13_StringTable

目录

• 1 String的基本特性
  • String在jdk9中存储结构变更
    • • 结论：
  • String 的不可变性
  • 字符串常量池
• 2 String的内存分配
  • • StringTable 为什么要调整？
• 3 String的基本操作
  • • 例1
    • 例2
• 4 字符串拼接操作
  • 拼接操作和 append 操作的效率对比
• 5 intern() 的使用
  • new String() 到底创建了几个对象
    • • new String("ab") 会创建几个对象？
      • new String("a") + new String("b") 呢？
        • 深入剖析：StringBuilder 的 toString() 方法
  • intern() 在 jdk6 与 jdk7/8 中的区别
    • • intern() 练习1：
      • intern() 练习2：
  • intern() 的空间效率测试
    • 7 G1中的String去重操作 （了解即可）

1 String的基本特性

String：字符串，使用一对""引起来表示。

• String s1 = "hello"; // 字面量的定义形式
• String s2 = new String ("hello");

String 声明为 final 的，不可被继承。

String：

• 实现了 Serializable 接口：表示字符串是支持序列化的。
• 实现了 Comparable 接口：表示 String 是可以比较大小的。

String 在 jdk8 及以前内部定义了 final char[] value 用于存储字符串数据，jdk9 时改为 final byte[] value 。

String在jdk9中存储结构变更

http://openjdk.java.netjeps/254

Motivation：

The current implementation of the Stirng class stores characters in a char array, using two bytes (sixteen bits) for each character. Data gathered from many different applications indicates that strings are a major component of heap usage and, moreover, that most String objects contain only Latin-1 characters. Such characters require only one byte of storage, hence half of the space in the internal char arrays of such String objects is going unused.

Description:

We propose to change the internal representation of the String class from a UTF-16 char array to a byte array plus an encoding-flag field. The new String class will store characters encoded either as ISO-8859-1/Latin-1 (one byte per character), or as UTF-16 (two bytes per charater), based upon the contents of the string. The encoding flag will indicate which encoding is used.

结论：

• String 不再用 char[] 来存储，改成了 byte[] 加上编码标记，节约了一些空间。
• 与 String 有关的类，如 StringBuffer、StringBuilder，也做了同样的修改。

String 的不可变性

String 代表不可变的字符序列，简称：不可变性。

• 当对字符串重新赋值时，需要重新指定内存区域赋值，不能使用原有的value进行赋值。
• 当对现有的字符串进行连接操作时，也需要重新指定内存区域赋值，不能使用原有的value进行赋值。
• 当调用String的 replace() 方法修改指定字符或字符串时，也需要重新指定内存区域赋值，不能使用原有的value进行赋值。

通过字面量的方式（区别于new）给一个字符串赋值，此时的字符串值声明在字符串常量池中。

例子：

public class StringExer {
    String str = new String("good");
    char[] ch = {'t', 'e','s','t'};
    
    public void change(String str, char ch[]) {
        str = "test ok";
        ch[0] = 'b';
    }
    
    public static void main(String[] agrs) {
        StringExer ex = new StringExer();
        ex.change(ex.str, ex.ch);
        System.out.println(ex.str); // 输出 good
        System.out.println(ex.ch);  // 输出 best
    }
    
}

上述例子中，ex.str 传入 ex.change() 函数时，将 ex.str 引用String对象“good”的地址值传给了 change() 函数的str参数，此时 str 参数和 ex.str 都指向了 String 对象 ”good“；之后 str 参数指向了字面量”test ok“，而 ex.str 依旧保存着指向 String 类 ”good“ 的地址，故 ex.str 依旧输出 “good” 。

字符串常量池

字符串常量池中是不会存储相同内容的字符串的。

String的String Pool是一个固定大小的 Hashtable，默认值大小长度是1009。如果放进String Pool的String非常多，就会造成Hash冲突严重，从而导致链表会很长，而链表长了后直接会造成的影响就是当调用 String.intern 时性能会大幅下降。

