JVM：（十二）StringTable

12.1 String的简介

• String：字符串，使用一对""引起来表示

• 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。

• String实现了Comparable接口：表示string可以比较大小

• 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byte[]

• String在jdk9中存储结构变更，底层由char[]数组变为byte[]数组

  • 从许多不同的应用中收集到的数据表明，字符串是堆使用的主要组成部分，此外，大多数字符串对象只包含Latin-1字符。这些字符只需要一个字节的存储空间，因此这些字符串对象的内部字符数组中有一半的空间没有被使用。所以将String类的内部表示方法从UTF-16字符数组改为字节数组加编码标志域。新的String类将根据字符串的内容，以ISO-8859-1/Latin-1（每个字符一个字节）或UTF-16（每个字符两个字节）的方式存储字符编码。编码标志将表明使用的是哪种编码。

12.2 String的不可变性

1. 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，需要重写指定内存区域赋值，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。

2. 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。

3. 字符串常量池是不会存储相同内容的字符串的

4. String的String Pool是一个固定大小的Hashtable。如果HashTable的长度较小，且放进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。

5. 使用-XX:StringTablesize可设置StringTable的长度

   • 在jdk6中StringTable是固定的，就是1009的长度，StringTablesize设置没限制

   • 在jdk7中，StringTable的长度默认值是60013，StringTablesize设置没有限制

   • 在JDK8中，设置StringTable长度的话，1009是可以设置的最小值

12.3 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，池化资源的功能就是缓存与复用。String的主要使用方法有两种：

1. 直接使用双引号声明出来的String对象会直接存储在常量池中。
2. 不是用双引号声明的String对象（new出来的或者toString()生成的），对象存放在堆中。此时可以使用String提供的intern()方法。

Java 6及以前，字符串常量池存放在永久代。Java 7以后，将字符串常量池的位置调整到Java堆内。

@Test
public void test1() {
    System.out.print1n("1"); 	//2321
    System.out.println("2"); 	//2322
    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");	//2330
    System.out.println("1"); 	//2321
    System.out.println("2"); 	//2322
    System.out.println("3");
    System.out.println("4");
    System.out.println("5");
    System.out.print1n("6");
    System.out.print1n("7");
    System.out.println("8");
    System.out.println("9");
    System.out.println("10");	//2330
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

12.4 字符串拼接操作

12.4.1 字符串拼接规则

• 常量与常量的拼接结果在常量池，原理是编译期优化，这里常量是指字面量或是final修饰的String常量

• 常量池中不会存在相同内容的变量

• 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

• 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 static void test1() {
    // 都是常量，前端编译期会进行代码优化
    // 通过idea直接看对应的反编译的class文件，会显示 String s1 = "abc"; 说明做了代码优化
    String s1 = "a" + "b" + "c";  
    String s2 = "abc"; 

    // true，有上述可知，s1和s2实际上指向字符串常量池中的同一个值
    System.out.println(s1 == s2); 
}
1
2
3
4
5
6
7
8
9

public static void test2() {
    String s1 = "javaEE";
    String s2 = "hadoop";

    String s3 = "javaEEhadoop";
    String s4 = "javaEE" + "hadoop";    
    String s5 = s1 + "hadoop";
    String s6 = "javaEE" + s2;
    String s7 = s1 + s2;

    System.out.println(s3 == s4); // true 编译期优化
    System.out.println(s3 == s5); // false s1是变量，不能编译期优化
    System.out.println(s3 == s6); // false s2是变量，不能编译期优化
    System.out.println(s3 == s7); // false s1、s2都是变量
    System.out.println(s5 == s6); // false s5、s6 不同的对象实例
    System.out.println(s5 == s7); // false s5、s7 不同的对象实例
    System.out.println(s6 == s7); // false s6、s7 不同的对象实例

    String s8 = s6.intern();
    System.out.println(s3 == s8); // true intern之后，s8和s3一样，指向字符串常量池中的"javaEEhadoop"
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

public void test6(){
    String s0 = "beijing";
    String s1 = "bei";
    String s2 = "jing";
    String s3 = s1 + s2;
    System.out.println(s0 == s3); // false s3指向对象实例，s0指向字符串常量池中的"beijing"
    String s7 = "shanxi";
    final String s4 = "shan";
    final String s5 = "xi";
    String s6 = s4 + s5;
    System.out.println(s6 == s7); // true s4和s5是final修饰的，编译期就能确定s6的值了
}
1
2
3
4
5
6
7
8
9
10
11
12

Trick：

• 不使用final修饰，即为变量。如s3行的s1和s2，会通过new StringBuilder进行拼接

• 使用final修饰，即为常量。会在编译器进行代码优化。在实际开发中，能够使用final的，尽量使用

• s1 + s2实际上是new了一个StringBuilder对象，并使用了append方法将s1和s2添加进来，最后调用了toString方法赋给s4

12.4.2 三种字符串拼接操作性能对比

public class Test
{
    public static void main(String[] args) {
        int times = 50000;

