博客
关于我
虚拟机类加载机制
阅读量:492 次
发布时间:2019-03-07

本文共 807 字,大约阅读时间需要 2 分钟。

Java类加载机制是Java运行时环境(JVM)的一项核心功能,将描述类的二进制数据从文件系统读取到内存中,并对其进行校验、解析和初始化,最终生成可以直接运行的Java类型。这一机制强加了Java程序的性能和安全性。

JVM在加载Class文件时,主要依赖类加载器。类加载器负责根据全类名获取对应的二进制数据。常见的类加载器包括:

  • 启动类加载器(Bootstrap ClassLoader):负责加载JAVA_HOME/lib目录下的类和JAR文件,起始点是JVM的基础。
  • 扩展类加载器(Extension ClassLoader):加载JRE_HOME/lib/ext目录下的类和JAR文件,或通过系统环境变量指定的路径。
  • 系统类加载器(System ClassLoader):基于CLASSPATH读取用户指定的类路径,负责标准应用程序的类的加载。
  • 用户自定义类加载器:通过继承ClassLoader类实现,可以根据需求自定义加载策略。
  • 类加载过程分为四阶段进行:

  • 加载:通过全类名获取.class文件,读取并解析为二进制数据。
  • 验证:确保 InputStream中的字节流确实代表了有效的Java类文件格式。
  • 准备:为静态变量分配内存空间,并设置初始值。静态变量存储在field_info表中。
  • 解析:将常量池中的符号引用转换为直接内存地址,便于虚拟机使用。
  • 初始化:执行类构造器方法,初始化静态字段和变量,确保类和其成员的正确性。
  • 特殊情况下,用户可能需要显式加载类,通过Class.forName或继承ClassLoader实现自定义加载器。双亲委派机制确保了类加载的唯一性和安全性,防止核心类库被篡改。

    卸载阶段处理不再使用的类,依据三个条件:实例不存在,引用已消失,类加载器实例GC。JVM secondo可以回收这些类,但自定义加载器加载的类可能面临卸载风险。理解这些机制有助于优化性能和内存使用。

    转载地址:http://ruacz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    VS2003 Front Page Server Extension
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
    查看>>