吃透JVM篇（2）-class字节码里都是啥

2022-02-24 本文已影响0人 bridegg

这篇文章为啥属于JVM？

因为只有理解了classLoader拿了一坨啥东西，才能理解这坨东西怎么在jvm中存储使用的

这篇文章能学会啥？

1基础阅读字节码的能力

2使用神器classpy

3code里面大体都有哪些东西

为啥android的工程师要看这个？

还不是因为卷？想会插装，必定要会ASM，会ASM必须知道啥原理，想知道原理就得看class字节码都有啥

字节码里都有啥？

来吧~准备做实验，看看都是啥
编写一个啥也没有的java类保存并编译，并且查看

java类代码

编译成class并查看

然后你得到一坨乱码

乱码
不要慌，因为打开方式不正确，我们通过vim命令将展示变成16进制展示
代码如下 “:%!xxd”
看到这坨代码

16进制

明显看到class分为三大块，做成一大坨0是行号，右侧一大坨..是类似说明的东西，第一次的乱码就是展示的这玩意，真正的内容在中间每四个一位的16进制串

看到这里不禁会问：这玩意是啥？

这就是jvm可以理解的语言

那人可以读懂不？

既然jvm是人发明的，那jvm懂的东西，人也能读懂，现在可以把这坨东西理解成战争片里的加密电报，我们需要一份解密的密码表才能读懂。

寄出多啦A梦，掏出密码表

密码表

类型	名称	数量
u4	magic 魔数 tag 判断是否是class文件	1
u2	minor_version java副版本号	1
u2	major_version java主版本号	1
u2	constant_pool_count 常量池数量（后面有几个常量）	1
cp_info	constant_pool 常量池	constant_pool_count - 1
u2	access_flags 访问权限	1
u2	this_class 该类在常量池索引	1
u2	super_class 父类在常量池索引	1
u2	interfaces_count 实现接口列表的数量	1
u2	interfaces 接口索引	interfaces_count
u2	fields_count 成员列表数量	1
field_info	fields 成员详细信息	fields_count
u2	methods_count 方法数量	1
method_info	methods 方法信息	methods_count
u2	attributes_count class属性数量	1
attribute_info	attributes class的属性信息	attributes_count

这个表其实已经烂大街了，但是还是需要列举下，class的code就是按照上表的顺序一一通过16进制排列的。
首先可以看到类型里有u2，u4，各种_info
其中u1、u2..这种类型叫做无符号数，字节长度固定为u后面的数字
已info结尾的叫表，一个表是由多个无符号数组成的，字节长度是由实际表中的数量来确定的

知道上面的知识我们对刚刚的代码做一个分析，如下图

前四位分析
一个字节由两个十六进制位组成，所以magic 的u4类型为8个十六进制位，对应：cafe babe（老梗了，java的咖啡梗）
minor_version u2，对应0000，转化十进制0
major_version u2，对应0034，转化十进制52（糟了，和我学习的文章撞车了。。都是java8，一会改个java11试试）
常量池里是000d，转成十进制 13个
后面的一坨暂时不能解析了，因为涉及到cp_info表的内容了，你可以理解为在战争片里后面的内容涉及到更高的机密，需要长官手里的密码表才能解密。那就去找下cp _info的内容。
解密cp_info前在网上找到了一张图，感觉非常清晰，这里附上文章链接

cp_info区域组成

这里需要解释为什么是count-1个cp_info ，因为0位需要表示没有常量引用，所以下标直接从1开始，所以数量就是count-1（就是生活中的第几个第几个，如果没有就0个）

