Java：volatile笔记

Java：volatile笔记

本笔记是根据bilibili上 尚硅谷 的课程 Java大厂面试题第二季 而做的笔记

1. volatile 和 JMM 内存模型的可见性

JUC 下的三个包

• java.util.concurrent
• java.util.concurrent.atomic
• java.util.concurrent.locks

谈谈对 volatile 的理解

volatile 在日常的单线程环境是应用不到的

volatile 是 Java 虚拟机提供的轻量级的同步机制（三大特性）

• 保证可见性
• 不保证原子性
• 禁止指令重排

JMM是什么

JMM 是 Java 内存模型，也就是 Java Memory Model，简称 JMM，本身是一种抽象的概念，实际上并不存在，它描述的是一组规则或规范，通过这组规范定义了程序中各个变量（包括实例字段，静态字段和构成数组对象的元素）的访问方式

JMM 关于同步的规定：

• 线程解锁前，必须把共享变量的值刷新回主内存
• 线程加锁前，必须读取主内存的最新值，到自己的工作内存
• 加锁和解锁是同一把锁

由于 JVM 运行程序的实体是线程，而每个线程创建时 JVM 都会为其创建一个工作内存（有些地方称为栈空间），工作内存是每个线程的私有数据区域，而 Java 内存模型中规定所有变量都存储在主内存，主内存是共享内存区域，所有线程都可以访问，但线程对变量的操作（读取赋值等）必须在工作内存中进行，首先要将变量从主内存拷贝到自己的工作内存空间，然后对变量进行操作，操作完成后再将变量写回主内存，不能直接操作主内存中的变量，各个线程中的工作内存中存储着主内存中的变量副本拷贝，因此不同的线程间无法访问对方的工作内存，线程间的通信（传值）必须通过主内存来完成，其简要访问过程：

数据传输速率：硬盘 < 内存 < cache < CPU

上面提到了两个概念：主内存 和 工作内存

• 主内存：就是计算机的内存，也就是经常提到的8G内存，16G内存

• 工作内存：当我们实例化 new Student()，那么 age = 25 也是存储在主内存中

  • 当同时有三个线程同时访问 student 中的 age 变量时，那么每个线程都会拷贝一份，到各自的工作内存，从而实现了变量的拷贝

  

即：JMM 内存模型的可见性，指的是当主内存区域中的值被某个线程写入更改后，其它线程会马上知晓更改后的值，并重新得到更改后的值。

JMM的特性

JMM的三大特性，volatile只保证了两个，即可见性和有序性，但不满足原子性

可见性代码验证

但我们对于成员变量没有添加任何修饰时，是无法感知其它线程修改后的值

/**
 * volatile Java虚拟机提供的轻量级同步机制
 *
 * 可见性（及时通知）
 * 不保证原子性
 * 禁止指令重排
 */

import java.util.concurrent.TimeUnit;

/**
 * 假设是主物理内存
 */
class MyData {

    int number = 0;

    public void addTo60() {
        this.number = 60;
    }
}

/**
 * 验证volatile的可见性
 * 1. 假设int number = 0， number变量之前没有添加volatile关键字修饰
 */
public class volatileDemo {

    public static void main(String args []) {

        // 资源类
        MyData myData = new MyData();

        // AAA线程 实现了Runnable接口的，lambda表达式
        new Thread(() -> {
            System.out.println(Thread.currentThread().getName() + "\t come in");
            // 线程睡眠3秒，假设在进行运算
            try {
                TimeUnit.SECONDS.sleep(3);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
            // 修改number的值
            myData.addTo60();
            // 输出修改后的值
            System.out.println(Thread.currentThread().getName() + "\t update number value:" + myData.number);
        }, "AAA").start();

        while(myData.number == 0) {
            // main线程就一直在这里等待循环，直到number的值不等于零
        }

        // 按道理这个值是不可能打印出来的，因为主线程运行的时候，number的值为0，所以一直在循环
        // 如果能输出这句话，说明AAA线程在睡眠3秒后，更新的number的值，重新写入到主内存，并被main线程感知到了
        System.out.println(Thread.currentThread().getName() + "\t mission is over");
    }
}

// 最后输出结果：
// AAA	 come in
// AAA	 update number value:60
// 最后线程没有停止，并行没有输出  mission is over 这句话，说明没有用volatile修饰的变量，是没有可见性

最后线程没有停止，并行没有输出 mission is over 这句话，说明没有用 volatile 修饰的变量，是没有可见性的

当我们修改 MyData 类中的成员变量时，并且添加 volatile 关键字修饰

/**
 * 假设是主物理内存
 */
class MyData {
    /**
     * volatile 修饰的关键字，是为了增加主线程和线程之间的可见性，只要有一个线程修改了内存中的值，其它线程也能马上感知
     */
    volatile int number = 0;

    public void addTo60() {
        this.number = 60;
    }
}

/**
 * 最后输出结果：
 * AAA	 come in
 * AAA	 update number value:60
 * main  mission is over
 */

