第10章_StringTable

10.1.String类的结构特征

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[]

10.2String在jdk9中存储结构变更

官网地址：JEP 254: Compact Strings (java.net)

动机

目前String类的实现将字符存储在一个char数组中，每个字符使用两个字节（16位）。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。

说明

我们建议将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。

与字符串相关的类，如AbstractStringBuilder、StringBuilder和StringBuffer将被更新以使用相同的表示方法，HotSpot VM的内在字符串操作也是如此。

这纯粹是一个实现上的变化，对现有的公共接口没有变化。目前没有计划增加任何新的公共API或其他接口。

迄今为止所做的原型设计工作证实了内存占用的预期减少，GC活动的大幅减少，以及在某些角落情况下的轻微性能倒退。

结论：String再也不用char[] 来存储了，改成了byte [] 加上编码标记，节约了一些空间

public final class String implements java.io.Serializable, Comparable<String>, CharSequence {
    @Stable
    private final byte[] value;
}

10.3. String的基本特性

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。

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。

字符串常量池是不会存储相同内容的字符串的

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，并且必须是指向同一个String类实例。

下面代码示例：就是因为字符串的不可变性，当对原本的字符串进行重新赋值或者是进行拼接的时候，并不会改变原来的值，而是在字符常量池当中重新声明字符串。

public class Practise15 {
    public static void main(String[] args) {
        String s1 = "hello";
        String s2 = "hello";
        String s3 = "hello";
        System.out.println(s1 == s2);
        System.out.println(s1 == s3);

        s2 = "world";
        s3 += "world";
        System.out.println(s1 == s2);
        System.out.println(s1 == s3);

        String s4 = s1.replace('h', 'H');
        System.out.println(s1);
        System.out.println(s4);
    }
}
true
true
false
false
hello
Hello

String的String Pool是一个固定大小的Hashtable（Hashtable是Map接口的实现类，其存储的是无序不可重复的元素），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。

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，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设置没有要求

在jdk7中，StringTable的长度默认值是60013，StringTablesize设置没有要求

在JDK8中，设置StringTable长度，1009是可以设置的最小值

10.4. 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的String对象会直接存储在常量池中。

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。

Java 6及以前，字符串常量池存放在永久代

Java 7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，和其他普通对象一样，这样可以让你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得比较多，但是这个改动使得我们有足够的理由让我们重新考虑在Java 7中使用String.intern()。

Java8将永久代替换为元空间，字符串常量依旧存在于堆中

StringTable为什么要调整？

因为永久代（方法区实现）的 GC 回收效率太低，只有在整堆收集 (Full GC)的时候才会被执行 GC。Java 程序在运行过程中通常会有大量的被创建的字符串等待回收，最终可能会导致永久代空间不足。

==将字符串常量池放到堆中，能够更高效及时地回收内存。==

10.5.字符串拼接操作

首先：字符串是常量还是变量的理解

在Java中，String类型的对象是不可变的，也就是说，一旦创建了一个String对象，它的值就不能被修改。因此，String对象本身(字符串)可以被看作是常量。

然而，在Java中，使用String关键字声明的变量是可以被重新赋值的。这意味着String s1= “abc”;中的s1是一个String类型的变量，可以在程序执行过程中改变它的引用指向其他的String对象。虽然s1是一个变量，但是它指向的String对象是不可变的。换句话说，s1可以指向不同的String对象，但是每个String对象本身的值是不可改变的。

常量与常量的拼接结果在常量池，原理是编译期优化

字符串常量池中不会存在相同的字符串

字符串拼接过程中，其中有一个是变量，结果就在堆中。变量拼接的原理是StringBuilder（线程不安全，效率更高)

如果拼接的结果调用intern()方法，如果字符串常量池中存在当前字符串，则直接返回该字符串的对象地址。如果字符串常量池中还没有该字符串对象就将其放入字符串常量池中，并返回此对象地址

举例1

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); 
    System.out.println(s1.equals(s2)); 
}