常量名称	包含类型	长度类型	说明
CONSTANT_Utf8_info	tag	u1	值为1
	length	u2	UTF-8编码的字符串占用的字节数
	bytes	u1	长度为length的UTF-8编码的字符串
CONSTANT_Integer_info	tag	u1	值为3
	bytes	u4	按照高位在前存储的int值
CONSTANT_Float_info	tag	u1	值为4
	bytes	u4	按照高位在前存储的float值
CONSTANT_Long_info	tag	u1	值为5
	bytes	u8	按照高位在前存储的long值
CONSTANT_Double_info	tag	u1	值为6
	bytes	u8	按照高位在前存储的double值
CONSTANT_Class_info	tag	u1	值为7
	index	u2	指向全限定名常量项的索引
CONSTANT_String_info	tag	u1	值为8
	index	u2	指向字符串字面量的索引
CONSTANT_Fieldref_info	tag	u1	值为9
	index	u2	指向声明字段的类或接口描述符CONSTANT_Class_info的索引项
	Index	u2	指向字段描述符CONSTANT_NameAndType的索引项
CONSTANT_Methodref_info	tag	u1	值为10
	index	u2	指向声明方法的类描述符CONSTANT_Class_info的索引项
	index	u2	指向名称及类型描述符CONSTANT_NameAndType的索引项
CONSTANT_InterfaceMethodref_info	tag	u1	值为11
	index	u2	指向声明方法的接口描述符CONSTANT_Class_info的索引项
	index	u2	指向名称及类型描述符CONSTANT_NameAndType的索引项
CONSTANT_NameAndType_info	tag	u1	值为12
	index	u2	指向该字段或方法名称常量项的索引
	index	u2	指向该字段或方法描述的索引
CONSTANT_MethodHandle_info	tag	u1	值为15
	reference_kind	u2	值必须在[1,9]之间，它决定了方法句柄的类型，方法句柄类型的值表示方法句柄的字节码行为
	reference_index	u2	值必须是对常量池的有效引用
CONSTANT_MethodType_info	tag	u1	值为16
	descriptor_index	u2	值必须是对常量池的有效引用,常量池在索引处的项必须是CONSTANT_Utf8_info结构,表示方法的描述符
CONSTANT_InvokeDynamic_info	tag	u1	值为18
	bootstrap_method_attr_index	u2	值必须是当前Class文件中引导方法表的bootstrap methods[]数组的有效索引
	name_and_type_index	u2	值必须是对当前常量池的有效索引,常量池在该处的索引必须是CONSTANT_NameAndType_info结构,表示方法名和方法描述符

这么长一个表格，我粘都粘了很久，估计看就更没心情了，拿整个简单版，如下

常量类型	长度类型	tag十进制值
uft-8	u1	1
Integer	u1	3
Float	u1	4
Long	u1	5
Double	u1	6
Class	u1	7
String	u1	8
Field	u1	9
Method	u1	10
InterfaceMethod	u1	11
NameAndType	u1	12
MethodHandle（句柄类型）	u1	15
MethodType	u1	16
InvokeDynamic	u1	18

现在我们按照这个常量表来查上面的一坨代码，首先知道目前有13个常量，先看tag

tag

0a对应10参考上面的表是Method，对应上面表的上面的表是这个


CONSTANT_Methodref_info	tag	u1	值为10
	index	u2	指向声明方法的类描述符CONSTANT_Class_info的索引项
	index	u2	指向名称及类型描述符CONSTANT_NameAndType的索引项

说明这个cp_info长度为u1+u2+u2=5byte,所以这个cp表的完整数据就是 tag：0a, classInfo索引：00 03（这里0003指的是第三个cp_info）,nameAndType索引:00 0a 对应的是第十个cp_info,后面用classpy会更加直观

剩下的访问权限，索引等等，方法同cp_info相同，需要提前知道本文第一个密码表（其实是结构表，别被我的文字带歪了），所有的对应结构，就可以阅读十六进制字节码了。

到此你已经具备基本的阅读class字节码的能力了，但是！我们是人类，需要学会使用工具，所以在这里我要推荐阅读class字节码的神器classpy

classpy的使用方式

brew

Mac 的同学 classpy提供了简便的方法，通过

brew tap guxingke/repo && brew install classpy

直接安装

下载代码编译

下载的时候需要确定自己的java版本，如果是8到java8的分支下载，目前首页是15

java15的编译方式,下载代码，进入命令行进入目录，输入如下代码编译

./gradlew fatJar

java 8分支用以下命令编译

./gradlew uberjar

编译成功后使用，下面代码运行

./gradlew run

我们现在把一开始生成的class文件加载到工具里，可以看到一个表结构非常清晰的class文件解析

工具类

通过工具我们可以看到，一个空类包含的常量有12个，大多都是utf-8（字符常量），但是也包含两个class，和一个nameAndType

image.png

其中因为Java万物皆object，所以所有的类型均继承自Object，所以每个类文件当然会包含一个Object类的索引（#03）
当前类Demo也会创建出来一个索引，供别人使用（#02）

那么03和02里又存的什么？
看下面的图

类中保存的限定名称

我们发现其实类里保存的是当前类的限定名称，
同理下面两个是一一样的道理

Object的限定名称

nameAndType

java还规定了如果没有自定义构造函数，就会默认创建一个空构造函数，而（10#）这个方法名称常量索引应该就是空构造函数初始化的方法。
最后关注下#5 发现有索引指向这个字符，别的字符都有一定的意义，这个字符什么鬼，只有一个V？
其实这个v代表的是void，这里有份表，将各个单个字符的意思做了说明

