string比大小_你，确定了解Java的String字符串？
本文将描述JDK6中String.intern()是如何实现的，以及在JDK7和JDK8中对字符串池化技术做了哪些改变。
String池化介绍
String池化就是把一些值相同，但是标识符不同的字符串用一个共享的String对象来表示，而不是用多个String对象。举个栗子，如下代码所示，3个变量的值完全一样，那么通过String池化处理，3个变量a，b，c事实上指向同一个String对象：
String a = "afei";
String b = "afei";
String c = "afei";
要达到这个目的，你可以自己借助Map实现，这就是传说中的重复造轮子。当然，最优雅的方式还是利用JDK提供的String.intern()方法。
在JDK6的时候，很多标准规范禁止使用String.intern()，因为如果池化控制不好的话，非常可能碰到OOM。因此，JDK7做了相当大的改变，更多细节可以参考下面给到的两个链接地址：
http://bugs.sun.com/viewbug.do?bugid=6962931
http://bugs.sun.com/viewbug.do?bugid=6962930
JDK6中的String.intern()
JDK6时代，所有通过String.intern()处理过的字符串都被保存在PermGen中，是Java堆的一个固定大小部分，主要用来存储已经加载的类信息和字符串常量池。除了显示调用String.intern()的字符串，PermGen的字符串常量池也包含了程序中所有使用过的字符串(如果一个类或者方法从来没有被加载，或者被调用，那就不是使用过的)。
JDK6中字符串常量池这样的实现最大的问题的就是它保存的地方--PermGen。PermGen的大小是固定的，不能在运行时扩容，用户可以通过JVM参数-XX:MaxPermSize=N设定PermGen的大小。这样的限制导致我们在使用String.intern()时需要非常小心，如果你想在JDK6中使用String.intern()，那么你最好不要使用在不能被控制的的地方(例如池化用户名，这绝对是灾难)。
JDK7中的String.intern()
Oracle工程师在JDK7中对字符串常量池逻辑做了非常重要的改变 -- 将字符串常量池重新移到了堆中，它不再是一块分离的固定大小的内存区域。所有字符串都被移到堆中，和其他大多数对象一样。如此一来，当你调优应用时只需要管理堆尺寸大小。如果是基于JDK7的应用，那么，这绝对是一个充分的理由让你重新考虑使用String.intern()，当然也有一些其他的理由。
池化的值能被GC
是的，JVM字符串常量池中所有的字符串都能被垃圾回收掉，前提条件是那些不再被GC Roots引用的字符串 -- 这个结论适用于我们正在讨论的JDK6，7，8三个版本。这就意味着，如果你通过String.intern()池化的字符串超过了范围，并且不再被引用，那么它们是可以被GC掉的。
字符串常量池中的字符串能够被GC，也能保留在Java堆中。这样看来，对所有字符串来说，字符串常量池似乎是一个很合适的地方，理论上是这样的 -- 没有使用的字符串会在常量池中被GC掉，使用的字符串允许你保存在内存中，这样当然取等值的字符串时就能直接从常量池中取出来。听起来似乎是一个完美的保存策略，但是在下结论之前，你需要先了解字符串常量池实现的细节。
JDK6/7/8中字符串常量池的实现
字符串常量池被实现为一个固定容量大小的HashTable，每个桶(bucket)包含所有hashcode值相同的字符串组成的List链表。默认池大小是1009，JDK6早期版本是固定常量池，JDK6u30～6u41是可以配置的，JDK7从7u02开始也是支持配置的，通过JVM参数-XX:StringTableSize=N即可指定。需要提醒的是，为了更好的性能和散列性，建议N为一个质数(prime number，例如13，17，1009这样的数)。
JDK6中StringTableSize这个参数帮助价值不大，因为还是受到PermGen固定大小的限制。所以，接下来的讨论将抛弃JDK6。
另外，需要注意的是，字符串常量池这个HashTable，当存放的数据足够多需要rehash时，其rehash的行为和Java中使用的HashMap有所不同。字符串常量池底层的HashTable在rehash时不会扩容，即rehash前后bucket数量是一样的。它的rehash过程只是通过一个新的seed重新计算一遍来尝试摊平每个bucket中LinkedList的长度(不保证rehash后的性能有很大的提升)。
Java7 (until Java7u40)
需要说明的是，这个段落只表示JDK7u40之前的JDK7版本。
JDK7中，一方面你将受到更大堆内存的限制，意味着你能设置一个更大的字符串常量池(具体多大取决于你应用需求)。通常来说，当内存数据尺寸增长几百M后，我们才会开始关心内存消耗，在这种场景下，为常量池分配8～16M用来保存百万级个entry似乎是一个很合理的权衡(注意：不要设置-XX:StringTableSize的值为1000000，而应该设置为100003，因为1000000不是质数)。
如果你真的想要使用String.intern()，强烈建议将-XX:StringTableSize设置一个比默认值1009更大的值。否则，这个方法的性能很快就会退化到取决于双向链表长度。