主线程也执行完毕了，说明 volatile 修饰的变量，是具备JVM轻量级同步机制的，能够感知其它线程的修改后的值。

2. volatile 不保证原子性

前言

通过前面对 JMM 的介绍，我们知道，各个线程对主内存中共享变量的操作都是各个线程各自拷贝到自己的工作内存进行操作后在写回到主内存中的。

这就可能存在一个线程 A 修改了共享变量 X 的值，但是还未写入主内存时，另外一个线程 B 又对主内存中同一共享变量 X 进行操作，但此时 A 线程工作内存中共享变量 X 对线程 B 来说是不可见，这种工作内存与主内存同步延迟现象就造成了可见性问题。

原子性

不可分割，完整性，也就是说某个线程正在做某个具体业务时，中间不可以被加塞或者被分割，需要具体完成，要么同时成功，要么同时失败。

数据库也经常提到事务具备原子性。

代码测试

为了测试 volatile 是否保证原子性，我们创建了 20 个线程，然后每个线程分别循环 1000 次，来调用 number++ 的方法

MyData myData = new MyData();

// 创建20个线程，线程里面进行1000次循环
for (int i = 0; i < 20; i++) {
    new Thread(() -> {
        // 里面
        for (int j = 0; j < 1000; j++) {
            myData.addPlusPlus();
        }
    }, String.valueOf(i)).start();
}

最后通过 Thread.activeCount()，来感知 20 个线程是否执行完毕，这里判断线程数是否大于2，为什么是2？因为默认是有两个线程的，一个 main 线程，一个 GC 线程

// 需要等待上面20个线程都计算完成后，在用main线程取得最终的结果值
while(Thread.activeCount() > 2) {
    // yield表示不执行
    Thread.yield();
}

然后在线程执行完毕后，我们在查看 number 的值，假设 volatile 保证原子性的话，那么最后输出的值应该是：20 * 1000 = 20000

完整代码如下所示：

import java.util.concurrent.TimeUnit;

/**
 * 假设是主物理内存
 */
class MyData {
    /**
     * volatile 修饰的关键字，是为了增加 主线程和线程之间的可见性，只要有一个线程修改了内存中的值，其它线程也能马上感知
     */
    volatile int number = 0;

    public void addTo60() {
        this.number = 60;
    }

    /**
     * 注意，此时number 前面是加了volatile修饰
     */
    public void addPlusPlus() {
        number ++;
    }
}

public class volatileDemo {

    public static void main(String args []) {

        MyData myData = new MyData();

        // 创建20个线程，线程里面进行1000次循环
        for (int i = 0; i < 20; i++) {
            new Thread(() -> {
                // 里面
                for (int j = 0; j < 1000; j++) {
                    myData.addPlusPlus();
                }
            }, String.valueOf(i)).start();
        }

        // 需要等待上面20个线程都计算完成后，在用main线程取得最终的结果值
        // 这里判断线程数是否大于2，为什么是2？因为默认是有两个线程的，一个main线程，一个gc线程
        while(Thread.activeCount() > 2) {
            // yield表示不执行
            Thread.yield();
        }

        // 查看最终的值
        // 假设volatile保证原子性，那么输出的值应该为:20 * 1000 = 20000
        System.out.println(Thread.currentThread().getName() + "\t finally number value: " + myData.number);
    }
}

最终结果我们会发现，number输出的值并没有20000，而且是每次运行的结果都不一致的，这说明了volatile修饰的变量不保证原子性

为什么出现数值丢失

各自线程在写入主内存的时候，出现了数据的丢失，而引起的数值缺失的问题

下面我们将一个简单的 number++ 操作，转换为字节码文件一探究竟

public class T1 {
    volatile int n = 0;
    public void add() {
        n++;
    }
}

转换后的字节码文件

public class com.moxi.interview.study.thread.T1 {
  volatile int n;

  public com.moxi.interview.study.thread.T1();
    Code:
       0: aload_0
       1: invokespecial #1     // Method java/lang/Object."<init>":()V
       4: aload_0
       5: iconst_0
       6: putfield      #2     // Field n:I
       9: return

  public void add();
    Code:
       0: aload_0
       1: dup
       2: getfield      #2     // Field n:I,拿到n
       5: iconst_1			   // 准备好1
       6: iadd				   // 给n加上去
       7: putfield      #2     // Field n:I，在把n放回去
      10: return
}