字符说明表

按照工具继续往下看

权限

从这里我们可以看出access_flag包含两个属性 public和super，其中public大家都了解，super代表的是invokespecial，其实就是执行父类方法时的一个特殊的执行命令，通过super就可以拿到父类方法。就是平时用的super关键字。

再看class相关

class

这里的十六进制对应的是常量地址#02，#03，所以这里指向的是常量对象Object和Demo，从这里也可以看出我们写的空类继承自Object。

剩下的由于没写，所以都为空，最后重点看下methods

methods

此处看到methods里的索引也是指向#0，而常量池开始位置为#1，所以当前存储的位置并没有指向常量池，但是里面的名字和方法描述是指向常量，所以这块索引到底属于哪？求大神解答。最后还有个attrbutes表，里面内容如下

attrbutes
其实这里code中的各个指令，将来就是运行时区的虚拟栈中的栈帧
指令都是干啥的这里暂时不展开研究，到分析jvm运行时应该还会碰到，到时候展开研究

以上就是javac编译完的class文件包含的内容，其实这篇文章的第一个表格就是class字节码里存储的内容。
最后附上java class 官方文档，里面的表格要啥有啥

最后引申android的Dex文件和oat文件

在上篇文章已经说过android的jvm是DVM和ART，对应执行的文件是dex文件，dex和class本质上是相同的，区别就是将大部分class整合，将原本的虚拟栈区域替换成了寄存器。那dex包含哪些东西呢？

dex

看下面的表

名称	格式	说明
header	header_item	标头
string_ids	string_id_item[]	字符串标识符列表。这些是此文件使用的所有字符串的标识符，用于内部命名（例如类型描述符）或用作代码引用的常量对象。此列表必须使用 UTF-16 代码点值按字符串内容进行排序（不采用语言区域敏感方式），且不得包含任何重复条目。
type_ids	type_id_item[]	类型标识符列表。这些是此文件引用的所有类型（类、数组或原始类型）的标识符（无论文件中是否已定义）。此列表必须按 string_id 索引进行排序，且不得包含任何重复条目。
proto_ids	proto_id_item[]	方法原型标识符列表。这些是此文件引用的所有原型的标识符。此列表必须按返回类型（按 type_id 索引排序）主要顺序进行排序，然后按参数列表（按 type_id 索引排序的各个参数，采用字典排序方法）进行排序。该列表不得包含任何重复条目。
field_ids	field_id_item[]	字段标识符列表。这些是此文件引用的所有字段的标识符（无论文件中是否已定义）。此列表必须进行排序，其中定义类型（按 type_id 索引排序）是主要顺序，字段名称（按 string_id 索引排序）是中间顺序，而类型（按 type_id 索引排序）是次要顺序。该列表不得包含任何重复条目。
method_ids	method_id_item[]	方法标识符列表。这些是此文件引用的所有方法的标识符（无论文件中是否已定义）。此列表必须进行排序，其中定义类型（按 type_id 索引排序）是主要顺序，方法名称（按 string_id 索引排序）是中间顺序，而方法原型（按 proto_id 索引排序）是次要顺序。该列表不得包含任何重复条目。
class_defs	class_def_item[]	类定义列表。这些类必须进行排序，以便所指定类的超类和已实现的接口比引用类更早出现在该列表中。此外，对于在该列表中多次出现的同名类，其定义是无效的。
call_site_ids	call_site_id_item[]	调用站点标识符列表。这些是此文件引用的所有调用站点的标识符（无论文件中是否已定义）。此列表必须按 call_site_off 以升序进行排序。
method_handles	method_handle_item[]	方法句柄列表。此文件引用的所有方法句柄的列表（无论文件中是否已定义）。此列表未进行排序，而且可能包含将在逻辑上对应于不同方法句柄实例的重复项。
data	ubyte[]	数据区，包含上面所列表格的所有支持数据。不同的项有不同的对齐要求；如有必要，则在每个项之前插入填充字节，以实现所需的对齐效果。
link_data	ubyte[]	静态链接文件中使用的数据。本文档尚未指定本区段中数据的格式。此区段在未链接文件中为空，而运行时实现可能会在适当的情况下使用这些数据。

附上dex文件格式的官方链接

dex和oat有什么不同

之前文章说过在dvm和art中所有的程序执行时需要通过解释器或者jit去翻译真实的机器语言，而oat文件是直接将机器语言保存起来，当需要直接加载已经编译成机器语言的oat文件，官方由张图片，大家感受下

oat和dex执行流程

class和dex搞明白了，就要开始研究加载的流程了,下篇文章主要来了解classLoader相关的内容