10.StringTable

String的基本特性
- String在jdk9中存储结构变更
Motivation
Description
- String的基本特性
String的内存分配
字符串拼接操作
10.5. intern()的使用
- 几个疑问？（难点）
10.5.1. intern的使用：JDK6 vs JDK7/8
- 总结String的intern()的使用：
intern的效率测试：空间角度
StringTable的垃圾回收
G1中的String去重操作（了解）
- 一道经典的题目

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[]

String在jdk9中存储结构变更

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

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.

String-related classes such as AbstractStringBuilder, StringBuilder, and StringBuffer will be updated to use the same representation, as will the HotSpot VM’s intrinsic string operations.

This is purely an implementation change, with no changes to existing public interfaces. There are no plans to add any new public APIs or other interfaces.

The prototyping work done to date confirms the expected reduction in memory footprint, substantial reductions of GC activity, and minor performance regressions in some corner cases.

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（需要多少字节来用适合的字符编码），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。

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;
}

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，需要重新在另外一块内存区域赋值，不能使用原有的内存区域进行赋值。

public void test1(){
    String s1="abc"; //由于内容一样，s1和s2指向堆空间的字符串常量池同一块内存区域
    String s2="abc";
    s1="hello";
    System.out.println(s1==s2); //判断地址 true-->false(原有的内存区域没有任何影响)
 }

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。

public void test2(){
    String s1="abc";
    String s2="abc";
    s2 +="hello"; //s2在定义好后-->char[],不可变。只能重新创建赋值拼接
    System.out.println(s1==s2); 
 }

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。

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

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字符串

String的String Pool是一个固定大小的Hashtable（数组+链表），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长度的话，1009是可以设置的最小值
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。存放到StringTable的方式有两种：

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()方法也会将该String对象存放在字符串常量池。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，字符串常量池在堆。

StringTable为什么要调整？

Synopsis: In JDK 7, interned strings are no longer allocated in the permanent generation of the Java heap, but are instead allocated in the main part of the Java heap (known as the young and old generations), along with the other objects created by the application. This change will result in more data residing in the main Java heap, and less data in the permanent generation, and thus may require heap sizes to be adjusted. Most applications will see only relatively small differences in heap usage due to this change, but larger applications that load many classes or make heavy use of the String.intern() method will see more significant differences.

简介：在JDK 7中，内部字符串不再分配在Java堆的永久代中，而是分配在Java堆的主要部分（称为年轻代和老年代），与应用程序创建的其他对象一起。这种变化将导致更多的数据驻留在主Java堆中，而更少的数据在永久代中，因此可能需要调整堆的大小。大多数应用程序将看到由于这一变化而导致的堆使用的相对较小的差异，但加载许多类或大量使用String.intern()方法的大型应用程序将看到更明显的差异。
引申出来的原因是：1.字符串常量池存储在permGen，permSize较小 2. permGen垃圾回收频率非常低。导致都不敢用intern()方法。

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。

class Memory {
    public static void main(String[] args) {//line 1
        int i= 1;//line 2
        Object obj = new Object();//line 3
        Memory mem = new Memory();//Line 4
        mem.foo(obj);//Line 5
    }//Line 9
    private void foo(Object param) {//line 6
        String str = param.toString();//line 7
        System.out.println(str);
    }//Line 8
}

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，即在堆中new一个新的字符串对象，内容为拼接后的结果。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该值的字符串对象放入池中，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); 
  }

举例2

public static void test5() {
    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 编译期优化
    System.out.println(s3 == s5); // false 拼接出现变量，则在堆空间一块新区域放new新的字符串对象，内容为拼接后的内容
    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(); //判断字符串常量池是否有javaEEhadoop值，如果存在，则返回常量池中该字符串常量的地址
                             //如果在字符串常量池中不存在javeEEhadoop,则在常量池中生成一份javeEEhadoop,并返回刚生成的常量地址
    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"
}

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
      /*
         s1+s2的执行细节:
         1.StringBuilder s=new StringBuilder();
         2.s.append("a");
         3.s.append("b");
         4.s.toString()        --->  约等于 new String("ab");
            补充：在jdk5之后使用StringBuilder，在jdk5.0前使用StringBuffer
       */
   }

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

总结：如果字符串拼接两边都是字符串常量或常量引用(final)，则仍然使用编译器优化
如果有一边是变量，则使用StringBuilder进行值拼接并重新生成字符串对象

字符串拼接操作性能对比

public class Test
{
    public static void testString(int times) {
        String str = "";
        for (int i = 0; i < times; i++) {
            str += "test";  //每次循环都会创建一个StringBulider、String
                            //由于创建过多StringBulider、String对象，内存占用大，GC消耗时间得更多
        }
    }
    public static void testStringBuilder(int times) {
        StringBuilder sb = new StringBuilder();
        for (int i = 0; i < times; i++) {
            sb.append("test"); //只需要创建一个StringBuilder
        }
    }
    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“+”拼接的方式快的不是一点半点

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？

StringBuilder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

StringBuilder扩容源代码：

  @Override
    public StringBuilder append(int i) {
        super.append(i);
        return this;
    }
------------------------------------------------------
  public AbstractStringBuilder append(int i) {
          ....
        ensureCapacityInternal(spaceNeeded);
        ...
        return this;
    }
  private void ensureCapacityInternal(int minimumCapacity) {
        // overflow-conscious code
        if (minimumCapacity - value.length > 0) {  //复制原来的char[]数组的内容到扩容后的新数组
            value = Arrays.copyOf(value,
                    newCapacity(minimumCapacity));
        }
    }

//默认构造器
public StringBuilder() {
    super(16);
}
//有参构造器
public StringBuilder(int capacity) {
    super(capacity);
}

10.5. intern()的使用

官方API文档中的解释

public String intern()

Returns a canonical representation for the string object.

