类的加载过程详解

news2025/5/20 5:06:50

类的加载过程详解

Java类的加载过程分为加载(Loading)链接(Linking)初始化(Initialization) 三个阶段。其中链接又分为验证(Verification)准备(Preparation)解析(Resolution) 三步。以下是各阶段的详细说明:


1. 加载(Loading)

核心任务:将类的字节码文件(.class)加载到内存,并生成一个 Class 对象。
具体步骤

  • 通过类的全限定名(如 java.lang.String)查找字节码文件(可以是本地文件、JAR包、网络资源等)。
  • 将字节码转换为JVM内部数据结构(方法区中的运行时数据)。
  • 在堆内存中生成一个 java.lang.Class 对象,作为方法区数据的访问入口。

触发条件

  • 首次创建类的实例(new)。
  • 访问类的静态变量或静态方法。
  • 使用反射(如 Class.forName("com.example.User"))。
  • 子类初始化时,父类未初始化会触发父类加载。

2. 链接(Linking)

链接阶段分为三个子阶段:

(1) 验证(Verification)

目的:确保字节码合法、安全,符合JVM规范。
验证内容

  • 文件格式验证:检查魔数(0xCAFEBABE)、版本号等。
  • 元数据验证:检查类是否符合Java语法规范(如是否继承 final 类)。
  • 字节码验证:确保方法逻辑合法(如操作数栈类型匹配)。
  • 符号引用验证:确保引用的类、方法、字段存在且可访问。
(2) 准备(Preparation)

目的:为类的静态变量分配内存并设置初始值(零值)。
示例

public static int count = 123; // 准备阶段:count = 0(初始化阶段才会赋值为123)
public static final int MAX = 100; // 准备阶段直接赋值为100(final静态常量)
(3) 解析(Resolution)

目的:将符号引用(类、方法、字段的名称)转换为直接引用(内存地址或句柄)。
解析对象

  • 类或接口的符号引用 → 直接引用。
  • 字段的符号引用 → 内存偏移量。
  • 方法的符号引用 → 方法入口地址。

3. 初始化(Initialization)

核心任务:执行类构造器 <clinit>() 方法,完成静态变量的赋值和静态代码块的执行。
特点

  • <clinit>() 由编译器自动生成,合并类中所有静态变量的赋值和静态代码块。
  • JVM保证初始化过程在多线程环境下被正确加锁(线程安全)。

触发条件(满足任一即触发):

  • new 实例化对象、访问静态变量或方法(非 final 常量)。
  • 反射调用类时。
  • 子类初始化触发父类初始化。
  • 主类(包含 main() 方法的类)启动时。

示例

public class Test {
    public static int count = 10;          // 静态变量赋值
    static {
        System.out.println("静态代码块");   // 静态代码块
    }
}
// 初始化阶段会执行:count = 10 + 打印"静态代码块"

类加载器(ClassLoader)

JVM通过类加载器实现类的加载过程,采用 双亲委派模型(Parent Delegation Model)

1. 类加载器层级
类加载器加载路径备注
Bootstrap ClassLoader启动(引导)类加载器JAVA_HOME/jre/lib 下的核心库(如 rt.jar由C++实现,JVM一部分,无Java对象。
Extension ClassLoader平台类加载器JAVA_HOME/jre/lib/ext 下的扩展库。父加载器为Bootstrap。
Application ClassLoader应用类加载器用户类路径(classpath)。默认的应用程序类加载器。
自定义ClassLoader用户自定义路径(如网络、加密文件)。需继承 ClassLoader 并重写方法。
2. 双亲委派机制

工作流程

  1. 类加载请求先交给父加载器处理。
  2. 父加载器无法完成时(在自己的路径下找不到类),子加载器才尝试加载。

优点

  • 安全性:避免用户自定义类冒充核心类(如 java.lang.String)。
  • 避免重复加载:确保类在JVM中唯一(由同一个加载器加载)。

破坏双亲委派的场景

  • SPI机制(如JDBC驱动加载):使用线程上下文类加载器(ThreadContextClassLoader)。
  • OSGi模块化:每个模块有自己的类加载器。

常见问题与异常

异常原因
ClassNotFoundException类加载器在类路径中找不到指定的类(如拼写错误、依赖缺失)。
NoClassDefFoundError类加载成功后,后续引用时找不到类定义(如类文件被删除、静态初始化失败)。
LinkageError类依赖冲突(如不同类加载器加载了同一个类)。