以下是使用默认池大小的部分应用测试日志：在已经缓存了一些字符串时存入10000个字符串花费的时间，这1w个字符串通过Integer.toString(i)生成，其中i在[0, 1000000)之间：
0; time = 0.0 sec
50000; time = 0.030 sec
100000; time = 0.073 sec
150000; time = 0.130 sec
200000; time = 0.196 sec
250000; time = 0.279 sec
300000; time = 0.376 sec
350000; time = 0.471 sec
400000; time = 0.574 sec
450000; time = 0.666 sec
500000; time = 0.755 sec
550000; time = 0.854 sec
600000; time = 0.916 sec
650000; time = 1.006 sec
700000; time = 1.095 sec
750000; time = 1.273 sec
800000; time = 1.248 sec
850000; time = 1.446 sec
900000; time = 1.585 sec
950000; time = 1.635 sec
1000000; time = 1.913 sec
这个测试结果基于Core [email protected] CPU。正如你看到的结果，耗时线性增长，当JVM常量池已经有1百万个字符串时，接下来每秒钟只能池化大概5000个字符串，这时候性能衰退还是很严重的。但是，当我们设置-XX:StringTableSize=100003后，再次进行测试，结果如下。正如你看到的，这种情况下，池化字符串的耗时比较稳定(每个bucket平均有10个字符串)：
50000; time = 0.017 sec
100000; time = 0.009 sec
150000; time = 0.010 sec
200000; time = 0.009 sec
250000; time = 0.007 sec
300000; time = 0.008 sec
350000; time = 0.009 sec
400000; time = 0.009 sec
450000; time = 0.010 sec
500000; time = 0.013 sec
550000; time = 0.011 sec
600000; time = 0.012 sec
650000; time = 0.015 sec
700000; time = 0.015 sec
750000; time = 0.010 sec
800000; time = 0.010 sec
850000; time = 0.011 sec
900000; time = 0.011 sec
950000; time = 0.012 sec
1000000; time = 0.012 sec
接下来，我们依然设置-XX:StringTableSize=100003，但是准备池化1千万个字符串，这就意味着平均每个bucket中大概有100个字符串：
2000000; time = 0.024 sec
3000000; time = 0.028 sec
4000000; time = 0.053 sec
5000000; time = 0.051 sec
6000000; time = 0.034 sec
7000000; time = 0.041 sec
8000000; time = 0.089 sec
9000000; time = 0.111 sec
10000000; time = 0.123 sec
接下来，我们设置-XX:StringTableSize=10000003，并插入1千万个字符串继续进行测试。结果如下，正如你看到的，耗时是水平的而不是线性增长。由此可见，只要常量池大小足够大，即使是我这种个人电脑也能轻轻松松达到每秒百万级的插入量。
1000000; time = 0.005 sec
2000000; time = 0.005 sec
3000000; time = 0.005 sec
4000000; time = 0.004 sec
5000000; time = 0.004 sec
6000000; time = 0.009 sec
7000000; time = 0.010 sec
8000000; time = 0.009 sec
9000000; time = 0.009 sec
10000000; time = 0.009 sec
还需要重复造轮子嘛？
现在，我们比较一下JVM自带的字符串常量池和WeakHashMap
private static final WeakHashMap
private static String manualIntern(final String str){
final WeakReference
if (cached != null){
final String value = cached.get();
if (value != null){
return value;
}
}
s_manualCache.put(str, new WeakReference
return str;
}
利用WeakHashMap造出的轮子测试性能如下:
