Java9后String的空间优化

前言

据我所知 Java 开发人员几乎任何时候都会想到 String，字符串确实已经成为最常用的类了，而且是大量使用。我们都知道，String 其实是封装了字符，里面必须由字符或字节数组来存放，从 Java9 开始 Java 语言开发者对 String 做了一些空间的优化。

JDK9 之前的库的 String 类的实现使用了 char 数组来存放字符串，char 占用16位，即两字节。

private final char value[];
复制代码

这种情况下，如果我们要存储字符A，则为0x00 0x41，此时前面的一个字节空间浪费了。但如果保存中文字符则不存在浪费的情况，也就是说如果保存 ISO-8859-1 编码内的字符则浪费，之外的字符则不会浪费。

而 JDK9 后 String 类的实现使用了 byte 数组存放字符串，每个 byte 占用8位，即1字节。

private final byte[] value
复制代码

String 支持多种编码，但如果不指定编码的话，它可能使用两种编码，分别为 LATIN1 和 UTF16。LATIN1 可能比较陌生，其实就是 ISO-8859-1 编码，属于单字节编码。而 UTF16 为双字节编码，它使用1个或2个16位长的空间存储。

压缩的字符对象主要是在 ISO-8859-1 编码内的字符，比如英语字母数字还有其他常见符号。为了更好理解我们看下图，假如我们有一个“what”字符串，那么如果在 Java9 之前，它的存储是按如下队列排列的，可以看到每个字符都需要16位来存储，而高字节位都为0，这个其实就是浪费了。

而在 Java9 后，它的存储的排列则很紧凑了，如下图，只需四个字节即可。

但如果是“哈a”，则布局为下图，所以如果字符串中的字符一旦包含了不在 ISO-8859-1 编码内的字符，则同样还是统一使用16位长度来保存。

Java9 的 String 默认是使用了上述紧凑的空间布局的，看如下代码，默认将 COMPACT_STRINGS 设置为 true。而如果要取消紧凑的布局可以通过配置 VM 参数-XX:-CompactStrings实现。

static final boolean COMPACT_STRINGS;
static {
    COMPACT_STRINGS = true;
}
复制代码

因为改变了 String 的实现，使用了 UTF-16 或 LATIN-1 编码，所以内部需要一个标识coder来表示使用了哪种编码，LATIN1 值为0，UTF16 值为1。

private final byte coder;
static final byte LATIN1 = 0;
static final byte UTF16  = 1;
复制代码

而字符串的长度也与编码相关，计算时通过右移来实现。如果是 LATIN-1 编码，则右移0位，数组长度即为字符串长度。而如果是 UTF16 编码，则右移1位，数组长度的二分之一为字符串长度。

public int length() {
    return value.length >> coder();
}
复制代码

字符串对象是 Java 中大量使用的对象，而且我们会轻易大量使用它而从不考虑它的代价，所以对其的空间优化是有必要的，Java9 开始对这能帮助我们减少字符串在堆中占用的空间，而且还能减轻GC压力。同时也能看到该空间优化对中文来说意义不大。

-------------推荐阅读------------

我的2017文章汇总——机器学习篇

我的2017文章汇总——Java及中间件

我的2017文章汇总——深度学习篇

我的2017文章汇总——JDK源码篇

我的2017文章汇总——自然语言处理篇

我的2017文章汇总——Java并发篇

跟我交流，向我提问：

公众号的菜单已分为“读书总结”、“分布式”、“机器学习”、“深度学习”、“NLP”、“Java深度”、“Java并发核心”、“JDK源码”、“Tomcat内核”等，可能有一款适合你的胃口。

为什么写《Tomcat内核设计剖析》

欢迎关注：