• str.intern()：如果字符串常量池中没有对应的 str 字符串，则在常量池中生成。

使用-XX:StringTableSize可以设置StringTable的长度。

• 在jdk6中 StringTable 是固定的，就是1009的长度，所以如果常量池中的字符串过多就会导致效率下降很快。StringTableSize 的设置没有要求。
• 在jdk7中，StringTable 的长度默认是60013，StringTableSize 的设置没有要求。
  • jdk8开始，设置 StringTable 的长度的话，1009是可以设置的最小值。

2 String的内存分配

在Java语言中有8种基本数据类型和一种比较特殊的类型String。这些类型为了使它们在运行过程中速度更快、更节省内存，都提供了一种常量池的概念。

常量池就类似一个Java系统级别提供的缓存。8种基本数据类型的常量池都是系统协调的，String类型的常量池比较特殊。它的主要使用方法有两种：

• 直接使用双引号声明出来String对象会直接存储在常量池中。

  • 比如：String info = "hello";

• 如果不是用双引号声明的String对象，可以使用String提供的 intern() 方法。

• Java6 及以前，字符串常量池存放在永久代。

• Java7 中，Oracle 的工程师对字符串池的逻辑做了很大的改变，即将字符串常量池的位置调整到Java堆内。

  • 所有的字符串都保存在堆（Heap）中，和其它普通对象一样，这样可以在进行调优应用时仅需要调整堆大小就可以了。
  • 字符串常量池概念原本使用的比较多，但是这个改动使得我们有足够的理由让我们重新考虑在 Java7 中使用 String.intern()。

• Java8 元空间，字符串常量在堆中。

StringTable 为什么要调整？

1. permSize 默认比较小
2. 永久代垃圾回收频率低

3 String的基本操作

例1

public class StringTest1 {
    public static void main(String[] args) {
        System.out.println(); // 执行到这一步前，内存中有2134个String变量
        System.out.println("1"); //2135
        System.out.println("2");
        System.out.println("3");
        System.out.println("4");
        System.out.println("5");
        System.out.println("6");
        System.out.println("7");
        System.out.println("8");
        System.out.println("9");
        System.out.println("10"); //2144

        System.out.println(); // 2145
        System.out.println("1"); // 2145
        System.out.println("2");
        System.out.println("3");
        System.out.println("4");
        System.out.println("5");
        System.out.println("6");
        System.out.println("7");
        System.out.println("8");
        System.out.println("9");
        System.out.println("10"); // 2145
    }
}

Java 语言规范里要求完全相同的字符串字面量，应该包含同样的 Unicode 字符序列（包含同一份码点序列的常量），并且必须是指向同一个 String 类实例。

例2

public class Memory {
    public static void main(String[] args) { //line 1
        int i = 1; //line 2
        Object obj = new Object(); //line 3
        Memory mem = new Memory(); //line 4
        mem.foo(obj); //line 5
    } //line 9

    private void foo(Object param) { //line 6
        String str = param.toString(); //line 7
        System.out.println(str);
    } //line 8
}

内存分配如下图：

4 字符串拼接操作

1. 常量与常量的拼接结果在常量池，原理是编译期优化。
2. 常量池中不会存在相同内容的常量。
3. 只要其中有一个是变量，结果就在堆中。变量拼接的原理是 StringBuilder。
4. 如果拼接的结果调用 intern() 方法，则主动将常量池中还没有的字符串对象放入池中，并返回此对象地址。

public class StringTest5 {
    @Test
    public void test1() {
        String s1 = "a" + "b" + "c";
        String s2 = "abc"; // "abc"一定是放在字符串常量池中，将此地址赋给s2
        /*
        * 最终，Java编译成.class，再执行.class
        * String s1 = "abc";
        * String s2 = "abc";
        */
        System.out.println(s1 == s2); // 返回 true
        System.out.println(s1.equals(s2)); // true
    }
    
    @Test
    public void test2() {
        String s1 = "javaEE";
        String s2 = "hadoop";