0; manual time = 0.001 sec
50000; manual time = 0.03 sec
100000; manual time = 0.034 sec
150000; manual time = 0.008 sec
200000; manual time = 0.019 sec
250000; manual time = 0.011 sec
300000; manual time = 0.011 sec
350000; manual time = 0.008 sec
400000; manual time = 0.027 sec
450000; manual time = 0.008 sec
500000; manual time = 0.009 sec
550000; manual time = 0.008 sec
600000; manual time = 0.008 sec
650000; manual time = 0.008 sec
700000; manual time = 0.008 sec
750000; manual time = 0.011 sec
800000; manual time = 0.007 sec
850000; manual time = 0.008 sec
900000; manual time = 0.008 sec
950000; manual time = 0.008 sec
1000000; manual time = 0.008 sec
当JVM内存充足时，利用WeakHashMap造的轮子和JVM内置常量池性能相当。但是，在我缓存短字符串进行字符串缓存测试时，Xmx1280M的设置只能缓存约2.5M的strings，但是JVM常量池在保证相同性能的情况下可以缓存约12.72M的strings(5倍多)。因此我认为，我们最好在程序中避免自己实现字符串常量池。
7u40+和8中的String.intern()
7u40以后的版本字符串常量池大小被增大到60013(60013也是质数)。默认值改为60013可以让你保存大概30000个不同的字符串到常量池中而不会发生任何Hash碰撞。通常来说，这个值完全足够你保存那些真正需要池化的字符串。这个默认值你可以通过如下命令进行查看，通过结果我们可知，JDK8默认值就是60013：
afei$ java -XX:+PrintFlagsFinal -version | grep StringTableSize uintx StringTableSize = 60013 {product} java version "1.8.0201" Java(TM) SE Runtime Environment (build 1.8.0201-b09) Java HotSpot(TM) 64-Bit Server VM (build 25.201-b09, mixed mode) 接下来我尝试在JDK8环境上运行相同的测试用例，Java8依旧支持-XX:StringTableSize参数且提供了与Java7同样的性能表现。只是唯一的不同在于默认池大小增长为60013了:
50000; time = 0.019 sec
100000; time = 0.009 sec
150000; time = 0.009 sec
200000; time = 0.009 sec
250000; time = 0.009 sec
300000; time = 0.009 sec
350000; time = 0.011 sec
400000; time = 0.012 sec
450000; time = 0.010 sec
500000; time = 0.013 sec
550000; time = 0.013 sec
600000; time = 0.014 sec
650000; time = 0.018 sec
700000; time = 0.015 sec
750000; time = 0.029 sec
800000; time = 0.018 sec
850000; time = 0.020 sec
900000; time = 0.017 sec
950000; time = 0.018 sec
1000000; time = 0.021 sec
测试代码
这篇文章中使用的测试代码非常简单：在循环中不断生成和池化新的strings。我们同时计算了它池化当前10000个字符串的耗时。运行此程序时，强烈建议用-verbose:gc这个虚拟机参数，以便当发生GC时，能在控制台实时输出GC日志。你也可以使用-Xmx参数来指定最大堆空间。
这里有2个测试：testStringPoolGarbageCollection 测试将会证明JVM字符串常量池真的可以被垃圾回收 —— 查看垃圾回收日志并在随后查看缓存字符串的耗时。这个测试在Java6中默认的永久代区大小中会失败。因此要么更新大小，要么更新测试方法参数，要么使用Java7。 第二个测试将会向你展示内存中可以缓存多少字符串。请在Java6中通过两个不同的内存设定运行此测试。例如-Xmx128M和-Xmx1280M(后者是前者的10倍)。你会发现这并不会影响可在池中缓存字符串的数目，因为那块保存池化的字符串空间大小是固定的。而在Java7中，你却可以用你的字符串填满整个堆。
/**
* Testing String.intern.
