Java那些坑(1):Java7的substring

问题描述

应用服务器从Weblogic 10升级到了Weblogic 12，对应的jdk也从1.6升级到了1.7，结果原来的一个sql执行时间从1s变成了25s。

这个sql是使用Mybatis进行的动态拼装，如下，省略了一些字段。

   INSERT INTO BTT_LOG
    (
        ID,
        DATATIME,
        CHANNEL,
        ORGAN_NO,
        USER_ID,
    )
    VALUES
    
    (  
        #{ls[ID],jdbcType=BIGINT},
	#{ls[DATATIME],jdbcType=TIMESTAMP},
	#{ls[CHANNEL],jdbcType=VARCHAR},
	#{ls[ORGAN_NO],jdbcType=VARCHAR},
	#{ls[USER_ID],jdbcType=VARCHAR},
    )
    

传入一个Map，里面是个List。最终生成的sql是下面这样的：

insert 
into 
BTT_LOG(ID,DATATIME,CHANNEL,ORGAN_NO,USER_ID) 
values
(‘1’,’2016-07-22’,’0’,’000001’) 
(‘2’,’2016-07-23’,’0’,’000002’)
......
......

这个sql的作用是将当前库的数据迁移到历史库，一条sql迁移1000条，每天大约2000万的数据，速度一下子慢了25倍，数据都导不完了。

问题分析

看数据库中sql的执行时间，也就用了1s左右，因此肯定不是数据库的问题。通过VisualVM查看CPU热点，发现热点在org.apache.ibatis.parsing.GenericTokenParser.parse上面，自用时间特别长。

这个函数自用时间很长，看了下代码如下：

  public String parse1(String text) {
    StringBuilder builder = new StringBuilder();
    if (text != null) {
      String after = text;
      int start = after.indexOf(openToken);
      int end = after.indexOf(closeToken);
      while (start > -1) {
        if (end > start) {
          String before = after.substring(0, start);
          String content = after.substring(start + openToken.length(), end);
          String substitution;
          // check if variable has to be skipped
          if (start > 0 && text.charAt(start - 1) == '\\') {
            before = before.substring(0, before.length() - 1);
            substitution = new StringBuilder(openToken).append(content).append(closeToken).toString();
          } else {
            substitution = handler.handleToken(content);
          }
          builder.append(before);
          builder.append(substitution);
          after = after.substring(end + closeToken.length());
        } else if (end > -1) {
          String before = after.substring(0, end);
          builder.append(before);
          builder.append(closeToken);
          after = after.substring(end + closeToken.length());
        } else {
          break;
        }
        start = after.indexOf(openToken);
        end = after.indexOf(closeToken);
      }
      builder.append(after);
    }
    return builder.toString();
  }

感觉自用时间不应该那么长，大部分都是调用其他函数的，所以我怀疑这个自用时间是有问题的，可能包含了substring的时间。

我写了下面的代码做实验：

public static void test() {
    while(true){
        for(int i = 0; i < 100000000; i++) {
            String xxxx = "jfkfsdfjskfjsdkfjsakjdkfjdskfjslfjslkfjsdkfjsdlfjsd".substring(2);
        }
    }
}

这段代码对应的CPU抽样如下：

自用时间特别长，substring的时间很短。

然后我改了一下，把while(true)改成for(int i=0;i<100;i++)，结果substring的时间很长。

public static void test() {
	
    for(int j=0; j < 100; j++){
	for(int i = 0; i < 100000000; i++) {
	    String xxxx = "jfkfsdfjskfjsdkfjsakjdkfjdskfjslfjslkfjsdkfjsdlfjsd".substring(2);
	}
    }
}

对应的抽样如下：

试了好多次都这样。然后我看了下它们的字节码：

使用while(true)的

使用for循环的

没有什么大区别，使用for循环时由于还需要做加法，判断是否小于100，所以自用的指令应该更多。substring方法的字节码远远多于这几条字节码，所以我觉得上面两个函数的时间都耗在substring上了。

我们用的MyBatis版本是3.1.1，我对比了下3.2.0和3.1.1的代码，发现了如下问题：

原来的代码：

String after = text;
before = after.substring(0,start);
builder.append(before);

变成了下面这样：

char[] src = text.toCharArray();
builder.append(src, offset, start - 1)

把所有原来的substring方法全部替换成了使用char数组加上起止位置。所以说substring一定有问题，在新版的MyBatis里不用了。

为什么我们的应用这个问题会特别明显，因为每条sql 1000行，每行100个字符的话就是10万个字符，parse这个函数需要对这个10万字符的字符串做上万次substring，所以出问题了。升级了新版的MyBatis，这个问题解决了。

那么substring到底有啥问题呢？其实是substring在java7里面做了修改，在java6里面使用substring，和使用char数组加起止位置是一样的，但是在java7里就不一样了。

String类主要有三个成员：

private final char value[];  
private final int offset;  
private final int count;

在1.6里面，substring以及它调用的构造函数如下：

// JDK6,共享 value数组提升速度  
String(int offset, int count, char value[]) {  
    this.value = value;  
    this.offset = offset;  
    this.count = count;  
}  
  
  
public String substring(int beginIndex, int endIndex) {  
    // 如果范围和自己一模一样,则返回自身,否则用value字符数组构造一个新的对象  
    return ((beginIndex == 0) && (endIndex == count)) ? this :  
        new String(offset + beginIndex, endIndex - beginIndex, value);  
}

使用substring产生的新对象，和原来的对象共用一个char[]数组。

这样能提高性能。但是有风险，就是内存浪费（有人称之为”内存泄漏“，但是我觉得不能算内存泄露，因为这段内存是可以回收的），怎么浪费的呢？

String x = "一个非常非常长的字符，可能是从网上抓取的一段文字";
String y = x.substring(a,b); //比较短
x不用了，被回收
y的使用时间很长，短时间内不会被回收

问题就来了，原来x会有一个很长的char[]数组，使用substring后这个数组被y引用了，所以回收x的时候这个数组不会被回收，因为被y引用着，但是y只会用其中很短的一部分，造成了内存的浪费。

在1.7中做了修改，构造函数变成下面这样，每次都把自己的数组拷贝一份出来。

public String(char value[], int offset, int count) {  
    this.offset = 0;
    this.count = count; 
    this.value = Arrays.copyOfRange(value, offset, offset+count);  
}

这样就不会有内存浪费的问题了。但是性能肯定不如共享char[]数组，不过也不会太差。