JDK9 开始 将String的底层实现由char[]改成了byte[]

String notion、String 语雀 ：因为对底层发现char[] ——> byte[] ，本文是找的别人的。
通过JDK8与JDK11的对比，很容易发现String 类的源码已经由 char[] 优化为了 byte[] 来存储字符串内容。
其实是从JDK9开始变得，因为JDK8与JDK11都是LTS版本，我就用JDK11列举源码。
为什么要这样做呢？

一、为什么要优化 String 节省内存空间

使用 jmap -histo:live pid | head -n 10 命令就可以查看到堆内对象示例的统计信息、查看 ClassLoader 的信息以及 finalizer 队列。
ps：我试了，Windows上缺少NativeIO需要手动创建。
以正在运行着的项目实例（基于 Java 8）来说

其中 String 对象有 17638 个，占用了 423312 个字节的内存，排在第三位。
由于 Java 8 的 String 内部实现仍然是 char[]，所以可以看到内存占用排在第 1 位的就是 char 数组。
char[] 对象有 17673 个，占用了 1621352 个字节的内存，排在第一位。
所以说优化 String 节省内存空间是非常有必要的

二、byte[] 为什么就能节省内存空间呢？

char 类型的数据在 JVM 中是占用两个字节的，并且使用的是 UTF-8 编码，其值范围在 ‘\u0000’（0）和 ‘\uffff’（65,535）（包含）之间。
使用 char[] 来表示 String 就导致了即使 String 中的字符只用一个字节就能表示，也得占用两个字节。
实际开发中，单字节的字符使用频率仍然要高于双字节的。
仅仅将 char[] 优化为 byte[] 是不够的，还要配合 Latin-1 的编码方式

该编码方式是用单个字节来表示字符的，这样就比 UTF-8 编码节省了更多的空间。

例如：String name = “jack”;
使用 Latin-1 编码，占用 4 个字节；
但对于：
String name = “小二”;
只能使用 UTF16 来编码。
所以JDK8之后 String 源码里，为了区别编码方式，追加了一个 coder 字段来区分。

Java 会根据字符串的内容自动设置为相应的编码，要么 Latin-1 要么 UTF16。

也就是说，从 char[] 到 byte[]，中文是两个字节，纯英文是一个字节，
在此之前，中文是两个字节，英文也是两个字节。

三、为什么用UTF-16而不用UTF-8呢？

在 UTF-8 中，0-127 号的字符用 1 个字节来表示，使用和 ASCII 相同的编码。
只有 128 号及以上的字符才用 2 个、3 个或者 4 个字节来表示。

具体的表现形式为：

• 0xxxxxxx：一个字节；
• 110xxxxx 10xxxxxx：两个字节编码形式（开始两个 1）；
• 1110xxxx 10xxxxxx 10xxxxxx：三字节编码形式（开始三个 1）；
• 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx：四字节编码形式（开始四个 1）。

也就是说，UTF-8 是变长的，那对于 String 这种有随机访问方法的类来说，就很不方便。所谓的随机访问，就是charAt、subString这种方法，随便指定一个数字，String要能给出结果。如果字符串中的每个字符占用的内存是不定长的，那么进行随机访问的时候，就需要从头开始数每个字符的长度，才能找到想要的字符。
UTF-16 使用 2 个或者 4 个字节来存储字符。

• 对于 Unicode 编号范围在 0 ~ FFFF 之间的字符，UTF-16 使用两个字节存储。
• 对于 Unicode 编号范围在 10000 ~ 10FFFF 之间的字符，UTF-16 使用四个字节存储，具体来说就是：将字符编号的所有比特位分成两部分，较高的一些比特位用一个值介于 D800~DBFF 之间的双字节存储，较低的一些比特位（剩下的比特位）用一个值介于 DC00~DFFF 之间的双字节存储。

但是在 Java 中，一个字符（char）就是 2 个字节，占 4 个字节的字符，在 Java 里也是用两个 char 来存储的，而String的各种操作，都是以Java的字符（char）为单位的，charAt是取得第几个char，subString取的也是第几个到第几个char组成的子串，甚至length返回的都是char的个数。
所以UTF-16在Java的世界里，就可以视为一个定长的编码。
参考链接：https://www.zhihu.com/question/447224628