*
* Run this class at least with -verbose:gc JVM parameter.
*/
public class InternTest {
public static void main( String[] args ) {
testStringPoolGarbageCollection();
testLongLoop();
}
/**
* Use this method to see where interned strings are stored
* and how many of them can you fit for the given heap size.
*/
private static void testLongLoop()
{
test( 1000 * 1000 * 1000 );
//uncomment the following line to see the hand-written cache performance
//testManual( 1000 * 1000 * 1000 );
}
/**
* Use this method to check that not used interned strings are garbage collected.
*/
private static void testStringPoolGarbageCollection()
{
//first method call - use it as a reference
test( 1000 * 1000 );
//we are going to clean the cache here.
System.gc();
//check the memory consumption and how long does it take to intern strings
//in the second method call.
test( 1000 * 1000 );
}
private static void test( final int cnt )
{
final List
long start = System.currentTimeMillis();
for ( int i = 0; i < cnt; ++i )
{
final String str = "Very long test string, which tells you about something " +
"very-very important, definitely deserving to be interned #" + i;
//uncomment the following line to test dependency from string length
// final String str = Integer.toString( i );
lst.add( str.intern() );
if ( i % 10000 == 0 )
{
System.out.println( i + "; time = " + ( System.currentTimeMillis() - start ) / 1000.0 + " sec" );
start = System.currentTimeMillis();
}
}
System.out.println( "Total length = " + lst.size() );
}
private static final WeakHashMap
new WeakHashMap
private static String manualIntern( final String str )
{
final WeakReference
if ( cached != null )
{
final String value = cached.get();
if ( value != null )
return value;
}
s_manualCache.put( str, new WeakReference
return str;
}
private static void testManual( final int cnt )
{
final List
long start = System.currentTimeMillis();
for ( int i = 0; i < cnt; ++i )
{
final String str = "Very long test string, which tells you about something " +
"very-very important, definitely deserving to be interned #" + i;
lst.add( manualIntern( str ) );
if ( i % 10000 == 0 )
{
System.out.println( i + "; manual time = " + ( System.currentTimeMillis() - start ) / 1000.0 + " sec" );
start = System.currentTimeMillis();
}
}
System.out.println( "Total length = " + lst.size() );
}
}
总结
接下来对String.intern()进行一个总结，希望对你有用：
JDK6由于保存字符串常量池的是一块固定大小的内存区域(PermGem)，所以不建议使用String.intern()。
JDk7和8实在堆内存中实现的字符串常量池，这就意味者字符串常量池的限制和整个Java应用的内存一样大。
JDK7和8中可以通过参数-XX:StringTableSize设定字符串常量池大小，估算一下你应用中需要池化的不同字符串的数量，建议将常量池的大小设置为这个数量的2倍的一个质数(避免可能的碰撞，假设我们需要池化5000个字符串，那么10000往后最近的质数是10007，即设定-XX:StringTableSize=10007)。这会让String.intern运行在一个常数时间内(性能很高)，并且每个缓存字符串所需内存会很小(在同任务量下，显式使用Java WeakHashMap会产生4-5倍多的内存开销)。.
JDK6到JDK7u40之间XX:StringTableSize默认值是1009，7u40以后，包括JDK8，这个默认值被提升到60013。
如果你不太确定你应用需要多大的字符串常量池，可以通过JVM参数-XX:+PrintStringTableStatistics，在JVM退出时可以看到字符串常量池的使用情况，从而更合理的调整StringTableSize的值。
近期热文
面试官问：MySQL的自增ID用完了，怎么办？
ArrayList插入1000w条数据之后，我怀疑了jvm...
蚂蚁二面，面试官问我零拷贝的实现原理，当场懵了…
最后，分享一份面试宝典《Java核心知识点整理.pdf》，覆盖了JVM、锁、高并发、反射、Spring原理、微服务、Zookeeper、数据库、数据结构等等。
获取方式：点“在看”，关注公众号并回复 Java 领取，更多内容陆续奉上
明天见(｡･ω･｡)ﾉ♡