        // 如果拼接符号的前后出现了变量，则相当于在堆空间中 new String()，具体的内容为拼接的结果。
        String s3 = "javaEEhadoop";
        String s4 = "javaEE" + "hadoop"; // 编译期优化
        String s5 = s1 + "hadoop";
        String s6 = "javaEE" + s2;
        String s7 = s1 + s2;

        System.out.println(s3 == s4); //true
        System.out.println(s3 == s5); //false
        System.out.println(s3 == s6); //false
        System.out.println(s3 == s7); //false
        System.out.println(s5 == s6); //false
        System.out.println(s5 == s7); //false
        System.out.println(s6 == s7); //false

        /*
        * intern()：判断字符串常量池中是否存在 javaEEhadoop值，如果存在，则返回常量池中 javaEEhadoop 的地址
        * 如果字符串常量池中不存在javaEEhadoop，则在常量池中加载一份javaEEhadoop，并返回此对象的地址。
        */
        String s8 = s6.intern();
        System.out.println(s3 == s8); //true
    }
    
    @Test
    public void test3() {
        String s1 = "a";
        String s2 = "b";
        String s3 = "ab";

        /*
        如下的s1 + s2的执行细节：（变量 s 是临时定义的）
        1. StringBuilder s = new StringBuilder();
        2. s.append("a")
        3. s.append("b")
        4. s.toStirng()  ---> 约等于 new String("ab")

        补充：在jdk5.0之后使用的是 StringBuilder，在 jdk5.0 之前使用的是 StringBuffer
         */
        String s4 = s1 + s2;
        System.out.println(s3 == s4); //false
    }

    /*
     1. 字符串拼接操作不一定使用的是 StringBuilder
        如果拼接符号左右两边都是字符串常量或常量引用，则仍然使用编译期优化，即非 StringBuilder 的方式。
     2. 针对于 final 修饰类、方法、基本数据类型、引用数据类型的量的结构时，能使用上 final 的时候建议使用上
     */
    @Test
    public void test4() {
        final String s1 = "a";
        final String s2 = "b";
        String s3 = "ab";
        String s4 = s1 + s2;
        System.out.println(s3 == s4); //true
    }
}

拼接操作和 append 操作的效率对比

通过 StringBuilder 的 append() 的方式添加字符串的效率要远高于 String 的字符串拼接方式！

详情：

1. StringBuilder 的 append() 的方式：自始至终只创建过一个 StringBuilder 的对象
   使用String 的字符串拼接方式：创建过多个 StringBuilder 和 String 的对象
2. 使用String 的字符串拼接方式：内存中由于创建了较多的 StringBuilder 和 String 的对象，内存占用更大；如果进行GC，需要花费额外的时间。

改进空间：在实际开发中，如果基本确定要前前后后添加的字符串长度不高于某个限定值 highLevel 的情况下，建议使用构造器 StringBuilder s = new StringBuilder(highLevel); // new char[highLevel]

/*
    体会执行效率：通过 StringBuilder 的 append() 的方式添加字符串的效率要远高于 String 的字符串拼接方式！
    详情：
        1. StringBuilder 的 append() 的方式：自始至终只创建过一个 StringBuilder 的对象
            使用String 的字符串拼接方式：创建过多个 StringBuilder 和 String 的对象
        2. 使用String 的字符串拼接方式：内存中由于创建了较多的 StringBuilder 和 String 的对象，内存占用更大；如果进行GC，需要花费额外的时间。

     改进空间：在实际开发中，如果基本确定要前前后后添加的字符串长度不高于某个限定值 highLevel 的情况下，
              建议使用构造器 StringBuilder s = new StringBuilder(highLevel); // new char[highLevel]
     */
    @Test
    public void test5() {
        long start = System.currentTimeMillis();

//        method1(100000); // 需要时间 4014 毫秒
        method2(100000) // 7 毫秒

        long end = System.currentTimeMillis();

    }

    public void method1(int highLevel) {
        String src = "";
        for (int i = 0; i < highLevel; i++) {
            src = src + "a"; // 每次循环都会创建一个 StringBuilder、String
        }