这里查看字节码的操作，是用到了 IDEA 的 javap 命令

我们首先，使用 IDEA 提供的 External Tools，来扩展 javap 命令

完成上述操作后，我们在需要查看字节码的文件下，右键选择 External Tools 即可

移动到底部，有一份字节码指令对照表，方便我们进行阅读

下面我们就针对 add() 这个方法的字节码文件进行分析

public void add();
  Code:
     0: aload_0
     1: dup
     2: getfield      #2    // Field n:I
     5: iconst_1
     6: iadd
     7: putfield      #2    // Field n:I
    10: return

我们能够发现 n++ 这条命令，被拆分成了4个指令

• 执行getfield 从主内存拿到原始n
• 执行iconst_1准备常量1
• 执行iadd 进行加1操作
• 执行putfileld 把累加后的值写回主内存

假设我们没有加 synchronized那么第一步就可能存在着，三个线程同时通过 getfield 命令，拿到主存中的 n 值，然后三个线程，各自在自己的工作内存中进行加 1 操作，但他们并发进行 iadd 命令的时候，因为只能一个进行写，所以其它操作会被挂起，假设1线程，先进行了写操作，在写完后，volatile 的可见性，应该需要告诉其它两个线程，主内存的值已经被修改了，但是因为太快了，其它两个线程，陆续执行 iadd命令，进行写入操作，这就造成了其他线程没有接受到主内存 n 的改变，从而覆盖了原来的值，出现写丢失，这样也就让最终的结果少于 20000

如何解决

因此这也说明，在多线程环境下 number++ 在多线程环境下是非线程安全的，解决的方法有哪些呢？

• 在方法上加入 synchronized

public synchronized void addPlusPlus() {
    number ++;
}

我们能够发现引入synchronized关键字后，保证了该方法每次只能够一个线程进行访问和操作，最终输出的结果也就为20000

其它解决方法

上面的方法引入synchronized，虽然能够保证原子性，但是为了解决 number++，而引入重量级的同步机制，有种 杀鸡焉用牛刀 的感觉

除了引用synchronized关键字外，还可以使用 JUC 下面的原子包装类，即刚刚的 int 类型的 number，可以使用 AtomicInteger 来代替

/**
  *  创建一个原子Integer包装类，默认为0
  */
AtomicInteger atomicInteger = new AtomicInteger();

public void addAtomic() {
    // 相当于 atomicInter ++
    atomicInteger.getAndIncrement();
}

然后同理，继续刚刚的操作

// 创建20个线程，线程里面进行1000次循环
for (int i = 0; i < 20; i++) {
    new Thread(() -> {
        // 里面
        for (int j = 0; j < 1000; j++) {
            myData.addPlusPlus();
            myData.addAtomic();
        }
    }, String.valueOf(i)).start();
}

// 假设 volatile 保证原子性，那么输出的值应该为：  20 * 1000 = 20000
System.out.println(Thread.currentThread().getName() + "\t finally number value: " + myData.number);
System.out.println(Thread.currentThread().getName() + "\t finally atomicNumber value: " + myData.atomicInteger);

下面的结果，一个是引入 synchronized，一个是使用了原子包装类 AtomicInteger

main	finally number value： 20000
main	finally atomicNumber value: 20000

字节码指令表

为了方便阅读JVM字节码文件，我从网上找了一份字节码指令表

引用：https://segmentfault.com/a/1190000008722128

表格放在文末了

3. volatile 禁止指令重排

计算机在执行程序时，为了提高性能，编译器和处理器常常会对指令重排，一般分为以下三种：

源代码 -> 编译器优化的重排 -> 指令并行的重排 -> 内存系统的重排 -> 最终执行指令

单线程环境里面确保最终执行结果和代码顺序的结果一致

处理器在进行重排序时，必须要考虑指令之间的数据依赖性

多线程环境中线程交替执行，由于编译器优化重排的存在，两个线程中使用的变量能否保证一致性是无法确定的，结果无法预测。

指令重排-1

public void mySort() {
	int x = 11;			// 1
	int y = 12;			// 2
	x = x + 5;			// 3
	y = x * x;			// 4
}

按照正常单线程环境，执行顺序是 1 2 3 4

但是在多线程环境下，可能出现以下的顺序：

• 2 1 3 4
• 1 3 2 4

上述的过程就可以当做是指令的重排，即内部执行顺序，和我们的代码顺序不一样

但是指令重排也是有限制的，即不会出现下面的顺序

• 4 3 2 1

因为处理器在进行重排时候，必须考虑到指令之间的数据依赖性

因为步骤 4：需要依赖于 y 的申明，以及 x 的申明，故因为存在数据依赖，无法首先执行

例子：

int a,b,x,y = 0

线程1	线程2
x = a;	y = b;
b = 1;	a = 2;
结果：x = 0; y = 0

因为上面的代码，不存在数据的依赖性，因此编译器可能对数据进行重排

线程1	线程2
b = 1;	a = 2;
x = a;	y = b;
结果：x = 2; y = 1

这样造成的结果，和最开始的就不一致了，这就是导致重排后，结果和最开始的不一样，因此为了防止这种结果出现，volatile 就规定禁止指令重排，为了保证数据的一致性

