从JVM的角度来深入剖析一下String类
文章目录
- String的基本特性
- String 的内存分配
- String 的基本操作
- 字符串拼接操作
- intern() 的使用
- 概述
- intern 效率测试
- 面试题：new String() 到底会创建几个对象
- 不同JDK中的使用
- 总结
- 巩固练习
- StringTable 的垃圾回收
- G1中的String去重操作
String的基本特性
String的基本特性
- String：字符串，使用一对
””引起来表示
String s1 = "hello" ; // 字面量的定义方式
String s2 = new String("hello");
- String 是声明为
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[]
为什么JDK9改变了结构
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。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。
我们建议改变String类的内部表示，从utf-16字符数组到字节数组加上一个encoding-flag编码标记字段。
新的String类将根据字符串的内容，存储字符编码为ISO-8859-1(欧洲码)/Latin-1(每个字符一个字节)或UTF-16(每个字符两个字节)。编码标志将指示使用的是哪种编码。
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
// 之前
private final char value[];
// 之后
private final byte[] value
同时基于String的数据结构，例如StringBuffer和StringBuilder也同样做了修改
官方描述，全英文，看的懂的话建议看这个。
-
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，需要重写指定内存区域赋值，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。
public class StringTest1 {
public static void test1() {
// 字面量定义的方式，“abc”存储在字符串常量池中
String s1 = "abc";
String s2 = "abc";
// 判断地址是否相等
System.out.println(s1 == s2);
// 重新赋值后
s1 = "hello";
System.out.println(s1 == s2);
System.out.println(s1);
System.out.println(s2);
System.out.println("----------------");
}
public static void test2() {
String s1 = "abc";
String s2 = "abc";
// 只要进行了修改，就会重新创建一个对象，这就是不可变性
s2 += "def";
System.out.println(s1);
System.out.println(s2);
System.out.println("----------------");
}
public static void test3() {
String s1 = "abc";
// 即使替换，也会重新生成一个对象
String s2 = s1.replace('a', 'm');
System.out.println(s1);
System.out.println(s2);
}
public static void main(String[] args) {
test1();
test2();
test3();
}
}
// 运行结果
true
false
hello
abc
----------------
abc
abcdef
----------------
abc
mbc
- 一道面试题
public class StringExer {
String str = new String("good");
char [] ch = {'t','e','s','t'};
public void change(String str, char ch []) {
str = "test ok";
ch[0] = 'b';
}
public static void main(String[] args) {
StringExer ex = new StringExer();
ex.change(ex.str, ex.ch);
System.out.println(ex.str);
System.out.println(ex.ch);
}
}
// 输出结果
good
best
-
字符串常量池是不会存储相同内容的字符串的
-
String的
String Pool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() 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，
-
jdk8 开始，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。
- 比如：
string info="hello"；如果已经有，就会复用
- 比如：
-
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（作用：如果字符串常量池中没有对应的字符串，则在常量池中生成）。
Java 6 及以前，字符串常量池存放在永久代；
Java 7 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 永久代改为元空间，但字符串常量仍在堆中
为什么 StringTable 要从永久代调整到堆中？
- 永久代空间默认比较小，不能存放过多的字符串常量
- 永久代垃圾回收频率较低，对字符串常量的回收不能及时，容易导致OOM
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（年轻代和永久 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。由于这一变化，大多数应用程序在堆使用方面只会看到相对较小的差异，但加载许多类的较大应用程序或大量使用intern()方法会看到更显著的差异。
String 的基本操作
案例一：查看字符串常量池的引用
《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
案例二
对应的内存结构
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（生成字节码文件的时候就直接拼接）
- 常量池中不会存在相同内容的变量
- 只要其中有一个是变量，结果就在堆（不是字符串常量池的区域）中。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字符串对象放入池中，并返回此对象地址
代码案例
public static void test2() {
String s1 = "a" + "b" + "c"; // 得到 abc的常量池
