【JVM】十三、String Table

大家好，我是被白菜拱的猪。

一个热爱学习废寝忘食头悬梁锥刺股，痴迷于girl的潇洒从容淡然coding handsome boy。

假如你喜欢我的文字，欢迎关注公众号“放开这颗白菜让我来”。

本篇结合【面试准备】关于String若干细节 阅读效果更佳。

13-String Table

一、String的基本特性

• 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：表示字符串时支持序列化的。

  ​ 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 final char[] value 用于存储字符串数据。jdk 9 时改为 byte[]

String在 jdk9 中存储结构变更

我们看官方文档怎么说

http://openjdk.java.net/jeps/254

## Motivation

The current implementation of the `String` 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 character), based upon the contents of the string. The encoding flag will indicate which encoding is used.

他的意思是说我们用char存储要占两个字节，但是大部分字符是拉丁文，拉丁文只用一个字节就可以存储，所以一般的空间就浪费掉了。因此我们换成了byte来存储字符串，那之前占用两个字节的字符怎么办呢？像中文就占用两个字符，文档提出用一个encoding-flag 一个标记来标识他占两个字符。

String 存储结构变更

结论：String 再也不用 char[] 来存储啦，改成了 byte[] 加上编码标记，节约了一些空间。那StringBuffer 和 StringBuilder 是否仍无动于衷呢？不是的，他们也做了相应的改变。

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创常量池中。

---

• 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。
  • 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
  • jdk8 开始，设置 StringTable的长度的话，1009 是可设置的最小值。

二、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。
    • 比如：String info = “ljl is a handsome boy”;
  • 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。这个后面重点谈
• 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

StringTable为什么要调整呢？

• 永久代空间默认比较小
• 永久代垃圾回收频率低

三、String的基本操作

四、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常量。
• 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。

五、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仿佛常量池中。

• 比如：String info = new String(“I love ljl”).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 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）。

---

总结 String 的 intern() 的使用

• jdk 1.6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。
• jdk 1.7 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

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。

六、StringTable的垃圾回收

七、G1中的String去重操作

• 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：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
  • 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