指令重排-2

比如下面这段代码

public class ResortSeqDemo {
    int a= 0;
    boolean flag = false;

    public void method01() {
        a = 1;
        flag = true;
    }

    public void method02() {
        if(flag) {
            a = a + 5;
            System.out.println("reValue:" + a);
        }
    }
}

我们按照正常的顺序，分别调用 method01() 和 method02() 那么，最终输出就是 a = 6

但是如果在多线程环境下，因为 method01() 和 method02()，他们之间不能存在数据依赖的问题，因此原先的顺序可能是

a = 1;
flag = true;

a = a + 5;
System.out.println("reValue:" + a);

但是在经过编译器，指令，或者内存的重排后，可能会出现这样的情况

flag = true;

a = a + 5;
System.out.println("reValue:" + a);

a = 1;

也就是先执行 flag = true 后，另外一个线程马上调用 method02()，满足 flag 的判断，最终让 a + 5，结果为 5，这样同样出现了数据不一致的问题

为什么会出现这个结果：多线程环境中线程交替执行，由于编译器优化重排的存在，两个线程中使用的变量能否保证一致性是无法确定的，结果无法预测。

这样就需要通过 volatile 来修饰，来保证线程安全性

volatile 针对指令重排做了啥

volatile 实现禁止指令重排优化，从而避免了多线程环境下程序出现乱序执行的现象

首先了解一个概念，内存屏障（Memory Barrier）又称内存栅栏，是一个 CPU 指令，它的作用有两个：

• 保证特定操作的顺序
• 保证某些变量的内存可见性（利用该特性实现 volatile 的内存可见性）

由于编译器和处理器都能执行指令重排的优化，如果在指令间插入一条 Memory Barrier 则会告诉编译器和CPU，不管什么指令都不能和这条 Memory Barrier 指令重排序，也就是说通过插入内存屏障禁止在内存屏障前后的指令执行重排序优化。 内存屏障另外一个作用是刷新出各种 CPU 的缓存数，因此任何 CPU 上的线程都能读取到这些数据的最新版本。

也就是过在volatile的写和读的时候，加入屏障，防止出现指令重排的

线程安全获得保证

工作内存与主内存同步延迟现象导致的可见性问题

• 可通过 synchronized 或 volatile 关键字解决，他们都可以使一个线程修改后的变量立即对其它线程可见

对于指令重排导致的可见性问题和有序性问题

• 可以使用 volatile 关键字解决，因为 volatile 关键字的另一个作用就是禁止重排序优化

4. volatile 的应用

单例模式DCL代码

DCL：Double Check Lock

首先回顾一下，单线程下的单例模式代码

/**
 * SingletonDemo（单例模式）
 */
public class SingletonDemo {

    private static SingletonDemo instance = null;

    private SingletonDemo () {
        System.out.println(Thread.currentThread().getName() + "\t 我是构造方法SingletonDemo");
    }

    public static SingletonDemo getInstance() {
        if(instance == null) {
            instance = new SingletonDemo();
        }
        return instance;
    }

    public static void main(String[] args) {
        // 这里的 == 是比较内存地址
        System.out.println(SingletonDemo.getInstance() == SingletonDemo.getInstance());
        System.out.println(SingletonDemo.getInstance() == SingletonDemo.getInstance());
        System.out.println(SingletonDemo.getInstance() == SingletonDemo.getInstance());
        System.out.println(SingletonDemo.getInstance() == SingletonDemo.getInstance());
    }
}

// 最后输出的结果：
// main	 我是构造方法SingletonDemo
// true
// true
// true
// true

但是在多线程的环境下，我们的单例模式是否还是同一个对象了

/**
 * SingletonDemo（单例模式）
 */
public class SingletonDemo {

    private static SingletonDemo instance = null;

    private SingletonDemo () {
        System.out.println(Thread.currentThread().getName() + "\t 我是构造方法SingletonDemo");
    }

    public static SingletonDemo getInstance() {
        if(instance == null) {
            instance = new SingletonDemo();
        }
        return instance;
    }

    public static void main(String[] args) {
        for (int i = 0; i < 10; i++) {
            new Thread(() -> {
                SingletonDemo.getInstance();
            }, String.valueOf(i)).start();
        }
    }
}

从下面的结果我们可以看出：

// 取其中一次输出：
// 0	 我是构造方法SingletonDemo
// 1	 我是构造方法SingletonDemo
// 2	 我是构造方法SingletonDemo

我们通过 SingletonDemo.getInstance() 获取到的对象，并不是同一个，而是被好几个线程都进行了创建

那么在多线程环境下，单例模式如何保证呢？

解决方法-1

引入 synchronized 关键字

public synchronized static SingletonDemo getInstance() {
    if(instance == null) {
        instance = new SingletonDemo();
    }
    return instance;
}