        // String
        long start = System.currentTimeMillis();
        testString(times);
        long end = System.currentTimeMillis();
        System.out.println("String: " + (end-start) + "ms");

        // StringBuilder
        start = System.currentTimeMillis();
        testStringBuilder(times);
        end = System.currentTimeMillis();
        System.out.println("StringBuilder: " + (end-start) + "ms");

        // StringBuffer
        start = System.currentTimeMillis();
        testStringBuffer(times);
        end = System.currentTimeMillis();
        System.out.println("StringBuffer: " + (end-start) + "ms");
    }

    public static void testString(int times) {
        String str = "";
        for (int i = 0; i < times; i++) {
            str += "test";
        }
    }

    public static void testStringBuilder(int times) {
        StringBuilder sb = new StringBuilder();
        for (int i = 0; i < times; i++) {
            sb.append("test");
        }
    }

    public static void testStringBuffer(int times) {
        StringBuffer sb = new StringBuffer();
        for (int i = 0; i < times; i++) {
            sb.append("test");
        }
    }
}
// 结果
String: 7963ms
StringBuffer: 4ms
StringBuilder: 1ms
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49

结论：String拼接方式的时间是StringBuilder.append方式的约8000倍，StringBuffer.append()方式的时间是StringBuilder.append()方式的约4倍。

所以：在实际开发中，对于需要多次或大量拼接的操作，若不考虑线程安全问题，应该尽可能使用StringBuilder进行append操作。

此外，StringBuiler底层是通过动态数组实现的，涉及到扩容，所以我们如果提前知道需要拼接String的长度，就应该直接使用带参构造器指定容量，能够减少扩容的次数，以提升字符串运行效率。

12.5 intern()的使用

12.5.1 intern()简介

1. 当调用intern方法时，如果字符串常量池已经包含了一个与这个String对象值相等的字符串，那么常量池中的字符串会被返回。否则，这个String对象被添加到常量池中，并返回池中该String对象的引用。
2. 对于任何两个字符串s和t，当且仅当s.equals(t)为真时，s.intern() == t.intern()为真。
3. 所有字面量和以字符串常量表达式都是interned。
4. intern()是一个native方法，调用的是底层C的方法
5. 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。

12.5.2 intern()的使用：JDK6 vs JDK7/8

/**
 * ① String s = new String("1")
 * 创建了两个对象
 * 		堆空间中一个new对象
 * 		字符串常量池中一个字符串常量"1"（注意：此时字符串常量池中已有"1"）
 * ② s.intern()由于字符串常量池中已存在"1"
 * s  指向的是堆空间中的对象地址
 * s2 指向的是堆空间中常量池中"1"的地址
 * 所以不相等
 */
String s = new String("1");
s.intern();
String s2 = "1";
System.out.println(s==s2); // jdk1.6 false jdk7/8 false

/*
 * ① String s3 = new String("1") + new String("1")
 * 执行StringBuilder的toString()方法，本质是new String（"11"）
 * 但是与直接new String("11")不同，常量池中并不生成字符串"11"；
 * ② s3.intern()
 * 由于此时常量池中并无"11"，所以把s3中记录的对象的地址存入常量池
 * 这里jdk6和jdk7有区别：
 *		在jdk6中，会直接复制新的"11"对象放入常量池
 *		在jdk7及以后，会直接将s3的引用放入常量池
 */
String s3 = new String("1") + new String("1");
s3.intern();
String s4 = "11";
System.out.println(s3==s4); //jdk1.6 false jdk7/8 true
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

总结：str.intern()执行细节：

JDK1.6中

• 如果串池中有str，则并不会放入。返回常量池中的str对象的地址

• 如果没有，会把str对象复制一份，放入常量池，并返回常量池中的str对象地址

JDK1.7起

• 如果串池中有str，则并不会放入。返回常量池中的str对象的地址

• 如果没有，则会把堆中str对象的引用地址复制一份，放入常量池，并返回常量池中的引用地址

举例1：

举例2：

12.5.3 intern的效率测试：空间角度

public class StringIntern2 {
    static final int MAX_COUNT = 1000 * 10000;
    static final String[] arr = new String[MAX_COUNT];

    public static void main(String[] args) {
        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("花费的时间为：" + (end - start));

        try {
            Thread.sleep(1000000);
        } catch (Exception e) {
            e.getStackTrace();
        }
    }
}

// 运行结果
不使用intern：7256ms
使用intern：1395ms
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

结论：对于程序中大量使用存在的字符串时，尤其存在很多已经重复的字符串时，使用intern()方法能够节省内存空间。

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，就会很明显降低内存的大小。

上述代码intern()之后，原来new String()出来的对象就会变成垃圾，将会被回收；此外若字符串常量池占用过大，也会发生GC。

12.6 G1 GC的String去重

背景：对许多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： stringl.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。

实现原理

1. 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
2. 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。
3. 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模一样的char数组。
4. 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。
5. 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。