举例2

public static void test5() {
    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: javaEEhadoop
    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); // 不能编译期优化
    System.out.println(s3 == s6); // 不能编译期优化
    System.out.println(s3 == s7); // 都是变量
    System.out.println(s5 == s6); // 不同的对象实例
    System.out.println(s5 == s7); // 不同的对象实例
    System.out.println(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"
}
true
false
false
false
false
false
false
true

举例3

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
}

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

举例4

public void test3(){
    String s1 = "a";
    String s2 = "b";
    String s3 = "ab";
    String s4 = s1 + s2;
    System.out.println(s3==s4);
}
false

字节码

我们拿例4的字节码进行查看，可以发现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

 0 ldc #2 <a>  //取得a
 2 astore_1
 3 ldc #3 <b>  //取得b
 5 astore_2
 6 ldc #4 <ab> //取得ab
 8 astore_3
 9 new #5 <java/lang/StringBuilder> //新创建一个StringBuilder对象
12 dup
13 invokespecial #6 <java/lang/StringBuilder.<init>> //StringBuilder对象初始化
16 aload_1
17 invokevirtual #7 <java/lang/StringBuilder.append> //执行append操作
20 aload_2
21 invokevirtual #7 <java/lang/StringBuilder.append> //执行append操作
24 invokevirtual #8 <java/lang/StringBuilder.toString>  
27 astore 4
29 getstatic #9 <java/lang/System.out>
32 aload_3
33 aload 4
35 if_acmpne 42 (+7)
38 iconst_1
39 goto 43 (+4)
42 iconst_0
43 invokevirtual #10 <java/io/PrintStream.println>
46 return

10.7.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
StringBuilder: 1ms
StringBuffer: 4ms

本实验进行5万次循环，String拼接方式（每次拼接就创建一个StringBuilder对象）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

可以看到，通过StringBuilder的append方式的速度，要比直接对String使用“+”拼接的方式快的多

那么，在实际开发中，对于需要多次或大量拼接的操作，在不考虑线程安全问题时，我们就应该尽可能使用StringBuilder进行append操作

除此之外，还有那些操作能够帮助我们提高字符串方面的运行效率呢？

StringBuider空参构造器的初始化大小为16。那么，如果提前知道需要拼接String的个数，就应该直接使用带参构造器指定capacity，以减少扩容的次数（扩容的逻辑可以自行查看源代码）

/**
 * Constructs a string builder with no characters in it and an
 * initial capacity of 16 characters.
 */
public StringBuilder() {
    super(16);
}

/**
 * Constructs a string builder with no characters in it and an
 * initial capacity specified by the {@code capacity} argument.
 *
 * @param      capacity  the initial capacity.
 * @throws     NegativeArraySizeException  if the {@code capacity}
 *               argument is less than {@code 0}.
 */
public StringBuilder(int capacity) {
    super(capacity);
}

10.8String创建对象说明

对于以下代码，一共创建了几个对象？

String str = new String("hello");

查看对应的字节码：

可以看出是两个对象

在堆空间中创建的String类型的对象

在字符串常量池当中声明的对象”hello”。

对于以下代码，一共创建了几个对象？

String str = new String("hello") + new String("world");

查看对应的字节码

对象new StringBuilder()

对象new String(“hello”)

字符串常量池当中的hello

对象new String(“world”)

字符串常量池当中的world

深入剖析：StringBuilder的toString()

new String(“helloworld”)

其中toString()的调用并没有在字符串常量池当中生成“helloworld”

10.9. intern()方法

10.9.1.intern()方法的说明

当调用intern方法时，如果字符串常量池里已经包含了一个与这个String对象相等的字符串，正如equals(Object)方法所确定的，那么字符串常量池里的字符串引用会被返回。否则，这个String对象被添加到字符串常量池中，并返回这个String对象的引用。

由此可见，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。

所有字面量字符串和以字符串为值的常量表达式都是interned。

返回一个与此字符串内容相同的字符串，但保证是来自一个唯一的字符串池。

intern是一个native方法(本地方法)，调用的是底层C的方法

public native String intern();

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，它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。

String myInfo = new string("I love atguigu").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）