我们能够发现，通过引入synchronized 关键字，能够解决高并发环境下的单例模式问题

但是 synchronized 属于重量级的同步机制，它只允许一个线程同时访问获取实例的方法，但是为了保证数据一致性，而减低了并发性，因此采用的比较少

解决方法2

通过引入DCL Double Check Lock 双端检锁机制

就是在进来和出去的时候，进行检测

public static SingletonDemo getInstance() {
    if(instance == null) {
        // 同步代码段的时候，进行检测
        synchronized (SingletonDemo.class) {
            if(instance == null) {
                instance = new SingletonDemo();
            }
        }
    }
    return instance;
}

从输出结果来看，确实能够保证单例模式的正确性，但是上面的方法还是存在问题的

DCL（双端检锁）机制不一定是线程安全的，原因是有指令重排的存在，而加入volatile可以禁止指令重排

原因是在某一个线程执行到第一次检测的时候，读取到 instance 不为 null，而由于指令重拍操作，此时 instance 的引用对象可能没有完成实例化。

因为 instance = new SingletonDemo()；可以分为以下三步进行完成：

memory = allocate(); 	// 1、分配对象内存空间

instance(memory); 		// 2、初始化对象

instance = memory; 		// 3、设置instance指向刚刚分配的内存地址，此时instance != null

但是我们通过上面的三个步骤，能够发现，步骤2 和 步骤3之间不存在数据依赖关系，而且无论重排前还是重排后，程序的执行结果在单线程中并没有改变，因此这种重排优化是允许的。

memory = allocate(); 	// 1、分配对象内存空间
instance = memory; 		// 3、设置instance指向刚刚分配的内存地址，此时instance != null，但是对象还没有初始化完成
instance(memory); 		// 2、初始化对象

这样就会造成什么问题呢？出现了先赋值再进行构造的情况

所以当一条线程访问instance不为null时，由于instance实例未必已初始化完成，这就造成了线程安全的问题

所以需要引入volatile，来保证出现指令重排的问题，从而保证单例模式的线程安全性：

private static volatile SingletonDemo instance = null;

最终代码

/**
 * SingletonDemo（单例模式）
 */
public class SingletonDemo {

    private static volatile SingletonDemo instance = null;

    private SingletonDemo () {
        System.out.println(Thread.currentThread().getName() + "\t 我是构造方法SingletonDemo");
    }

    public static SingletonDemo getInstance() {
        if(instance == null) {
            // a：双重检查加锁多线程情况下会出现：线程A已经执行到d处，没有完成初始；因此此处还是为空，则线程B还是能到这里
            // 然后在线程A完成初始化后，B还是能拿到这把锁，因此后续还是要在进行一次null的判断
            synchronized (SingletonDemo.class) // b
            {
            	// c：不加volitale关键字的话有可能会出现尚未完全初始化就获取到的情况。原因是内存模型允许无序写入
                if(instance == null) {
                	// d：此时才开始初始化
                    instance = new SingletonDemo();
                }
            }
        }
        return instance;
    }

    public static void main(String[] args) {
        for (int i = 0; i < 10; i++) {
            new Thread(() -> {
                SingletonDemo.getInstance();
            }, String.valueOf(i)).start();
        }
    }
}

