手写JVM系列(9)-指令集

编译之后的 Java 方法以字节码的形式存储在 class 文件中。前面已经初步实现了 Java 虚拟机栈、帧、操作数栈和局部变量表等运行时数据区。那么 JVM 是如何操作局部变量表和操作数栈中的数据呢？这就涉及到了 JVM 的字节码指令集。这一节对 JVM 的字节码指令集做一个介绍，本节所实现的指令位于项目的 instructions 包下。

字节码简介

字节码是运行在虚拟机上的机器码,每一个类或者接口都会被 Java 编译器编译成一个 class 文件，类或接口的方法信息就放在 class 文件的 method_info 结构中。如果方法不是抽象的，也不是本地方法，方法的 Java 代码就会被编译器编译成字节码（即使方法是空的，编译器也会生成一条 return 语句），存放在 method_info 结构的Code 属性中。 ==> 字节码一般来说是针对方法中的步骤的；

指令简介

字节码中存放编码后的 Java 虚拟机指令。

指令 = 操作码 + 操作数（如果有的话）

• 操作码（Opcode）：一个字节长度，代表着某种特定操作含义。
• 操作数（Operands）：操作码后面需要跟零到多个代表该操作码所需的参数。

所以 Java 虚拟机使用的是变长指令

如果把指令想象成函数的话，操作数就是它的参数。每条指令都以一个单字节的操作码（opcode）开头。由于只使用一字节表示操作码，显而易见，Java 虚拟机最多只能支持 256（2^8 ）条指令。

Java 虚拟机规范已经定义了 205 条指令，操作码分别是 0（0x00）到 202（0xCA）、254（0xFE）和 255（0xFF）。这 205 条指令构成了 Java 虚拟机的指令集（instruction set）。

字节码指令是一种具有鲜明特点，优劣势都很突出的指令集架构。

缺点：由于 Class 文件格式放弃了将编译后操作数长度对齐，那么如果处理那些超过一个字节的数据时，不得不在运行时从字节中重建出具体数据，eg：将一个 16 位无符号整数用两字节（byte1，byte2）存储起来，那么在读取该 16 位整数时，需要这样转换：( byte1 << 8 ) | byte2，这导致解释执行操作码时损失了一些性能。

优点：放弃了操作数长度对其，意味着可以省略很多填充和间隔符号，尽可能获取短小精干的编译代码（小数据量，高效传输）

操作码的数据类型

为了让编码后的字节码更加紧凑，很多操作码本身就隐含了操作数，比如把常数 0 推入操作数栈的指令是 iconst_0。

操作数栈和局部变量表只存放数据的值，并不记录数据类型。结果就是：指令必须知道自己在操作什么类型的数据。这一点也直接反映在了操作码的助记符上。

例如：

iadd 指令就是对 int 值进行加法操作；

dstore 指令把操作数栈顶的 double 值弹出，存储到局部变量表中；

areturn 从方法中返回引用值。

也就是说，如果某类指令可以操作不同类型的变量，则助记符的第一个字母表示变量类型。

助记符首字母	数据类型	例子
a	reference	aload、astore、areturn
b	byte/boolean	bipush、baload
c	char	caload、castore
d	double	dload、dstore、dadd
f	float	fload、fstore、fadd
i	int	iload、istore、iadd
l	long	lload、lstore、ladd
s	short	sipush、sastore

并非每个基本数据类型都有对应的操作码，从上图可以看到大部指令都没有直接支持 byte、char、short、boolean，编译器会在编译器或者运行期将 byte 和 short 类型的数据带符号扩展为相应的 int 类型，将 boolean 和 char 类型数据零位扩展为相应的 int 类型。因此，大多数对于 byte、char、short、boolean 的操作，实际上都是使用相应的 int 类型作为运算类型。

指令的分类

因为使用一字节表示操作码，所以 Java 虚拟机最多只能支持 256（2^8 ）条指令。

Java 虚拟机规范已经定义了 205 条指令，操作码分别是 0（0x00）到 202（0xCA）、254（0xFE）和 255（0xFF）。这 205 条指令构成了 Java 虚拟机的指令集（instruction set）。

