当前位置: 首页 > ai >正文

JVM-类加载子系统

最近在学习JVM,分模块整理一下JVM的笔记

目录

 类加载子系统

一、加载

二、链接

1.验证

2.准备

3.解析

三、初始化


 

 类加载子系统

类加载子系统负责将字节码文件加载到虚拟机中,我们正常编写完一个Java类并在前端编译器编译后会生成一个对应的字节码文件,但是电脑并不能识别并直接运行字节码文件,需要利用类加载子系统将这个字节码文件加载并放到运行时数据区中的方法区,然后由执行引擎实时的翻译对应的字节码。

类加载子系统可以分为三个阶段 加载 、链接(验证-准备-解析)、初始化

一、加载

加载阶段做的就是把存储在本地磁盘上的字节码文件加载到内存中,并不检查是否有错误

具体流程如下

1.通过一个类的全限定名获取定义此类的二进制字节流将

2.这个字节流所代表的静态存储结构转化为方法区的运行时数据结构
3.在内存中生成一个代表这个类的java.lang.class对象,作为方法区这个类的各种数据的访问入口

二、链接

链接阶段又可以分为三个子阶段

1.验证

验证阶段主要是检验加载进来的字节码文件是否正确,是否符合规范,确保它的正确性,不会危害到本机系统,防止恶意代码的渗入

主要包括:文件格式验证、元数据验证、字节码验证、符号引用验证

2.准备

经过验证阶段后就保证了字节码文件的正确性,这个阶段主要是为类的静态变量分配内存,并且赋值为该类型对应的默认值(例如boolean类型默认false、int型默认0等等)

需要注意被final修饰的静态变量不会在这个时候分配内存,因为在前端编译器编译时编译器会将final对应的静态变量的值直接存储到字节码文件的常量池中,从效果上看相当于提前分配了 “逻辑上的内存” 。但这并不是真正在内存中为其划分一块存储区域,而是在编译生成的字节码中记录了这个常量值,等到类加载到 JVM 中时,会根据字节码中的信息在方法区等合适位置为其分配实际内存空间 。

3.解析

解析阶段主要是将字节码文件中常量池中的符号引用转换成直接引用

在编译成字节码时编译器会将代码中出现的各种符号例如方法名、类型、字段名等等放到常量池,常量池也是字节码文件的一部分,每个字节码文件都有一个常量池

三、初始化

初始化阶段就是执行类构造器<<clinit>>的过程,clinit方法并不是我们常说的类构造器,它指的是类中的静态变量初始化代码

package com.lyjs;public class CinitTest {/*** JVM先从磁盘中使用类加载器加载这个类* 接着给整个类的类变量分配空间 此时类变量都为默认,*后面初始化时才会执行初始化逻辑* 静态变量初始化按照代码中出现的顺序执行(包括静态代码块)* 例如下面就是依次按照 1 2 3的顺序初始化,最后num1和num2都是2*///1private static int num1=1;//2static {num2=1;num1=2;}//3private static int num2=2;public static void main(String[] args) {System.out.println(num1);System.out.println(num2);}
}

 

http://www.xdnf.cn/news/5355.html

相关文章:

  • DA14585墨水屏学习(2)
  • Day01 ST表——倍增表
  • 11、参数化三维产品设计组件 - /设计与仿真组件/parametric-3d-product-design
  • 移动应用开发的六大设计原则
  • [Java实战]Spring Boot 整合 Freemarker (十一)
  • C++入门小馆: 二叉搜索树
  • 前端面试2
  • 【C语言干货】二维数组传参本质
  • C++23 views::repeat (P2474R2) 写一篇博客
  • Flutter - UIKit开发相关指南 - 导航
  • 深入理解 Java 适配器模式:架构设计中的接口转换艺术
  • 集成灶十大品牌对比
  • Nodejs核心机制
  • 说说Redis的内存淘汰策略?
  • 超市销售管理系统 - 需求分析阶段报告
  • Fiori学习专题四十:单一控件
  • 汇编学习——iOS开发对arm64汇编的初步了解
  • Spring Boot项目(Vue3+ElementPlus+Axios+MyBatisPlus+Spring Boot前后端分离)
  • 微服务架构实战:从服务拆分到RestTemplate远程调用
  • DINOv2
  • Spring框架(一)
  • Spring AI(3)——Chat Memory
  • skopeo工具详解
  • 成功案例:塔能精准节能技术为核心的工厂节能
  • GitHub打开缓慢甚至失败的解决办法
  • RTOS优先级翻转
  • 论文解读:MP-SfM: Monocular Surface Priors for Robust Structure-from-Motion
  • 22.第二阶段x64游戏实战-分析周围对象类型
  • SHAP分析!Transformer-BiLSTM组合模型SHAP分析,模型可解释不在发愁!
  • 分享一个可以用GPT打标的傻瓜式SD图片打标工具——辣椒炒肉图片打标助手