附录：字节码指令表

字节码	助记符	指令含义
0x00	nop	None
0x01	aconst_null	将null推送至栈顶
0x02	iconst_m1	将int型-1推送至栈顶
0x03	iconst_0	将int型0推送至栈顶
0x04	iconst_1	将int型1推送至栈顶
0x05	iconst_2	将int型2推送至栈顶
0x06	iconst_3	将int型3推送至栈顶
0x07	iconst_4	将int型4推送至栈顶
0x08	iconst_5	将int型5推送至栈顶
0x09	lconst_0	将long型0推送至栈顶
0x0a	lconst_1	将long型1推送至栈顶
0x0b	fconst_0	将float型0推送至栈顶
0x0c	fconst_1	将float型1推送至栈顶
0x0d	fconst_2	将float型2推送至栈顶
0x0e	dconst_0	将double型0推送至栈顶
0x0f	dconst_1	将double型1推送至栈顶
0x10	bipush	将单字节的常量值(-128~127)推送至栈顶
0x11	sipush	将一个短整型常量(-32768~32767)推送至栈顶
0x12	ldc	将int,float或String型常量值从常量池中推送至栈顶
0x13	ldc_w	将int,float或String型常量值从常量池中推送至栈顶(宽索引)
0x14	ldc2_w	将long或double型常量值从常量池中推送至栈顶(宽索引)
0x15	iload	将指定的int型本地变量推送至栈顶
0x16	lload	将指定的long型本地变量推送至栈顶
0x17	fload	将指定的float型本地变量推送至栈顶
0x18	dload	将指定的double型本地变量推送至栈顶
0x19	aload	将指定的引用类型本地变量推送至栈顶
0x1a	iload_0	将第一个int型本地变量推送至栈顶
0x1b	iload_1	将第二个int型本地变量推送至栈顶
0x1c	iload_2	将第三个int型本地变量推送至栈顶
0x1d	iload_3	将第四个int型本地变量推送至栈顶
0x1e	lload_0	将第一个long型本地变量推送至栈顶
0x1f	lload_1	将第二个long型本地变量推送至栈顶
0x20	lload_2	将第三个long型本地变量推送至栈顶
0x21	lload_3	将第四个long型本地变量推送至栈顶
0x22	fload_0	将第一个float型本地变量推送至栈顶
0x23	fload_1	将第二个float型本地变量推送至栈顶
0x24	fload_2	将第三个float型本地变量推送至栈顶
0x25	fload_3	将第四个float型本地变量推送至栈顶
0x26	dload_0	将第一个double型本地变量推送至栈顶
0x27	dload_1	将第二个double型本地变量推送至栈顶
0x28	dload_2	将第三个double型本地变量推送至栈顶
0x29	dload_3	将第四个double型本地变量推送至栈顶
0x2a	aload_0	将第一个引用类型本地变量推送至栈顶
0x2b	aload_1	将第二个引用类型本地变量推送至栈顶
0x2c	aload_2	将第三个引用类型本地变量推送至栈顶
0x2d	aload_3	将第四个引用类型本地变量推送至栈顶
0x2e	iaload	将int型数组指定索引的值推送至栈顶
0x2f	laload	将long型数组指定索引的值推送至栈顶
0x30	faload	将float型数组指定索引的值推送至栈顶
0x31	daload	将double型数组指定索引的值推送至栈顶
0x32	aaload	将引用类型数组指定索引的值推送至栈顶
0x33	baload	将boolean或byte型数组指定索引的值推送至栈顶
0x34	caload	将char型数组指定索引的值推送至栈顶
0x35	saload	将short型数组指定索引的值推送至栈顶
0x36	istore	将栈顶int型数值存入指定本地变量
0x37	lstore	将栈顶long型数值存入指定本地变量
0x38	fstore	将栈顶float型数值存入指定本地变量
0x39	dstore	将栈顶double型数值存入指定本地变量
0x3a	astore	将栈顶引用类型数值存入指定本地变量
0x3b	istore_0	将栈顶int型数值存入第一个本地变量
0x3c	istore_1	将栈顶int型数值存入第二个本地变量
0x3d	istore_2	将栈顶int型数值存入第三个本地变量
0x3e	istore_3	将栈顶int型数值存入第四个本地变量
0x3f	lstore_0	将栈顶long型数值存入第一个本地变量
0x40	lstore_1	将栈顶long型数值存入第二个本地变量
0x41	lstore_2	将栈顶long型数值存入第三个本地变量
0x42	lstore_3	将栈顶long型数值存入第四个本地变量
0x43	fstore_0	将栈顶float型数值存入第一个本地变量
0x44	fstore_1	将栈顶float型数值存入第二个本地变量
0x45	fstore_2	将栈顶float型数值存入第三个本地变量
0x46	fstore_3	将栈顶float型数值存入第四个本地变量
0x47	dstore_0	将栈顶double型数值存入第一个本地变量
0x48	dstore_1	将栈顶double型数值存入第二个本地变量
