StringTable

String的基本特性

  • String:字符串,使用一对””引起来表示

    • String s1 = “mogublog”; // 字面量的定义方式 创建一个对象 或者不创建对象
    • String s2 = new String(“moxi”); //创建一个或者两个对象 s2 为新创建的
  • 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 可以比较大小

  • String在JDK8及以前内部定义了 fianl char[] value用于存储字符串数据。JDK9时改为byte[]

为什么JDK9改变了结构

String类的当前实现将字符存储在char数组中,每个字符使用两个字节(16位)。从许多不同的应用程序收集的数据表明,字符串是堆使用的主要组成部分,而且,大多数字符串对象只包含拉丁字符。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char数组中有一半的空间将不会使用。

我们建议改变字符串的内部表示clasš从utf - 16字符数组到字节数组+一个encoding-flag字段。新的String类将根据字符串的内容存储编码为ISO-8859-1/Latin-1(每个字符一个字节)或UTF-16(每个字符两个字节)的字符。编码标志将指示使用哪种编码。

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

1
2
3
4
// 之前
private final char value[];
// 之后
private final byte[] value

同时基于String的数据结构,例如StringBuffer和StringBuilder也同样做了修改

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

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
public class StringTest{
public static void test1() {
// 字面量定义的方式,“abc”存储在字符串常量池中
String s1 = "abc";
String s2 = "abc";
System.out.println(s1 == s2);
s1 = "hello";
System.out.println(s1 == s2);
System.out.println(s1);
System.out.println(s2);
System.out.println("----------------");
}

public static void test2() {
String s1 = "abc";
String s2 = "abc";
// 只要进行了修改,就会重新创建一个对象,这就是不可变性
s2 += "def";
System.out.println(s1);
System.out.println(s2);
System.out.println("----------------");
}

public static void test3() {
String s1 = "abc";
String s2 = s1.replace('a', 'm');
System.out.println(s1);
System.out.println(s2);
}

public static void main(String[] args) {
test1();
test2();
test3();
}
}

运行结果

1
2
3
4
5
6
7
8
9
10
true
false
hello
abc
----------------
abc
abcdef
----------------
abc
mbc

注意

字符串常量池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。

使用-XX:StringTablesize可设置stringTab1e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,

在JDK8中,StringTable可以设置的最小值为1009

Sring的内存分配

在Java语言中有8中基本数据类型和一种比较特殊的类型String。这些类型为了使他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。他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元空间,字符串常量在堆

image-20210516200425682

为什么StringTable从永久代调整到堆中

在JDK 7中,interned字符串不再在Java堆的永久生成中分配,而是在Java堆的主要部分(称为年轻代和年老代)中分配,与应用程序创建的其他对象一起分配。此更改将导致驻留在主Java堆中的数据更多,驻留在永久生成中的数据更少,因此可能需要调整堆大小。由于这一变化,大多数应用程序在堆使用方面只会看到相对较小的差异,但加载许多类或大量使用字符串的较大应用程序会出现这种差异。intern()方法会看到更显著的差异。

  • 永久代的默认比较小
  • 永久代垃圾回收频率低

String的基本操作

java语言规范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。

字符串拼接操作

  • 常量与常量的拼接结果在常量池,原理是编译期优化
  • 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interm()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
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
public static void test1(){
String s1 = "a" + "b" +"c"; // 得到abc的常量池
String s2 = "abc"; // abc存放在常量池中,直接将常量池的地址返回

// 最终java变异成.class、再执行.class
System.out.println(s1 == s2); // true 因为存放在字符串常量池
System.out.println(s1.equals(s2)); //true
}

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
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

String s8 = s6.intern();
System.out.println(s3 == s8); // true

}

从上述的结果我们可以知道:

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。而调用intern方法,则会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的值,否则就在常量池中创建

底层原理

拼接操作的底层其实使用了StringBuilder

image-20200711102231129

s1 + s2的执行细节

  • StringBuilder s = new StringBuilder();
  • s.append(s1);
  • s.append(s2);
  • s.toString(); -> 类似于new String(“ab”);