总结

  1. 加载过程:加载 → 验证 → 准备 → 解析 → 初始化。
  2. 类加载器:双亲委派模型保障安全与唯一性,但可通过自定义加载器扩展。
  3. 实战注意
    • 避免静态代码块中的阻塞操作(可能导致死锁)。
    • 谨慎使用自定义类加载器(易引发内存泄漏或类冲突)。
    • 理解类初始化顺序(父类 → 子类,静态 → 实例)。

通过掌握类加载机制,可以深入理解JVM运行原理,并解决类冲突、依赖缺失等实际问题。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2379721.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

机器学习-人与机器生数据的区分模型测试 - 模型融合与检验

模型融合 # 先用普通Pipeline训练 from sklearn.pipeline import Pipeline#from sklearn2pmml.pipeline import PMMLPipeline train_pipe Pipeline([(scaler, StandardScaler()),(ensemble, VotingClassifier(estimators[(rf, RandomForestClassifier(n_estimators200, max_de…

机器学习 day03

文章目录 前言一、特征降维1.特征选择2.主成分分析&#xff08;PCA&#xff09; 二、KNN算法三、模型的保存与加载 前言 通过今天的学习&#xff0c;我掌握了机器学习中的特征降维的概念以及用法&#xff0c;KNN算法的基本原理及用法&#xff0c;模型的保存和加载 一、特征降维…

嵌入式软件--stm32 DAY 6 USART串口通讯(下)

1.寄存器轮询_收发字符串 通过寄存器轮询方式实现了收发单个字节之后&#xff0c;我们趁热打铁&#xff0c;争上游&#xff0c;进阶到字符串。字符串就是多个字符。很明显可以循环收发单个字节实现。 然后就是接收字符串。如果接受单个字符的函数放在while里&#xff0c;它也可…

问题处理——在ROS2(humble)+Gazebo+rqt下,无法显示仿真无人机的相机图像

文章目录 前言一、问题展示二、解决方法&#xff1a;1.下载对应版本的PX42.下载对应版本的Gazebo3.启动 总结 前言 在ROS2的环境下&#xff0c;进行无人机仿真的过程中&#xff0c;有时需要调取无人机的相机图像信息&#xff0c;但是使用rqt&#xff0c;却发现相机图像无法显示…

朱老师,3518e系列,第六季

第一节&#xff1a;概述。 首先是 将 他写好的 rtsp 源码上传&#xff0c;用于分析。 已经拷贝完。 第二节&#xff1a; h264 编码概念。 编解码 可以用cpu, 也可以用 bsp cpu 编解码的效果不好。做控制比较好。 h264 由 VCL&#xff0c; NAL 组成。 NAL 关心的是 压缩…

ElasticSearch-集群

本篇文章依据ElasticSearch权威指南进行实操和记录 1&#xff0c;空集群 即不包含任何节点的集群 集群大多数分为两类&#xff0c;主节点和数据节点 主节点 职责&#xff1a;主节点负责管理集群的状态&#xff0c;例如分配分片、添加和删除节点、监控节点故障等。它们不直接…

一文掌握工业相机选型计算

目录 一、基本概念 1.1 物方和像方 1.2 工作距离和视场 1.3 放大倍率 1.4 相机芯片尺寸 二、公式计算 三、实例应用 一、基本概念 1.1 物方和像方 在光学领域&#xff0c;物方&#xff08;Object Space&#xff09;是与像方&#xff08;Image Space&#xff09;相对的…

LabVIEW机械振动信号分析与故障诊断

利用 LabVIEW 开发机械振动信号分析与故障诊断系统&#xff0c;融合小波变换、时频分布、高阶统计量&#xff08;双谱&#xff09;等先进信号处理技术&#xff0c;实现对齿轮、发动机等机械部件的非平稳非高斯振动信号的特征提取与故障诊断。系统通过虚拟仪器技术将理论算法转化…

【Spring】Spring中的适配器模式

欢迎来到啾啾的博客&#x1f431;。 记录学习点滴。分享工作思考和实用技巧&#xff0c;偶尔也分享一些杂谈&#x1f4ac;。 欢迎评论交流&#xff0c;感谢您的阅读&#x1f604;。 目录 适配器模式Spring MVC的适配器模式 适配器模式 适配器模式&#xff08;Adapter Pattern&a…

2、ubuntu系统配置OpenSSH | 使用vscode或pycharm远程连接

1、OpenSSH介绍 OpenSSH&#xff08;Open Secure Shell&#xff09;是一套基于SSH协议的开源工具&#xff0c;用于在计算机网络中提供安全的加密通信。它被广泛用于远程系统管理、文件传输和网络服务的安全隧道搭建&#xff0c;是保护网络通信免受窃听和攻击的重要工具。 1.1…