Java 虚拟机规范把已经定义的 205 条指令按用途分成了 11 类：

1. 常量（constants）指令
2. 加载（loads）指令
3. 存储（stores）指令
4. 操作数栈（stack）指令
5. 数学（math）指令
6. 转换（conversions）指令
7. 比较（comparisons）指令
8. 控制（control）指令
9. 引用（references）指令
10. 扩展（extended）指令
11. 保留（reserved）指令

注:保留指令共有 3 条。其中一条是留给调试器的，用于实现断点，操作码是202（0xCA），助记符是breakpoint。另外两条留给Java虚拟机实现内使用，操作码分别是254（0xFE）和266（0xFF），助记符是impdep1和impdep2。这三条指令不允许出现在 class 文件中。

接下来这上述的 11 类指令做一个简单的介绍，并在每种类别的指令中跳出几个有代表性的进行简要说明。

常量指令

常量指令把常量推入操作数栈顶。常量可以来自三个地方：隐含在操作码里、操作数和运行时常量池。

nop 指令

nop 指令是最简单的一条指令，因为它什么也不做。

const 系列指令

这一系列指令把隐含在操作码中的常量值推入操作数栈顶。几个具体的例子如下：

• aconst_null 指令把 null 引用推入操作数栈顶

• dconst_0 指令把 double 型 0 推入操作数栈顶

• iconst_m1 指令把 int 型 -1 推入操作数栈顶

  ​

bipush 和 sipush 指令

bipush 指令从操作数中获取一个 byte 型整数，扩展成 int 型，然后推入栈顶。

sipush 指令从操作数中获取一个 short 型整数，扩展成 int 型，然后推入栈顶。

加载指令

加载指令从局部变量表获取变量，然后推入操作数栈顶。加载指令共 33 条，按照所操作变量的类型可以分为 6 类:

1. aload 系列指令操作引用类型变量
2. dload 系列操作 double 类型变量
3. fload 系列操作 float 变量
4. iload 系列操作 int 变量
5. lload 系列操作 long 变量
6. xaload 操作数组

存储指令

和加载指令刚好相反，存储指令把变量从操作数栈顶弹出，然后存入局部变量表。

栈指令

直接对操作数栈进行操作，栈指令并不关心变量类型（但是可以确定不是 long 和 double，因为这两种类型占用两个 Slot，所以这里虽然不管类型，但是可以确定是占用了一个 Slot）。共 9 条：

• pop 和 pop2 指令将栈顶变量弹出
• dup 系列指令复制栈顶变量
• swap 指令交换栈顶的两个变量

数学指令

数学指令大致对应 Java 语言中的加、减、乘、除等数学运算符。

数学指令共 37 条，包括：

• 算术指令
• 位移指令
• 布尔运算指令
• 自增指令(eg:i++)

算术指令

1. 加法（add）指令
2. 减法（sub）指令
3. 乘法（mul）指令
4. 除法（div）指令
5. 求余（rem）指令
6. 取反（neg）指令

位移指令

1. 左移

2. 右移

   1. 算术右移（有符号右移）
   2. 逻辑右移（无符号右移）

   ​

布尔运算指令

布尔运算指令只能操作 int 和 long 变量：

1. 按位与（and）
2. 按位或（or）
3. 按位异或（xor）

iinc 指令

iinc 指令给局部变量表中的 int 变量增加常量值，局部变量表索引和常量值都由指令的操作数提供。

类型转换指令

类型转换指令可以分为 4 种：

• i2x 系列指令把 int 变量强制转换成其他类型
• l2x 系列指令把 long 变量强制转换成其他类型
• f2x 系列指令把 float 变量强制转换成其他型
• d2x 系列指令把 double 变量强制转换成其他类型