    }

    public void method2(int highLevel) {
        // 只需要创建一个StringBuilder
        StringBuilder src = new StringBuilder();
        for (int i = 0; i < highLevel; i++) {
            src.append("a");
        }
    }

5 intern() 的使用

如果不是用双引号声明的String对象，可以使用 String 提供的 intern 方法：intern方法会从字符串常量池中查询当前字符串是否存在，若不存在就会将当前字符串放入常量池中。

• 比如：String myInfo = new String("hello").intern();

也就是说，如果在任意字符串上调用 String.intern 方法，那么其返回结果所指向的那个类实例，必须和直接以常量形式出现的字符串实例完全相同。因此，下列表达式的值必定是 true：

• ("a" + "b" + "c").intern() == "abc"

通俗点讲，Interned String 就是确保字符串在内存里只有一份拷贝，这样可以节约内存空间，加快字符串操作任务的执行速度。注意，这个值会被存放在字符串内部池（String Intern Pool）。

如何保证变量s指向的是字符串常量池中的数据呢？

• 方式一：String s = "hello"; // 字面量定义的方式
• 方式二：调用 intern()
  • String s = new String("hello").intern();
  • String s = new StringBuilder("hello").toString().intern();

new String() 到底创建了几个对象

new String("ab") 会创建几个对象？

public class StringNewTest {
    public static void main(String[] args) {
        String str = new String("ab");

//        String str = new String("a") + new String("b");
    }
}

上述程序的字节码：

从字节码中可以看出创建了两个对象：

• 一个对象是：new 关键字在堆空间创建的
• 另一个对象是：字符串常量池中的对象 "ab"。 字节码指令：ldc

new String("a") + new String("b") 呢？

public class StringNewTest {
    public static void main(String[] args) {
//        String str = new String("ab");

        String str = new String("a") + new String("b");
    }
}

上述程序的字节码：

• 对象1：new StringBuilder()
• 对象2：new String("a")
• 对象3：常量池中的 "a"
• 对象4：new String("b")
• 对象5：常量池中的 "b"

深入剖析：StringBuilder 的 toString() 方法

StringBuilder 的 toString() 的字节码：

从字节码看出，toString() 的调用，会new 一个 String 类，且不会将字符串放入字符串常量池中，即在字符串常量池中，没有生成 "ab"。

故有：

• 对象6：new String("ab")

intern() 在 jdk6 与 jdk7/8 中的区别

public class StringIntern1 {

    public static void main(String[] args) {
        String s = new String("1");
        s.intern(); // 调用此方法之前，字符串常量池中已经存在 "1" 了。
        String s2 = "1";
        System.out.println(s == s2);//输出： jdk6: false  jdk7/8: false

        String s3 = new String("1") + new String("1"); // s3变量记录的地址为：new String("11")
        //执行完上一行代码以后，字符串常量池中还不存在”11“。
        s3.intern(); // 在字符串常量池中生成”11“
        /*
        在jdk6里使用 intern()：再常量池里创建了一个新的”11“，也就有新的地址。
        在 jdk7 里：并不在常量池中创建新的”11“，而是创建一个指向堆空间中 new String("11") 的地址。
         */
        String s4 = "11"; //s4变量记录的地址：使用的是上一行代码执行时，在常量池中生成的”11“的地址
        System.out.println(s3 == s4);//jdk6: false jdk7/8: true
    }
}

总结String发 intern() 的使用：

• jdk1.6 中，将这个字符串对象尝试放入串池。
  • 如果串池中有，则不会放入。返回已有的串池中的对象的地址。
  • 如果没有，会把此对象复制一份，放入串池，并返回串池中的对象地址。
• jdk1.7 起，将这个字符串尝试放入串池。
  • 如果串池中有，则不会放入。返回已有的串池中的对象的地址。
  • 如果没有，则会把对象的引用地址复制一份，放入串池，并返回串池中的引用地址。

intern() 练习1：

public class StringExer1 {
    public static void main(String[] args) {
//        String x = "ab";
        