String s2 = "abc"; // abc存放在常量池中，直接将常量池的地址返回
/**
* 最终java编译成.class，再执行.class
*/
System.out.println(s1 == s2); // true，因为存放在字符串常量池
System.out.println(s1.equals(s2)); // true
}
public static void test3() {
String s1 = "javaEE";
String s2 = "hadoop";
String s3 = "javaEEhadoop";
String s4 = "javaEE" + "hadoop"; // 编译器优化
// 如果拼接符号的前后出现了变量，则相当于在堆空间中 new String() ，具体的内容为拼接的结果
String s5 = s1 + "hadoop";
String s6 = "javaEE" + s2;
String s7 = s1 + s2;
System.out.println(s3 == s4); // true
System.out.println(s3 == s5); // false
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
// 调用 intern 方法
// 如果常量池中存在该值，就返回常量池中该值的地址
// 如果不存在就创建一份，并返回地址
String s8 = s6.intern();
System.out.println(s3 == s8); // true
}
查看一下字节码文件
拼接底层原理
拼接操作的底层其实使用了StringBuilder（拼接符前后出现了变量）
- 如果变量是使用
final修饰，就相当于是常量，在编译期就优化了
拼接的执行细节
- StringBuilder s = new StringBuilder();
- s.append(s1);
- s.append(s2);
- s.toString();
->约等于new String(“ab”);
版本区别
在JDK5之后，使用的是StringBuilder，在JDK5之前使用的是StringBuffer
| String | StringBuffer | StringBuilder |
|---|---|---|
| String的值是不可变的，这就导致每次对 String 的操作都会生成新的 String 对象，不仅效率低下，而且浪费大量优先的内存空间 | StringBuffer 是可变类，和线程安全的字符串操作类，任何对它指向的字符串的操作都不会产生新的对象。每个StringBuffer对象都有一定的缓冲区容量，当字符串大小没有超过容量时，不会分配新的容量，当字符串大小超过容量时，会自动增加容量 | 可变类，速度更快 |
| 不可变 | 可变 | 可变 |
| 线程安全 | 线程不安全 | |
| 多线程操作字符串 | 单线程操作字符串 |
- 注意，我们左右两边如果是变量的话，就是需要
new StringBuilder进行拼接，但是如果使用的是final修饰，则是从常量池中获取。 - 所以说拼接符号左右两边都是字符串常量或常量引用 则仍然使用编译器优化。
- 《String str = “” 和 new String()的区别》
拼接操作和 append 性能对比
public static void method1(int highLevel) {
String src = "";
for (int i = 0; i < highLevel; i++) {
src += "a"; // 每次循环都会创建一个StringBuilder对象
}
}
public static void method2(int highLevel) {
StringBuilder sb = new StringBuilder();
for (int i = 0; i < highLevel; i++) {
sb.append("a");
}
}
// 方法1耗费的时间：4005ms，方法2消耗时间：7ms
结论：
- 通过 StringBuilder 的
append()方式添加字符串的效率，要远远高于 String 的字符串拼接方法
好处
- StringBuilder的
append的方式，自始至终只创建一个 StringBuilder 的对象 - 对于字符串拼接的方式，还需要创建很多 StringBuilder 对象和 调用
toString时候创建的String对象 - 内存中由于创建了较多的 StringBuilder 和 String 对象，内存占用过大，如果进行GC那么将会耗费更多的时间
改进的空间
- 我们使用的是 StringBuilder 的空参构造器，默认的字符串容量
capacity是16，然后将原来的字符串拷贝到新的字符串中， 我们也可以默认初始化更大的长度，减少扩容的次数 - 因此在实际开发中，我们能够确定，总共需要添加的字符串不高于某个限定值，那么建议使用构造器创建一个阈值的长度
intern() 的使用
概述
intern是一个native方法，调用的是底层C的方法
-
字符串池最初是空的，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对象相等的字符串，则返回池中的字符串。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引用。 -
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。
举个例子
String myInfo = new string("hello world").intern();
也就是说，如果在任意字符串上调用string.intern()，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）
如何保证变量 s 指向的是字符串常量池中的数据？
- 方式一：通过字面量定义的方式
String s = "hello" - 方式二：通过
intern()方法，例如String s = new String(hello).intern()
intern 效率测试
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])); // 花费时间：7307
arr[i] = new String(String.valueOf(data[i%data.length])).intern(); // 花费时间：1311
}
long end = System.currentTimeMillis();
System.out.println("花费的时间为：" + (end - start));
try {
Thread.sleep(1000000);
} catch (Exception e) {
e.getStackTrace();
}
}
}
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。
-
因为当你 new 一个对象的时候，会在堆空间中维护这个对象，且数组并没有释放，所以对象无法被回收；而你通过 intern 方法来给数组赋值，数组是指向常量池的引用，那对象虽然也创建了，但是由于没有使用，后期会被回收掉，这样就能节省内存空间。
-
在一些大的网站平台，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空间的占用。