10.9.2. intern的使用：JDK6 vs JDK7/8

/**
 * s  指向的是堆空间中的对象地址
 * s2 指向的是堆空间中字符串常量池中"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")
 * 等价于new String（"11"），但是，常量池中并不生成字符串"11"；
 * 因为已经在堆空间当中已经存在类型为String的11对象，字符串常量池当中记录的是对应堆空间当中的对象地址。
 *
 * 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字符串常量池中
 * 所以s3 和 s4 指向的都是一个地址
*/
String s3 = new String("1") + new String("1");
s3.intern();
String s4 = "11";
System.out.println(s3==s4); //jdk1.6 false jdk7/8 true

总结String的intern()的使用：

JDK1.6中，将这个字符串对象尝试放入字符串常量池。

如果字符串常量池中有，则并不会放入。返回已有的字符串常量池中的对象的地址

如果没有，会把此对象放入字符串常量池，并返回字符串常量池中的对象地址

JDK1.7起，将这个字符串对象尝试放入字符串常量池。

如果字符串常量池中有，则并不会放入。返回已有的字符串常量池中的对象的地址

如果没有，则会在字符串常量池中放入堆空间当中的对象的引用地址，并返回字符串常量池中的引用地址;

10.9.3. intern的效率测试：空间角度

我们通过测试一下，使用了intern和不使用的时候，其实相差还挺多的

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

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。

因为对于没有使用intern()方法，在字符串常量池当中会存储1-10的字符串，但是在堆内存当中就会创建1千万个对象实例。

对于使用intern()方法，就不会创建过多的对象实例，而是指向的是字符串常量池当中对应的对象引用地址。

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。

10.10. StringTable的垃圾回收

public class StringGCTest {
    /**
     * -Xms15m -Xmx15m -XX:+PrintGCDetails
     */
    public static void main(String[] args) {
        
        for (int i = 0; i < 100000; i++) {
            String.valueOf(i).intern();
        }
    }
}

运行结果

[GC (Allocation Failure) [PSYoungGen: 4096K->504K(4608K)] 4096K->1689K(15872K), 0.0581583 secs] [Times: user=0.00 sys=0.00, real=0.06 secs] 
[GC (Allocation Failure) [PSYoungGen: 4600K->504K(4608K)] 5785K->2310K(15872K), 0.0015621 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC (Allocation Failure) [PSYoungGen: 4600K->504K(4608K)] 6406K->2350K(15872K), 0.0034849 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
Heap
 PSYoungGen      total 4608K, used 1919K [0x00000000ffb00000, 0x0000000100000000, 0x0000000100000000)
  eden space 4096K, 34% used [0x00000000ffb00000,0x00000000ffc61d30,0x00000000fff00000)
  from space 512K, 98% used [0x00000000fff00000,0x00000000fff7e010,0x00000000fff80000)
  to   space 512K, 0% used [0x00000000fff80000,0x00000000fff80000,0x0000000100000000)
 ParOldGen       total 11264K, used 1846K [0x00000000ff000000, 0x00000000ffb00000, 0x00000000ffb00000)
  object space 11264K, 16% used [0x00000000ff000000,0x00000000ff1cd9b0,0x00000000ffb00000)
 Metaspace       used 3378K, capacity 4496K, committed 4864K, reserved 1056768K
  class space    used 361K, capacity 388K, committed 512K, reserved 1048576K

10.11. G1中的String去重操作

目前，许多大规模的Java应用程序在内存上遇到了瓶颈。测量表明，在这些类型的应用程序中，大约25%的Java堆实时数据集被String'对象所消耗。此外，这些 "String "对象中大约有一半是重复的，其中重复意味着 "string1.equals(string2) "是真的。在堆上有重复的String’对象，从本质上讲，只是一种内存的浪费。这个项目将在G1垃圾收集器中实现自动和持续的`String’重复数据删除，以避免浪费内存，减少内存占用。

注意这里说的重复，指的是在堆中的数据，而不是常量池中的，因为常量池中的本身就不会重复

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

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模一样的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

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

JVM

#Java #JVM

第10章_StringTable

https://xhablog.online/2022/05/18/JVM-第10章_StringTable/

作者

Xu huaiang

发布于

2022年5月18日

许可协议

第11章_垃圾回收概述及算法上一篇

第09_章_执行引擎下一篇