        String s = new String("a") + new String("b"); // new String("ab")
        // 在上一行代码执行完以后，字符串常量池中并没有”ab“
        
        String s2 = s.intern(); // jdk6中：在串池中创建一个字符串”ab“
        						// jdk8中：串池中没有创建字符串”ab“，而是创建一个引用，指向new String("ab")
        System.out.println(s2 == "ab"); //jdk6: true   jdk8: true
        System.out.println(s == "ab"); //jdk6: false   jdk8: true
    }
}

如果上述代码中 String x = "ab" 取消注释，那么 System.out.println(s == "ab") 在 jdk6 和 jdk8 中的结果都是 false。

intern() 练习2：

public class StringExer2 {
    public static void main(String[] args) {
        String s1 = new String("ab"); //执行完以后，在字符串常量池中会生成”ab”
//        String s1 = new String("a") + new String("b"); //执行完以后，不会在字符串常量池中会生成”ab”
        s1.intern();
        String s2 = "ab";
        System.out.println(s1 == s2);
    }
}

intern() 的空间效率测试

public class StringIntern2 {
    static final int MAX_COUNT = 1000 * 10000;
    static final String[] arr = new String[MAX_COUNT];
    
    public static void main(String[] agrs) {
        Integer[] data = new Integer[]{1,2,3,4,5,6,7,8,9,10};
        
        long start = System.currentTimeMillis();
        for (int i = 0; i < MAX_COUNT; i++) {
            arr[i] = new String(String.valueOf(data[i % data.length]));
//            arr[i] = new String(String.valueOf(data[i % data.length])).intern();
        }
        long end = System.currentTimeMillis();
        System.out.println("花费时间为：" + （end - start));
        
        try [
            Thread.sleep(1000000);
        ] catch (InterruptedException e) {
            e.printlnStackTrace();
        }
        System.gc();
    }
}

结论：对于程序中大量存在的字符串，尤其是其中存在很多重复字符串时，使用 intern() 可以节省内存空间。

大的网站平台，需要内存中存储大量的字符串。比如社交网站，很多人都存储：北京市、海淀区等信息。这时候如果字符串都调用 intern() 方法，就会明显降低内存的大小。

7 G1中的String去重操作 （了解即可）

背景：堆许多java应用（有大的也有小的）做的测试得出以下结果：

• 堆存活数据集合里面String对象占了25%
• 堆存活数据集合里面重复的String对象有13.5%
• String 对象的平均长度是45

许多大规模的Java应用的瓶颈在于内存，测试表明，在这些类型的应用里面，java堆中存活的数据集合差不多25%是String对象。更进一步，这里面差不多一半String对象是重复的，重复的意思是说，string1.equals(string2)=true。堆上存在重复的String对象必然是一种内存的浪费。这个项目将在G1垃圾收集器中实现自动持续对重复的String对象进行去重，这样就能避免浪费内存。

实现：

• 当垃圾收集器工作的时候，会访问堆上存活的对象。对每一个访问的对象都会检查是否是候选的要去重的String对象。
• 如果是，把这个对象的一个引用插入到队列中等待后续的处理。一个去重的线程在后台运行，处理这个队列。处理队列的一个元素意味着从队列删除这个元素，然后尝试去重它引用的String对象。
• 使用一个 hashtable 来记录所有的被String对象使用的不重复的char数组。当去重的时候，会查这个hashtable，来看堆上是否已经存在一个一摸一样的char数组。
• 如果存在，String对象会被调整引用那个数组，释放对原来的数组的引用，最终会被垃圾收集器回收掉。
• 如果查找失败，char数组会被插入到 hashtable，这样以后的时候就可以共享这个数组了。

命令行选项：

• UseStringDeduplication(bool)：开启String去重，默认是不开启的，需要手动开启。
• PrintStringDeduplicationStatistics(bool)：打印详细的去重统计信息。
• StringDeduplicationAgeThreshold(uintx)：达到这个年龄的String对象被认为是去重的候选对象。