RPC与SOAP的区别

一.RPC&#xff08;远程过程调用&#xff09;和SOAP&#xff08;简单对象访问协议&#xff09;均用于实现分布式系统中的远程通信&#xff0c;但两者在设计理念、协议实现及应用场景上存在显著差异。 二.对比 1.设计理念 2.协议规范 3.技术特性 4.典型应用场景 5.总结 三.总结…

Day11-苍穹外卖(数据统计篇)

前言&#xff1a; 今天写day11的内容&#xff0c;主要讲了四个统计接口的制作。看起来内容较多&#xff0c;其实代码逻辑都是相似的&#xff0c;这里我们过一遍。 今日所学&#xff1a; Apache ECharts营业额统计用户统计订单统计销量排行统计 1. Apache ECharts 1.1 介绍 A…

Tomcat简述介绍

文章目录 Web服务器Tomcat的作用Tomcat分析目录结构 Web服务器 Web服务器的作用是接收客户端的请求&#xff0c;给客户端作出响应。 知名Java Web服务器 Tomcat&#xff08;Apache&#xff09;&#xff1a;用来开发学习使用&#xff1b;免费&#xff0c;开源JBoss&#xff0…

《从零开始:Spring Cloud Eureka 配置与服务注册全流程》​

关于Eureka的学习&#xff0c;主要学习如何搭建Eureka&#xff0c;将order-service和product-service都注册到Eureka。 1.为什么使用Eureka? 我在实现一个查询订单功能时&#xff0c;希望可以根据订单中productId去获取对应商品的详细信息&#xff0c;但是产品服务和订单服…

FPGA学习知识(汇总)

1. wire与reg理解&#xff0c;阻塞与非阻塞 2. 时序取值&#xff0c;时钟触发沿向左看 3. ip核/setup debug 添加 ila 一、ila使用小技巧 二、同步复位、异步复位和异步复位同步释放 设计复位设计&#xff0c;尽量使用 异步复位同步释放&#xff1b;尽管该方法仍然对毛刺敏感…

Redisson分布式锁-锁的可重入、可重试、WatchDog超时续约、multLock联锁(一文全讲透,超详细!!!)

本文涉及到使用Redis实现基础分布式锁以及Lua脚本的内容&#xff0c;如有需要可以先参考博主的上一篇文章&#xff1a;Redis实现-优惠卷秒杀(基础版本) 一、功能介绍 (1)前面分布式锁存在的问题 在JDK当中就存在一种可重入锁ReentrantLock&#xff0c;可重入指的是在同一线…

语言模型:AM-Thinking-v1 能和大参数语言模型媲美的 32B 单卡推理模型

介绍 a-m-team 是北科 &#xff08;Ke.com&#xff09; 的一个内部团队&#xff0c;致力于探索 AGI 技术。这是一个专注于增强推理能力的 32B 密集语言模型。 a-m-team / AM-Thinking-v1 是其旗下的一个语言模型&#xff0c;采用低成本的方式能实现和大参数模型媲美。 DeepSe…

ChatGPT:OpenAI Codex—一款基于云的软件工程 AI 代理,赋能 ChatGPT,革新软件开发模式

ChatGPT&#xff1a;OpenAI Codex—一款基于云的软件工程 AI 代理&#xff0c;赋能 ChatGPT&#xff0c;革新软件开发模式 导读&#xff1a;2025年5月16日&#xff0c;OpenAI 发布了 Codex&#xff0c;一个基于云的软件工程 AI 代理&#xff0c;它集成在 ChatGPT 中&#xff0c…

智能视觉检测技术:制造业质量管控的“隐形守护者”

在工业4.0浪潮的推动下&#xff0c;制造业正经历一场以智能化为核心的变革。传统人工质检模式因效率低、误差率高、成本高昂等问题&#xff0c;逐渐难以满足现代生产对高精度、高速度的需求。智能视觉检测技术作为人工智能与机器视觉融合的产物&#xff0c;正成为制造业质量管控…

利用html制作简历网页和求职信息网页

前言 大家好&#xff0c;我是maybe。今天下午初步学习了html的基础知识。做了两个小网页&#xff0c;一个网页是简历网页&#xff0c;一个网页是求职信息填写网页。跟大家分享一波~ 说明:我不打算上传图片。所以如果有朋友按照我的代码运行网页&#xff0c;会出现一个没有图片…