需要的类型信息。按顺序读,主要有这几部分:

  • 文件以魔数 0xCAFEBABE 开头,用来识别这是 Class 格式。紧跟着的 minor、major 分别是次版本号和主版本号。
  • 常量池保存字符串等常量,以及类、字段和方法的符号引用。符号引用用名称和描述符说明要访问的目标,到解析阶段才关联到运行时的实际目标。
  • 类型信息记录访问标志、当前类、父类和接口,然后列出字段和方法。
  • 属性补充代码、调试和验证需要的信息。方法的 Code 属性包含字节码和异常表,还用 max_stack、max_locals 记录操作数栈和局部变量表的容量。

Code 属性里还可以有行号表和栈映射帧。行号表把指令位置对应到源码行,异常堆栈里的行号就来自这里;栈映射帧记录某些指令位置上局部变量和操作数栈的类型,供字节码验证使用。abstract 和 native 方法没有 Code 属性,因为 Class 文件里没有它们的 Java 字节码实现。

下面的命令可以查看这些结构:

javap -v Price.class

-v 会输出版本、常量池和属性;再加上 -p,可以显示包括 private 在内的所有成员。

4. 操作数栈与局部变量表​

局部变量表保存方法参数和局部变量,操作数栈保存指令计算时用到的值和中间结果。两者都属于当前方法调用的栈帧,每次调用各有一份。Price.total 的核心字节码如下:

iload_0
iload_1
imul
ireturn

total 是静态方法,两个参数分别在局部变量表的 0 号和 1 号位置。iload_0 和 iload_1 把 unitPrice、quantity 依次压入操作数栈;imul 弹出这两个整数,相乘后把乘积压回栈顶;ireturn 再弹出乘积作为返回值。指令名开头的 i 表示操作的是 int。

栈帧槽位与共享范围见 JVM 运行时数据区域。

5. 方法描述符​

方法描述符用一串字符记录方法的参数类型和返回类型,JVM 靠它匹配要调用的方法。比如下面这个方法签名接收 long 参数,返回 List<String>:

List<String> find(long userId)

擦除后的描述符为:

(J)Ljava/util/List;

括号里是参数,括号后面是返回类型。J 表示 long,L...; 表示类或接口类型。可以看到,<String> 已经不在描述符里了。

泛型擦除后,方法调用就按这个描述符匹配。List<String> 中的 String 这类泛型信息可以另外保存在 Signature 属性中,供反射等工具读取。桥接方法、装箱和增强 for 也都是编译时转换出来的,具体生成了什么结构,以 Class 文件为准。

5.1 方法调用指令​

描述符说明了要调用的方法长什么样,调用指令则决定怎样找到要执行的那个方法。不同指令对应不同的查找和分派方式:

指令主要用途
invokestatic调用静态方法
invokevirtual按接收者类型进行虚方法调用
invokeinterface通过接口类型调用方法
invokespecial构造器、父类调用等特殊调用
invokedynamic通过 bootstrap method 链接动态调用点

接收者是调用实例方法的那个对象,虚方法分派会根据它的实际类型选择具体实现。bootstrap method(引导方法)负责为 invokedynamic 建立调用点,也就是在第一次执行时决定这条动态调用指令具体调用什么。

从 JDK 9 开始,javac 可以用 invokedynamic 实现字符串拼接,Lambda 也会用到这条指令。某段语法具体生成哪种指令,以目标 JDK 的编译产物为准。另外,字节码里的调用指令不等于机器码里一定有一次调用:即时编译器(JIT)内联方法后,会把方法体直接并入调用处。

6. 字节码验证​

JVM 不信任收到的 Class 文件,加载时会先验证它能安全执行。Class 文件不一定来自 javac:Kotlin、Scala 等语言的编译器也会生成 Class 文件,字节码工具还可以在编译后修改类。所以 JVM 在读取和链接时,会检查文件格式、类型约束、指令操作数和控制流。操作数非法或者类型不兼容,验证就会失败,这样非法字节码就没有机会破坏运行时状态。

验证过程见 类加载。

6.1 Class 版本与目标平台​

Class 文件与处理器无关,但运行它的 JVM 必须支持它的版本。比如 Java 8 的 major 版本是 52,Java 17 是 61;用 Java 8 运行 major 为 61 的 Class 文件,会抛出 UnsupportedClassVersionError。

为旧平台编译时,可以用 --release 同时约束语言、Class 版本和平台 API:

javac --release 8 Price.java
javap -v Price.class

在支持这个目标的 JDK 上,输出的 major version 是 52。--release 8 还限制源码只能用 Java 8 的语法和平台 API。

只写 -source 8 -target 8 是不够的:它们约束了语法和 Class 版本,但编译时用的平台 API 仍然来自当前 JDK。代码里不小心用了 Java 8 没有的 API,编译能通过,到旧环境运行时才报链接错误。第三方依赖也要单独确认支持目标版本。

7. 字节码执行​

Class 文件交给 JVM 后,要先变成运行时的类型,才能执行里面的方法。类加载器找到字节并定义类型,JVM 完成验证、准备等链接工作,再在满足使用条件时触发初始化;解析可以推迟到真正用到符号引用时再做。详见 类加载。

执行阶段,HotSpot 先解释字节码,同时收集方法调用频率、实际对象类型等运行信息,这些信息称为运行时画像。根据画像,热点方法会被编译成机器码。执行层级与循环中途切换到编译代码的过程见 分层编译。

编译优化依赖画像中的假设,比如「这里的对象总是某个类型」。假设失效时,已编译的代码会去优化,退回能够正确执行的较低层级。原理见 方法内联与去优化。

8. 常见问题​

8.1 javac 和 JIT 都是编译器,有什么区别?​

两者的工作时机和目标不同。javac 在程序运行前把源码编译成 Class 文件,产物可以在支持相应 Class 版本和所需 API 的 JVM 上运行。即时编译器(JIT)在程序运行时工作,利用调用和类型画像,把热点代码编译成当前平台的机器码。

8.2 反编译能还原原来的源码吗?​

8.3 能从字节码直接判断性能吗?​

9. 面试题卡片​

10. 参考资料​

来源:Coding 101 原文 · 免费阅读,引用请保留出处。内容使用说明