在JDK5之后,使用的是StringBuilder,在JDK5之前使用的是StringBuffer

在JDK5之后,使用的是StringBuilder,在JDK5之前使用的是StringBuffer

String StringBuffer StringBuilder
String的值是不可变的,这就导致每次对String的操作都会生成新的String对象,不仅效率低下,而且浪费大量优先的内存空间 StringBuffer是可变类,和线程安全的字符串操作类,任何对它指向的字符串的操作都不会产生新的对象。每个StringBuffer对象都有一定的缓冲区容量,当字符串大小没有超过容量时,不会分配新的容量,当字符串大小超过容量时,会自动增加容量 可变类,速度更快
不可变 可变 可变
线程安全 线程不安全
多线程操作字符串 单线程操作字符串

注意,我们左右两边如果是变量的话,就是需要new StringBuilder进行拼接,但是如果使用的是final修饰,则是从常量池中获取。所以说拼接符号左右两边都是字符串常量或常量引用 则仍然使用编译器优化。也就是说被final修饰的变量,将会变成常量,类和方法将不能被继承、

  • 在开发中,能够使用final的时候,建议使用上
1
2
3
4
5
6
7
public static void test4() {
final String s1 = "a";
final String s2 = "b";
String s3 = "ab";
String s4 = s1 + s2;
System.out.println(s3 == s4);
}

运行结果

1
true

拼接操作和append性能对比

1
2
3
4
5
6
7
8
9
10
11
12
13
public static void method1(int highLevel) {
String src = "";
for (int i = 0; i < highLevel; i++) {
src += "a"; // 每次循环都会创建一个StringBuilder对象
}
}

public static void method2(int highLevel) {
StringBuilder sb = new StringBuilder();
for (int i = 0; i < highLevel; i++) {
sb.append("a");
}
}

方法1耗费的时间:4005ms,方法2消耗时间:7ms

结论:

  • 通过StringBuilder的append()方式添加字符串的效率,要远远高于String的字符串拼接方法

好处

  • StringBuilder的append的方式,自始至终只创建一个StringBuilder的对象
  • 对于字符串拼接的方式,还需要创建很多StringBuilder对象和 调用toString时候创建的String对象
  • 内存中由于创建了较多的StringBuilder和String对象,内存占用过大,如果进行GC那么将会耗费更多的时间

改进的空间

  • 我们使用的是StringBuilder的空参构造器,默认的字符串容量是16,然后将原来的字符串拷贝到新的字符串中, 我们也可以默认初始化更大的长度,减少扩容的次数
  • 因此在实际开发中,我们能够确定,前前后后需要添加的字符串不高于某个限定值,那么建议使用构造器创建一个阈值的长度

intern()的使用

intern是一个native方法,调用的是底层C的方法

字符串池最初是空的,由String类私有地维护。在调用intern方法时,如果池中已经包含了由equals(object)方法确定的与该字符串对象相等的字符串,则返回池中的字符串。否则,该字符串对象将被添加到池中,并返回对该字符串对象的引用。

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:

1
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

1
"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)

intern的空间效率测试

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

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
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])).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();
}
}
}

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。

面试题

new String(“ab”)会创建几个对象

1
2
3
4
5
6
7
8
/**
* new String("ab") 会创建几个对象? 看字节码就知道是2个对象
*/
public class StringNewTest {
public static void main(String[] args) {
String str = new String("ab");
}
}

我们转换成字节码来查看

1
2
3
4
5
6
 0 new #2 <java/lang/String>
3 dup
4 ldc #3 <ab>
6 invokespecial #4 <java/lang/String.<init>>
9 astore_1
10 return

这里面就是两个对象

  • 一个对象是:new关键字在堆空间中创建
  • 另一个对象:字符串常量池中的对象

new String(“a”) + new String(“b”) 会创建几个对象

1
2
3
4
5
6
7
8
9
/**
* new String("ab") 会创建几个对象? 看字节码就知道是2个对象
*
*/
public class StringNewTest {
public static void main(String[] args) {
String str = new String("a") + new String("b");
}
}