面试题：new String() 到底会创建几个对象
/**
* new String("ab") 会创建几个对象？ 看字节码就知道是2个对象
*/
public class StringNewTest {
public static void main(String[] args) {
String str = new String("ab");
}
}
查看字节码文件
0 new #2 // 堆空间中开辟
3 dup // 复制操作数栈栈顶并将复制值重新压入栈顶
4 ldc #3 // 常量加载到操作数栈
6 invokespecial #4 > // 调用构造器
9 astore_1 // 存入局部变量表
10 return
- 一个对象是：new关键字在堆空间中创建
- 另一个对象：字符串常量池中的对象（字节码中的
ldc指令）
对于另外一种情况呢？
/**
* new String("a") + new String("b") 会创建几个对象
*/
public class StringNewTest {
public static void main(String[] args) {
String str = new String("a") + new String("b");
}
}
字节码文件为
0 new #2
3 dup
4 invokespecial #3 >
7 new #4
10 dup
11 ldc #5
13 invokespecial #6 >
16 invokevirtual #7
19 new #4
22 dup
23 ldc #8
25 invokespecial #6 >
28 invokevirtual #7
31 invokevirtual #9
34 astore_1
35 return
在这里总的来说一共创建了6个对象
- 对象1：
new StringBuilder() - 对象2：
new String() - 对象3：常量池的
a - 对象4：
new String() - 对象5：常量池的
b - 对象6：
toString中会创建一个new String("ab")- 调用toString方法，字符串常量池中没有生成"ab"，而上面的那种就会在常量池中生成
可以查看一下 StringBuilder 的字节码文件，看一下 toString 方法是不是会生成一个对象
- 可见只生成了一个String对象，然后对其进行赋值
- 所以并没有在常量池中生成
"ab"
不同JDK中的使用
JDK 6 中
String s = new String("1"); // 在常量池中已经有了
s.intern(); // 调用此方法之前已经存在了 1
String s2 = "1";
System.out.println(s == s2); // false
// 这里之所以为 false 是因为 new 的是在堆空间中，而 s2 是在字符串常量池中的，显然不是一个东西
// 如果改成 s = s.intern(); 这样，s 接收了 intern 返回的字符串常量池中的地址，那就为 true 了
String s3 = new String("1") + new String("1");
// s3 变量记录的地址为 new String("11") 常量池中不存在 "11" !!!
s3.intern(); // 调用之后 会在常量池中生成字符串 "11"
String s4 = "11"; // 所以这里使用的就是上一行中在常量池生成的字符串
System.out.println(s3 == s4); // false
// 输出结果
false
true
JDK 7 及之后 中
String s = new String("1");
s.intern();
String s2 = "1";
System.out.println(s == s2); // false 原理和上面一样
String s3 = new String("1") + new String("1");
s3.intern();
String s4 = "11";
System.out.println(s3 == s4); // true 这里发生了变化
// 在 JDK6 中，这里为 false 为什么到 JDK7 就成了true呢？
// intern 方法不是在字符串常量池中创建的对象吗？那和在堆中 new 的对象怎么就相等了呢？
// 其实是因为在 JDK7 中字符串常量池移动到了堆空间中
// 而JDK8之后，尽管元空间使用的是本地内存，但是字符串常量池仍然在堆空间中
// 那么为了节省空间，当你使用 intern 方法之后，在常量池中生成的对象将会指向你在堆空间中生成的对象
// 常量池中没有创建 "11" ，而是创建了一个指向堆空间之中 new 的对象
// 所以也就为 true 了
拓展：对上面的代码做一个修改
我们将 s4的位置向上移动一行，发现变化就会很大，最后得到的是 false
String s3 = new String("1") + new String("1");
// 上一行代码执行完后，常量池中是没有 "11" 的
String s4 = "11"; // 但是这里会在常量池中生成的字符串
s3.intern(); // 然后 s3 就会从常量池中找，发现已经有了，就什么事情都不做，直接返回常量池中的地址
// 即使用变量接收，也还是true
String s5 = s3.intern();
System.out.println(s3 == s4); // true
System.out.println(s4 == s5); // true
总结
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
巩固练习
练习一
输出结果为 jdk6：true false jdk7/8: true true
- 在JDK6中，在字符串常量池中创建一个字符串 “ab”
- 在JDK8中，在字符串常量池中没有创建 “ab”，而是将堆中的地址复制到 串池中。
练习二
这个练习中，在 jdk6 和 jdk7/8 中是一样的
StringTable 的垃圾回收
/**
* String的垃圾回收
* -Xms15m -Xmx15m -XX:+PrintStringTableStatistics -XX:+PrintGCDetails
* PrintStringTableStatistics 打印 StringTable 的统计信息
*/
public class StringGCTest {
public static void main(String[] args) {
for (int i = 0; i < 100000; i++) {
String.valueOf(i).intern();
//当参数为 Interger 的时候，底层会调用 Integer 的 toString 方法
}
}
}
G1中的String去重操作
G1是JDK默认的垃圾回收器。
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
描述
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。
开启
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StringDedupilicationAgeThreshold（uintx）：达到这个年龄的string对象被认为是去重的候选对象