内存结构 - StringTable（字符串常量池） - 《JAVA》

String的基本特性
为什么 JDK9 改变了 String 的结构
- String 的基本特性
- String 的底层结构
String 的内存分配
- StringTable 为什么要调整？
字符串拼接操作
intern() 的使用
StringTable 的垃圾回收
G1 中的 String 去重操作

String的基本特性

String：字符串，使用一对 “” 引起来表示

String s1 = "atguigu" ;               // 字面量的定义方式
String s2 =  new String("hello");     // new 对象的方式

String被声明为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final char value[]用于存储字符串数据。JDK9时改为byte[]

为什么 JDK9 改变了 String 的结构

官方文档：http://openjdk.java.net/jeps/254

为什么改为 byte[] 存储？

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（Latin-1）。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，产生了大量浪费。
之前 String 类使用 UTF-16 的 char[] 数组存储，现在改为 byte[] 数组外加一个编码标识存储。该编码表示如果你的字符是ISO-8859-1或者Latin-1，那么只需要一个字节存。如果你是其它字符集，比如UTF-8，你仍然用两个字节存
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
同时基于String的数据结构，例如StringBuffer和StringBuilder也同样做了修改
```
// 之前
private final char value[];
// 之后
private final byte[] value
```

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，需要重新指定内存区域赋值，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。

String 的底层结构

字符串常量池是不会存储相同内容的字符串的

String的String Pool（字符串常量池）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()方法时性能会大幅下降。
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，StringTable的长度默认值是60013，StringTable可以设置的最小值为1009

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元空间，字符串常量在堆

StringTable 为什么要调整？

官方文档:https://www.oracle.com/java/technologies/javase/jdk7-relnotes.html#jdk7changes

为什么要调整位置？
- 永久代的默认空间大小比较小
- 永久代垃圾回收频率低，大量的字符串无法及时回收，容易进行Full GC产生STW或者容易产生OOM：PermGen Space
- 堆中空间足够大，字符串可被及时回收
在JDK 7中，interned字符串不再在Java堆的永久代中分配，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。
```
/**
* jdk6中：
* -XX:PermSize=6m -XX:MaxPermSize=6m -Xms6m -Xmx6m
*
* jdk8中：
* -XX:MetaspaceSize=6m -XX:MaxMetaspaceSize=6m -Xms6m -Xmx6m
*/
public class StringTest3 {
 public static void main(String[] args) {
     //使用Set保持着常量池引用，避免full gc回收常量池行为
     Set<String> set = new HashSet<String>();
     //在short可以取值的范围内足以让6MB的PermSize或heap产生OOM了。
     short i = 0;
     while(true){
         set.add(String.valueOf(i++).intern());
     }
 }
}
```
输出结果：我真没骗你，字符串真的在堆中（JDK8） ```java Exception in thread “main” java.lang.OutOfMemoryError: Java heap space at java.util.HashMap.resize(HashMap.java:703) at java.util.HashMap.putVal(HashMap.java:662) at java.util.HashMap.put(HashMap.java:611) at java.util.HashSet.add(HashSet.java:219) at com.atguigu.java.StringTest3.main(StringTest3.java:22)