A pool of strings, initially empty, is maintained privately by the class String.

When the intern method is invoked, if the pool already contains a string equal to this String object as determined by the [equals(Object)](https://docs.oracle.com/javase/8/docs/api/java/lang/String.html#equals-java.lang.Object-) method, then the string from the pool is returned. Otherwise, this String object is added to the pool and a reference to this String object is returned.

It follows that for any two strings s and t, s.intern() == t.intern() is true if and only if s.equals(t) is true.

All literal strings and string-valued constant expressions are interned. String literals are defined in section 3.10.5 of the The Java™ Language Specification.

Returns:
a string that has the same contents as this string, but is guaranteed to be from a pool of unique strings.

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对象的值相等的字符串，正如equals(Object)方法所确定的，那么池子里的字符串对象会被返回。否则，这个String对象被添加到池中，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。

intern是一个native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。

   public void test2(){
      String s1="abc";
      String s2 = new String("abc");
      System.out.println(s1==s2); //false
      System.out.println(s2.intern()==s1);  //true
   }

几个疑问？（难点）

new String(“abc”)会创建几个对象

两个。第一个是new 在堆的字符串对象；第二个是在常量池创建的字符串对象。

String str =new String(“a”)+new String(“b”) 会创建几个对象？这种方式很特殊，并且intern()方法原理由于系统优化，会变得细微得不一样，下面会将。

对象1：new StringBuilder()
对象2：new String() ——> 对象3：常量池中的a
对象4：new String() ——->对象5：常量池中的b

关键：StringBuilder的toString()方法，有细节；
对象6：new String(“ab”)

 public String toString() {
        // Create a copy, don't share the array
        return new String(value, 0, count);
    }

   但是，我们通过字节码指令查看toString()方法，发现并没有将 ab 这个字符串放到字符串常量池（区别于直接new String("ab")）<br />![image.png](https://cdn.nlark.com/yuque/0/2022/png/12562317/1641986553351-240128ab-4365-4209-b577-1602c4f011e3.png#clientId=u6291e234-9a20-4&from=paste&height=183&id=u4e7fcbbf&margin=%5Bobject%20Object%5D&name=image.png&originHeight=244&originWidth=523&originalType=binary&ratio=1&size=18482&status=done&style=none&taskId=ua95a6ead-6a2e-4af5-86b7-cc155151803&width=392)

10.5.1. intern的使用：JDK6 vs JDK7/8

/**
 * ① String s = new String("1")
 * 创建了两个对象
 *         堆空间中一个new对象
 *         字符串常量池中一个字符串常量"1"（注意：此时字符串常量池中已有"1"）
 * ② s.intern()由于字符串常量池中已存在"1"，所以不会创建新的字符串对象到字符串常量池，执行完毕。
 * 
 */
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"；
 *
 * ② s3.intern()
 *  jdk6：堆中创建的String对象---> new String "11",和使用intern()方法创建的String对象--->常量池 "11"
 *  jdk7/8：为了节省空间,常量池存放的是--->堆中new String "11"的引用地址,并没有创建 "11" 
*/
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

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。

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。

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

G1中的String去重操作（了解）

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)

一道经典的题目

以上程序内存加载的执行步骤：

第1步 —— main()函数是程序入口，JVM先执行，首先将main方法压入栈中，在栈内存中开辟一个空间，存放int类型变量a，同时附值10。
　　　　　　在堆中分配一片区域，用来存放和创建Person对象，这片内存区域会有属于自己的内存地址，假设是1001，然后给成员变量赋值，age=20
　　　　　　执行结束后，构造防范弾栈，Person创建完成，将Person的内存地址1001赋值给person（此处person小写，是引用变量类型）

第2步 —— JVM执行change()函数，在栈内存中又开辟一个新的空间，存放int类型变量a和对象Person中person
　　　　　此时main空间与change空间并存，同时运行，互不影响。

第3步 —— change()方法执行，将a赋值为11，person对象的堆中年龄age赋值为21

第4步 —— change()执行完毕，变量a立即释放，空间消失。但是main()函数空间仍存在，main中的变量a仍然存在，不受影响。而person在堆中对应的地址，所指的age已经赋值=21。

结论：
如果a()方法中的基本类型(8个)变量x传入b()方法中，并在b()中进行了修改，则a()方法中的x的值保持不变
如果a()方法中的引用类型变量x传入b()方法中，并在b()中进行了修改，则a()方法中的x的值与b（）保持一致。

String的基本特性

String在jdk9中存储结构变更

Motivation

Description

String的基本特性

String的内存分配

字符串拼接操作

10.5. intern()的使用

几个疑问？（难点）

10.5.1. intern的使用：JDK6 vs JDK7/8

总结String的intern()的使用：

intern的效率测试：空间角度

StringTable的垃圾回收

G1中的String去重操作（了解）

一道经典的题目