0x49	dstore_2	将栈顶double型数值存入第三个本地变量
0x4a	dstore_3	将栈顶double型数值存入第四个本地变量
0x4b	astore_0	将栈顶引用型数值存入第一个本地变量
0x4c	astore_1	将栈顶引用型数值存入第二个本地变量
0x4d	astore_2	将栈顶引用型数值存入第三个本地变量
0x4e	astore_3	将栈顶引用型数值存入第四个本地变量
0x4f	iastore	将栈顶int型数值存入指定数组的指定索引位置
0x50	lastore	将栈顶long型数值存入指定数组的指定索引位置
0x51	fastore	将栈顶float型数值存入指定数组的指定索引位置
0x52	dastore	将栈顶double型数值存入指定数组的指定索引位置
0x53	aastore	将栈顶引用型数值存入指定数组的指定索引位置
0x54	bastore	将栈顶boolean或byte型数值存入指定数组的指定索引位置
0x55	castore	将栈顶char型数值存入指定数组的指定索引位置
0x56	sastore	将栈顶short型数值存入指定数组的指定索引位置
0x57	pop	将栈顶数值弹出(数值不能是long或double类型的)
0x58	pop2	将栈顶的一个(对于非long或double类型)或两个数值(对于非long或double的其他类型)弹出
0x59	dup	复制栈顶数值并将复制值压入栈顶
0x5a	dup_x1	复制栈顶数值并将两个复制值压入栈顶
0x5b	dup_x2	复制栈顶数值并将三个(或两个)复制值压入栈顶
0x5c	dup2	复制栈顶一个(对于long或double类型)或两个(对于非long或double的其他类型)数值并将复制值压入栈顶
0x5d	dup2_x1	dup_x1指令的双倍版本
0x5e	dup2_x2	dup_x2指令的双倍版本
0x5f	swap	将栈顶最顶端的两个数值互换(数值不能是long或double类型)
0x60	iadd	将栈顶两int型数值相加并将结果压入栈顶
0x61	ladd	将栈顶两long型数值相加并将结果压入栈顶
0x62	fadd	将栈顶两float型数值相加并将结果压入栈顶
0x63	dadd	将栈顶两double型数值相加并将结果压入栈顶
0x64	isub	将栈顶两int型数值相减并将结果压入栈顶
0x65	lsub	将栈顶两long型数值相减并将结果压入栈顶
0x66	fsub	将栈顶两float型数值相减并将结果压入栈顶
0x67	dsub	将栈顶两double型数值相减并将结果压入栈顶
0x68	imul	将栈顶两int型数值相乘并将结果压入栈顶
0x69	lmul	将栈顶两long型数值相乘并将结果压入栈顶
0x6a	fmul	将栈顶两float型数值相乘并将结果压入栈顶
0x6b	dmul	将栈顶两double型数值相乘并将结果压入栈顶
0x6c	idiv	将栈顶两int型数值相除并将结果压入栈顶
0x6d	ldiv	将栈顶两long型数值相除并将结果压入栈顶
0x6e	fdiv	将栈顶两float型数值相除并将结果压入栈顶
0x6f	ddiv	将栈顶两double型数值相除并将结果压入栈顶
0x70	irem	将栈顶两int型数值作取模运算并将结果压入栈顶
0x71	lrem	将栈顶两long型数值作取模运算并将结果压入栈顶
0x72	frem	将栈顶两float型数值作取模运算并将结果压入栈顶
0x73	drem	将栈顶两double型数值作取模运算并将结果压入栈顶
0x74	ineg	将栈顶int型数值取负并将结果压入栈顶
0x75	lneg	将栈顶long型数值取负并将结果压入栈顶
0x76	fneg	将栈顶float型数值取负并将结果压入栈顶
0x77	dneg	将栈顶double型数值取负并将结果压入栈顶
0x78	ishl	将int型数值左移指定位数并将结果压入栈顶
0x79	lshl	将long型数值左移指定位数并将结果压入栈顶
0x7a	ishr	将int型数值右(带符号)移指定位数并将结果压入栈顶
0x7b	lshr	将long型数值右(带符号)移指定位数并将结果压入栈顶
0x7c	iushr	将int型数值右(无符号)移指定位数并将结果压入栈顶
0x7d	lushr	将long型数值右(无符号)移指定位数并将结果压入栈顶
0x7e	iand	将栈顶两int型数值"按位与"并将结果压入栈顶
0x7f	land	将栈顶两long型数值"按位与"并将结果压入栈顶
0x80	ior	将栈顶两int型数值"按位或"并将结果压入栈顶
0x81	lor	将栈顶两long型数值"按位或"并将结果压入栈顶
0x82	ixor	将栈顶两int型数值"按位异或"并将结果压入栈顶
0x83	lxor	将栈顶两long型数值"按位异或"并将结果压入栈顶
0x84	iinc	将指定int型变量增加指定值(如i++, i--, i+=2等)
0x85	i2l	将栈顶int型数值强制转换为long型数值并将结果压入栈顶
0x86	i2f	将栈顶int型数值强制转换为float型数值并将结果压入栈顶
0x87	i2d	将栈顶int型数值强制转换为double型数值并将结果压入栈顶
0x88	l2i	将栈顶long型数值强制转换为int型数值并将结果压入栈顶
0x89	l2f	将栈顶long型数值强制转换为float型数值并将结果压入栈顶
0x8a	l2d	将栈顶long型数值强制转换为double型数值并将结果压入栈顶