注意:引用类型转换对应的是 checkcast 指令,在后面的章节会出现。

比较指令

比较指令可以分为两类：

• 将比较结果推入操作数栈顶。
• 根据比较结果跳转。

lcmp 指令

用于比较 long 变量,把栈顶的两个 long 变量弹出，进行比较，然后把比较结果（int 型 0、1 或 -1）推入栈顶。

fcmp 指令

指令和 lcmp 指令很像，但是除了比较的变量类型不同以外，还有一个重要的区别:由于浮点数计算有可能产生 NaN（Not a Number）值，所以比较两个浮点数时，除了大于、等于、小于之外， 还有第 4 种结果：无法比较

fcmpg 和 fcmpl 指令的区别就在于对第 4 种结果的定义;
当两个 float 变量中至少有一个是 NaN 时，用 fcmpg 指令比较的结果是 1，而用 fcmpl 指令比较的结果是 -1。

dcmp 指令

dcmpg 和 dcmpl 指令用来比较 double 变量,这条指令和 fcmp 指令只是比较的变量类型不同。

if<cond>指令

if<cond>指令把操作数栈顶的 int 变量弹出，然后跟 0 进行比较，满足条件则跳转。假设从栈顶弹出的变量是 x，则指令执行跳转操作的条件如下：具体判定之后如何跳转,现在先不讨论;

ifeq：x==0
ifne：x！=0
iflt：x<0
ifle：x<=0
ifgt：x>0
ifge：x>=0

if_icmp<cond>指令

if_icmp<cond>指令把栈顶的两个 int 变量弹出，然后进行比较，满足条件则跳转。跳转条件和 if指令类似。

if_acmp<cond>指令

把栈顶的两个引用弹出，根据引用是否相同进行跳转。

控制指令

分类:

• goto

• tableswitch

• lookupswitch

goto

goto 指令进行无条件跳转,其操作码后是一个 int16 类型的操作数，所以需要读两个字节并转成成 int16 类型，该操作数即偏移 offset，那么接下来要执行的指令的位置为：pc + offset

tableswitch

Java 语言中的 switch-case 语句有两种实现方式：如果 case 值可以编码成一个索引表(索引值是连续的)，则实现成 tableswitch 指令；否则实现成 lookupswitch 指令

下面这个 Java 方法中的 switch-case 可以编译成 tableswitch 指令，代码如下：

int chooseNear(int i) {
switch (i) {
  case 0: return 0;
  case 1: return 1;
  case 2: return 2;
  default: return -1;
  }
}

tableswitch 后跟的操作数是对应 case 分支的跳转 offset，其格式类似于：

default 分支对应的跳转 defaultOffset，0 分支对应的索引 low(这里就是 0)，2 分支对应的索引 high(这里就是 2)，因为 02 分支对应的跳转是连续的，所以接下来分别对应 02 分支的跳转 offset。

这里用一个数组存放最合适不过了，数组大小就是high-low+1，这里拿到一个分支跳转的 case 的索引 index，先判断 index 在不在 low 和 high 之间，如果不在，其 offset 就是 defaultOffset，否则就用从数组中找 arr[index-low]，拿到对应的 offset。

lookupswitch

(索引值是非连续的)下面这个 Java 方法中的 switch-case 则需要编译成 lookupswitch 指令：

int chooseFar(int i) {
  switch (i) {
  case -100: return -1;
  case 0: return 0;
  case 100: return 1;
  default: return -1;
  }
}

因为这里的 case 语句并不是连续的，所以不能用数组来表示了，只能是一个 case 的索引，接下来该 case 对应的跳转。

扩展指令

wide 指令

加载类指令、存储类指令、ret 指令和 iinc 指令需要按索引访问局部变量表，索引以 uint8 的形式存在字节码中。对于大部分方法来说，局部变量表大小一般都不会超过 256，所以用一字节来表示索引就够了。

但是如果有方法的局部变量表超过这限制时,Java 虚拟机规范定义了 wide 指令来扩展前述指令。

wide 指令改变其他指令的行为，modifiedInstruction 字段存放被改变的指令。

ifnull/ifnonnull 指令

根据引用是否是 null 进行跳转，ifnull 和 ifnonnull 指令把栈顶的引用弹出。

goto_w 指令

goto_w 指令和 goto 指令的唯一区别就是索引从 2 字节变成了 4 字节。