Process finished with exit code 1


<a name="a8M0t"></a>
## String 的基本操作

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（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。
```java
public class StringTest4 {
    public static void main(String[] args) {
        System.out.println();//2293
        System.out.println("1");//2294
        System.out.println("2");
        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");//2303
        //如下的字符串"1" 到 "10"不会再次加载
        System.out.println("1");//2304
        System.out.println("2");//2304
        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");//2304
    }
}

分析字符串常量池的变化

程序启动时已经加载了1259个字符串常量

多加载了一个换行符（println），所以多了一个

加载了字符串常量 “1”~“9”

之后的“1”～“10” 不会再次加载

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
拼接前后，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，根据该字符串是否在常量池中存在，分为：
- 如果存在，则返回字符串在常量池中的地址
- 如果字符串常量池中不存在该字符串，则在常量池中创建一份，并返回此对象的地址

@Test
public void test3(){
    String s1 = "a";
    String s2 = "b";
    String s3 = "ab";
    /*
    如下的s1 + s2 的执行细节：(变量s是我临时定义的）
    ① StringBuilder s = new StringBuilder();
    ② s.append("a")
    ③ s.append("b")
    ④ s.toString()  --> 约等于 new String("ab")，但不等价

    补充：在jdk5.0之后使用的是StringBuilder,在jdk5.0之前使用的是StringBuffer
     */
    String s4 = s1 + s2;//
    System.out.println(s3 == s4);//false
}

/*
    1. 字符串拼接操作不一定使用的是StringBuilder!
       如果拼接符号左右两边都是字符串常量或常量引用，则仍然使用编译期优化，即非StringBuilder的方式。
    2. 针对于final修饰类、方法、基本数据类型、引用数据类型的量的结构时，能使用上final的时候建议使用上。
     */
    @Test
    public void test4(){
        final String s1 = "a";
        final String s2 = "b";
        String s3 = "ab";
        String s4 = s1 + s2;
        System.out.println(s3 == s4);//true
    }


    @Test
    public void test6(){

        long start = System.currentTimeMillis();

//        method1(100000);//4014
        method2(100000);//7

        long end = System.currentTimeMillis();

        System.out.println("花费的时间为：" + (end - start));
    }

    public void method1(int highLevel){
        String src = "";
        for(int i = 0;i < highLevel;i++){
            src = src + "a";//每次循环都会创建一个StringBuilder、String
        }
//        System.out.println(src);

    }

    public void method2(int highLevel){
        //只需要创建一个StringBuilder
        StringBuilder src = new StringBuilder();
        for (int i = 0; i < highLevel; i++) {
            src.append("a");
        }
//        System.out.println(src);
    }

体会执行效率：通过StringBuilder的append()的方式添加字符串的效率要远高于使用String的字符串拼接方式！
原因：
1. StringBuilder的append()的方式：
  - 自始至终中只创建过一个StringBuilder的对象
2. 使用String的字符串拼接方式：
  - 创建过多个StringBuilder和String（调的toString方法）的对象，内存占用更大；
  - 如果进行GC，需要花费额外的时间（在拼接的过程中产生的一些中间字符串可能永远也用不到，会产生大量垃圾字符串）。
改进的空间：
- 在实际开发中，如果基本确定要前前后后添加的字符串长度不高于某个限定值highLevel的情况下，建议使用构造器实例化：
- StringBuilder s = new StringBuilder(highLevel); //new char[highLevel]
- 这样可以避免频繁扩容

intern() 的使用

intern() 方法的说明

intern是一个native方法，调用的是底层C的方法
字符串常量池池最初是空的，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内容相等的字符串，则返回池中的字符串地址。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地址。（这是源码里的大概翻译）
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：
```
String myInfo = new string("hello world").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）
jdk1.8 和 jdk1.6中 **intern()** 方法的区别
- JDK1.6 将这个字符串对象尝试放入串池，如果有则并不会放入，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
- JDK1.8 将这个字符串对象尝试放入串池，如果有则并不会放入，如果没有则将该字符串的引用放入串池，并返回串池中的对象

new String() 的说明

new String(“ab”)会创建几个对象？

/**
 * 题目：
 * new String("ab")会创建几个对象？看字节码，就知道是两个。
 *     一个对象是：new关键字在堆空间创建的
 *     另一个对象是：字符串常量池中的对象"ab"。 字节码指令：ldc
 *
 */
public class StringNewTest {
    public static void main(String[] args) {
        String str = new String("ab");
    }
}

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

0 new #2 <java/lang/String>：在堆中创建了一个 String 对象
4 ldc #3 <ab>：在字符串常量池中放入 “ab”（如果之前字符串常量池中没有 “ab” 的话）