0x8b	f2i	将栈顶float型数值强制转换为int型数值并将结果压入栈顶
0x8c	f2l	将栈顶float型数值强制转换为long型数值并将结果压入栈顶
0x8d	f2d	将栈顶float型数值强制转换为double型数值并将结果压入栈顶
0x8e	d2i	将栈顶double型数值强制转换为int型数值并将结果压入栈顶
0x8f	d2l	将栈顶double型数值强制转换为long型数值并将结果压入栈顶
0x90	d2f	将栈顶double型数值强制转换为float型数值并将结果压入栈顶
0x91	i2b	将栈顶int型数值强制转换为byte型数值并将结果压入栈顶
0x92	i2c	将栈顶int型数值强制转换为char型数值并将结果压入栈顶
0x93	i2s	将栈顶int型数值强制转换为short型数值并将结果压入栈顶
0x94	lcmp	比较栈顶两long型数值大小, 并将结果(1, 0或-1)压入栈顶
0x95	fcmpl	比较栈顶两float型数值大小, 并将结果(1, 0或-1)压入栈顶; 当其中一个数值为NaN时, 将-1压入栈顶
0x96	fcmpg	比较栈顶两float型数值大小, 并将结果(1, 0或-1)压入栈顶; 当其中一个数值为NaN时, 将1压入栈顶
0x97	dcmpl	比较栈顶两double型数值大小, 并将结果(1, 0或-1)压入栈顶; 当其中一个数值为NaN时, 将-1压入栈顶
0x98	dcmpg	比较栈顶两double型数值大小, 并将结果(1, 0或-1)压入栈顶; 当其中一个数值为NaN时, 将1压入栈顶
0x99	ifeq	当栈顶int型数值等于0时跳转
0x9a	ifne	当栈顶int型数值不等于0时跳转
0x9b	iflt	当栈顶int型数值小于0时跳转
0x9c	ifge	当栈顶int型数值大于等于0时跳转
0x9d	ifgt	当栈顶int型数值大于0时跳转
0x9e	ifle	当栈顶int型数值小于等于0时跳转
0x9f	if_icmpeq	比较栈顶两int型数值大小, 当结果等于0时跳转
0xa0	if_icmpne	比较栈顶两int型数值大小, 当结果不等于0时跳转
0xa1	if_icmplt	比较栈顶两int型数值大小, 当结果小于0时跳转
0xa2	if_icmpge	比较栈顶两int型数值大小, 当结果大于等于0时跳转
0xa3	if_icmpgt	比较栈顶两int型数值大小, 当结果大于0时跳转
0xa4	if_icmple	比较栈顶两int型数值大小, 当结果小于等于0时跳转
0xa5	if_acmpeq	比较栈顶两引用型数值, 当结果相等时跳转
0xa6	if_acmpne	比较栈顶两引用型数值, 当结果不相等时跳转
0xa7	goto	无条件跳转
0xa8	jsr	跳转至指定的16位offset位置, 并将jsr的下一条指令地址压入栈顶
0xa9	ret	返回至本地变量指定的index的指令位置(一般与jsr或jsr_w联合使用)
0xaa	tableswitch	用于switch条件跳转, case值连续(可变长度指令)
0xab	lookupswitch	用于switch条件跳转, case值不连续(可变长度指令)
0xac	ireturn	从当前方法返回int
0xad	lreturn	从当前方法返回long
0xae	freturn	从当前方法返回float
0xaf	dreturn	从当前方法返回double
0xb0	areturn	从当前方法返回对象引用
0xb1	return	从当前方法返回void
0xb2	getstatic	获取指定类的静态域, 并将其压入栈顶
0xb3	putstatic	为指定类的静态域赋值
0xb4	getfield	获取指定类的实例域, 并将其压入栈顶
0xb5	putfield	为指定类的实例域赋值
0xb6	invokevirtual	调用实例方法
0xb7	invokespecial	调用超类构建方法, 实例初始化方法, 私有方法
0xb8	invokestatic	调用静态方法
0xb9	invokeinterface	调用接口方法
0xba	invokedynamic	调用动态方法
0xbb	new	创建一个对象, 并将其引用引用值压入栈顶
0xbc	newarray	创建一个指定的原始类型(如int, float, char等)的数组, 并将其引用值压入栈顶
0xbd	anewarray	创建一个引用型(如类, 接口, 数组)的数组, 并将其引用值压入栈顶
0xbe	arraylength	获取数组的长度值并压入栈顶
0xbf	athrow	将栈顶的异常抛出
0xc0	checkcast	检验类型转换, 检验未通过将抛出 ClassCastException
0xc1	instanceof	检验对象是否是指定类的实际, 如果是将1压入栈顶, 否则将0压入栈顶
0xc2	monitorenter	获得对象的锁, 用于同步方法或同步块
0xc3	monitorexit	释放对象的锁, 用于同步方法或同步块
0xc4	wide	扩展本地变量的宽度
0xc5	multianewarray	创建指定类型和指定维度的多维数组(执行该指令时, 操作栈中必须包含各维度的长度值), 并将其引用压入栈顶
0xc6	ifnull	为null时跳转
0xc7	ifnonnull	不为null时跳转
0xc8	goto_w	无条件跳转(宽索引)
0xc9	jsr_w	跳转至指定的32位offset位置, 并将jsr_w的下一条指令地址压入栈顶