字节码文件为

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
 0 new #2 <java/lang/StringBuilder>
3 dup
4 invokespecial #3 <java/lang/StringBuilder.<init>>
7 new #4 <java/lang/String>
10 dup
11 ldc #5 <a>
13 invokespecial #6 <java/lang/String.<init>>
16 invokevirtual #7 <java/lang/StringBuilder.append>
19 new #4 <java/lang/String>
22 dup
23 ldc #8 <b>
25 invokespecial #6 <java/lang/String.<init>>
28 invokevirtual #7 <java/lang/StringBuilder.append>
31 invokevirtual #9 <java/lang/StringBuilder.toString>
34 astore_1
35 return

我们创建了6个对象

  • 对象1:new StringBuilder()
  • 对象2:new String(“a”)
  • 对象3:常量池的 a
  • 对象4:new String(“b”)
  • 对象5:常量池的 b
  • 对象6:toString中会创建一个 new String(“ab”)
    • 调用toString方法,不会在常量池中生成ab

intern的使用:JDK6和JDK7

JDK6中

1
2
3
4
5
6
7
8
9
String s = new String("1");  // 在常量池中已经有了
s.intern(); // 将该对象放入到常量池。但是调用此方法没有太多的区别,因为已经存在了1
String s2 = "1";
System.out.println(s == s2); // false

String s3 = new String("1") + new String("1");
s3.intern();
String s4 = "11";
System.out.println(s3 == s4); // true

输出结果

1
2
false
true

为什么对象会不一样呢?

  • 一个是new创建的对象,一个是常量池中的对象,显然不是同一个

如果是下面这样的,那么就是true

1
2
3
4
String s = new String("1");
s = s.intern();
String s2 = "1";
System.out.println(s == s2); // true

而对于下面的来说,因为 s3变量记录的地址是 new String(“11”),然后这段代码执行完以后,常量池中不存在 “11”,这是JDK6的关系,然后执行 s3.intern()后,就会在常量池中生成 “11”,最后 s4用的就是s3的地址

为什么最后输出的 s3 == s4 会为false呢?

这是因为在JDK6中创建了一个新的对象 “11”,也就是有了新的地址, s2 = 新地址

而在JDK7中,在JDK7中,并没有创新一个新对象,而是指向常量池中的新对象

JDK7中

1
2
3
4
5
6
7
8
9
String s = new String("1");
s.intern();
String s2 = "1";
System.out.println(s == s2); // true

String s3 = new String("1") + new String("1");
s3.intern();
String s4 = "11";
System.out.println(s3 == s4); // true

image-20200711145925091

扩展

1
2
3
4
String s3 = new String("1") + new String("1");
String s4 = "11"; // 在常量池中生成的字符串
s3.intern(); // 然后s3就会从常量池中找,发现有了,就什么事情都不做
System.out.println(s3 == s4);

我们将 s4的位置向上移动一行,发现变化就会很大,最后得到的是 false

总结

总结string的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,则并不会放入。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,将这个字符串对象尝试放入串池。

  • 如果串池中有,则并不会放入。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

练习:

image-20200711150859709

  • 在JDK6中,在字符串常量池中创建一个字符串 “ab”
  • 在JDK8中,在字符串常量池中没有创建 “ab”,而是将堆中的地址复制到 串池中。

所以上述结果,在JDK6中是:

1
2
true
false

在JDK8中是

1
2
false
true

image-20200711151326909

针对下面这题,在JDK6和8中表现的是一样的

image-20200711151433277

StringTable的垃圾回收

1
2
3
4
5
6
7
8
9
10
11
/**
* String的垃圾回收
* -Xms15m -Xmx15m -XX:+PrintStringTableStatistics -XX:+PrintGCDetails
*/
public class StringGCTest {
public static void main(String[] args) {
for (int i = 0; i < 100000; i++) {
String.valueOf(i).intern();
}
}
}

G1中的String去重操作

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

描述

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hashtab1e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。

开启

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。
Printstringbeduplicationstatistics(bool):打印详细的去重统计信息
stringpeduplicationAgeThreshold(uintx):达到这个年龄的string对象被认为是去重的候选对象