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

/**
 * 思考：
 * new String("a") + new String("b")呢？
 *  对象1：new StringBuilder()
 *  对象2： new String("a")
 *  对象3： 常量池中的"a"
 *  对象4： new String("b")
 *  对象5： 常量池中的"b"
 *
 *  深入剖析： StringBuilder的toString():
 *      对象6 ：new String("ab")
 *       强调一下，toString()的调用，在字符串常量池中，没有生成"ab"
 *
 */
public class StringNewTest {
    public static void main(String[] args) {

        String str = new String("a") + new String("b");
    }
}

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

答案是4个（”a”,”b”已存在）或5个（”a”或”b”存在）或6个（”a”,”b”均不存在）

字节码指令分析：

0 new #2 <java/lang/StringBuilder> ：拼接字符串会创建一个 StringBuilder 对象
7 new #4 <java/lang/String> ：创建 String 对象，对应于 new String(“a”)
11 ldc #5 <a> ：在字符串常量池中放入 “a”（如果之前字符串常量池中没有 “a” 的话）
19 new #4 <java/lang/String> ：创建 String 对象，对应于 new String(“b”)
23 ldc #8 <b> ：在字符串常量池中放入 “b”（如果之前字符串常量池中没有 “b” 的话）
31 invokevirtual #9 <java/lang/StringBuilder.toString> ：调用 StringBuilder 的 toString() 方法，会生成一个 String 对象

面试题

JDK1.6 将这个字符串对象尝试放入串池，如果有则并不会放入，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

public static void main(String[] args) {
    String s1 = new String("a") + new String("b");
    String s2 = s1.intern();

    System.out.println(s2 == "ab");    //true
    System.out.println(s1 == "ab");    //false
    System.out.println(s1 == s2);    //false
}

分析：之前的分析都是一样的，唯一的不同点是在执行完了String s2 = s1.intern()代码后，此时是将s1拷贝一份，存放进StringTable中，原来的s1还是在堆中，所以 s1 == s2 自然就为false了

JDK1.8 将这个字符串对象尝试放入串池，如果有则并不会放入，如果没有则将该字符串的引用放入串池，并返回串池中的对象

public static void main(String[] args) {
    String s1 = new String("a") + new String("b");
    String s2 = s1.intern();

    System.out.println(s2 == "ab");    //true
    System.out.println(s1 == "ab");    //true
    System.out.println(s1 == s2);    //true
}

分析：

new String("a")时将”a”放入串池，new String("b")时将”b”放入串池，最后拼接的时候，返回的是new String("ab")，因为此时的”ab”是利用StringBuilder拼接而成，并不是字面量，所以”ab”不会放入串池中，而是在堆中
使用intern方法可以将字符串对象存放进StringTable中，如果原来的StringTable中没有此字符串对象，则将此字符串对象的引用放入StringTable中；如果有，则直接返回该字符串对象的引用

对于上诉代码可知：执行完了String s2 = s1.intern()代码后，此时“ab”对象的引用就存放进StringTable中，并将s1，s2都指向了”ab”的引用，所以三个都为true

public static void main(String[] args) {
    String str = "ab";
    String s1 = new String("a") + new String("b");
    String s2 = s1.intern();

    System.out.println(s2 == "ab");    //true
    System.out.println(s1 == "ab");    //false
    System.out.println(s1 == s2);    //false
}

分析：最开始执行完String str = "ab"后，就将”ab”存放进StringTable中，所以执行String s2 = s1.intern()后，并不会将s1的引用放入StringTable中，而是直接将原来串池中”ab”的引用返回给s2,因此s1是在堆中，s2在StringTable中，自然就不同了。

StringTable 的垃圾回收

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

输出结果：

在 PSYoungGen 区发生了垃圾回收
Number of entries 和 Number of literals 明显没有 100000
以上两点均说明 StringTable 区发生了垃圾回收

G1 中的 String 去重操作

官方文档：http://openjdk.java.net/jeps/192

String去重操作的背景

注意不是字符串常量池的去重操作，字符串常量池本身就没有重复的

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：str1.equals(str2)= 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。

String 去重的的实现

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