StringTable/StringPool
目录
1. String的基本特性
1.1. String在JDK9中存储结构变更
1.2. String的基本特性
1.2.1. String的不可变性
1.2.2. 字符串常量池
2. String的内存分配
2.1. 为什么将StringTable从永久代调整到堆中
3. String的基本操作
4. 字符串拼接操作
5. intern()的使用
5.1. 面试题
5.1.1. new String("ab")会创建几个对象
5.1.2. new String("a") + new String("b") 会创建几个对象
5.2. intern的使用：JDK6和JDK7/8
5.3. 总结
5.4. intern()的效率测试：空间角度
6. G1中的String去重操作
StringTable又叫StringPool，即字符串常量。
1. 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（这种方式赋值很像基本数据类型，但String实际是一个对象）
- String s2 = new String("hello");
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。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[]
1.1. String在JDK9中存储结构变更
JDK8的String源码
JDK9的String源码
原来char要占两个字节，堆中的数据又是String多，而大多数字符串都是拉丁字母，一个字节就能存下，所以改为byte，中文等字符就用两个字节，简单来说就是为了节省空间。
官网的说法：
1.2. String的基本特性
1.2.1. String的不可变性
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。
例子：体现String的不可变性
package _03;
import org.junit.Test;
public class _58_StringTest1 {
@Test
public void test1() {
String s1 = "abc";//字面量定义的方式，"abc"存储在字符串常量池中
String s2 = "abc";
// s1指向的对象是abc字符串对象，修改s1会重新new一个新的字符串对象hello，然后修改s1的引用指向新的对象
s1 = "hello";
System.out.println(s1 == s2);//判断地址：false
System.out.println(s1);// hello
System.out.println(s2);//abc
}
@Test
public void test2() {
String s1 = "abc";
String s2 = "abc";
// 要改s2就要新new一个对象，修改s2的引用指向
s2 += "def";
System.out.println(s2);//abcdef
System.out.println(s1);//abc
}
@Test
public void test3() {
String s1 = "abc";
String s2 = s1.replace('a', 'm');
System.out.println(s1);//abc
System.out.println(s2);//mbc
}
}package _03;
public class _59_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) {
_59_StringExer ex = new _59_StringExer();
ex.change(ex.str, ex.ch);
System.out.println(ex.str);//good 不变
System.out.println(ex.ch);//best 变
}
}1.2.2. 字符串常量池
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。
字符串常量池不会存储相同内容的字符串。
String的String Pool是一个固定大小的Hashtable（底层是一个Map），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，所以默认的长度比较大。
使用-XX:StringTableSize可设置StringTab1e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。
在JDK8中，设置StringTable的长度最小值为1009。
例子：
产生10万个长度不超过10的字符串，包含a-z,A-Z
package _03;
import java.io.FileWriter;
import java.io.IOException;
/**
* 产生10万个长度不超过10的字符串，包含a-z,A-Z
*/
public class _60_GenerateString {
public static void main(String[] args) throws IOException {
FileWriter fw = new FileWriter("words.txt");
for (int i = 0; i < 100000; i++) {
//1 - 10
int length = (int)(Math.random() * (10 - 1 + 1) + 1);
fw.write(getString(length) + "\n");
}
fw.close();
}
public static String getString(int length){
String str = "";
for (int i = 0; i < length; i++) {
//65 - 90, 97-122
int num = (int)(Math.random() * (90 - 65 + 1) + 65) + (int)(Math.random() * 2) * 32;
str += (char)num;
}
return str;
}
}执行得到words.txt
StringPool的长度大小影响效率
2. 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="atguigu.com"；
-
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。（后面重点讲）
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，字符串常量在堆。
2.1. 为什么将StringTable从永久代调整到堆中
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(称为年轻代和年老代)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，驻留在永久代中的数据更少，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，但加载许多类或大量使用字符串的较大应用程序会出现这种差异。intern()方法会看到更显著的差异。
- 永久代的默认比较小
- 永久代垃圾回收频率低
3. String的基本操作
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。
相同的字符串不会再次创建。
4. 字符串拼接操作
1、常量与常量的拼接结果在常量池，原理是编译期优化
2、常量池中不会存在相同内容的变量
3、只要其中有一个是变量，结果就在堆中（相当于new了一个对象）。变量拼接的原理是StringBuilder
4、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
例子：JDK8环境下。
（执行结果、以及结论都在代码中了）
package _03;
import org.junit.Test;
/**
* 字符串拼接操作
*/
public class _64_StringTest6 {
@Test
public void test1(){
String s1 = "a" + "b" + "c";//编译期优化：等同于"abc"
String s2 = "abc"; //"abc"一定是放在字符串常量池中，将此地址赋给s2
/*
* 最终.java编译成.class，再反编译.class文件可以看到s1、s2如下：
* String s1 = "abc";
* String s2 = "abc"
*/
System.out.println(s1 == s2); //true
System.out.println(s1.equals(s2)); //true
/**
* 从字节码看：
* 0 ldc #2 // 从常量池中加载abc进来
* 2 astore_1 // 保存起来
* 3 ldc #2 // #2可以看出来，s1、s2的常量地址一样，即他们指向的是常量池中同一个常量
* 5 astore_2
*/
}
@Test
public void test2(){
String s1 = "javaEE";
String s2 = "hadoop";
String s3 = "javaEEhadoop";
String s4 = "javaEE" + "hadoop";//编译期优化
//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：javaEEhadoop
String s5 = s1 + "hadoop"; // 是new了一个对象
String s6 = "javaEE" + s2; // 是new了一个对象
String s7 = s1 + s2; // 是new了一个对象
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
//intern():判断字符串常量池中是否存在javaEEhadoop值，如果存在，则返回常量池中javaEEhadoop的地址；
//如果字符串常量池中不存在javaEEhadoop，则在常量池中加载一份javaEEhadoop，并返回次对象的地址。
String s8 = s6.intern(); // s6指向堆中一个字符串为javaEEhadoop"的对象，只是获取s6字符串的值，s8其实指向的是s3所指向的对象
System.out.println(s3 == s8);//true s3指向常量池的"javaEEhadoop"，常量池的"javaEEhadoop"是在s3赋值的时候创建的
System.out.println(s6 == s8);//false 注意这俩不是同一个对象
}
@Test
public void test3(){
String s1 = "a";
String s2 = "b";
String s3 = "ab";
/*
如下的s1 + s2 的执行细节：(变量s是我临时定义的）
① StringBuilder s = new StringBuilder();
② s.append("a")
③ s.append("b")
④ s.toString() --> 约等于 new String("ab")，可以看源码 -- 新new出来的对象地址给s4
补充：在jdk5.0之后使用的是StringBuilder（线程不安全，但速度快）,在jdk5.0之前使用的是StringBuffer（线程安全，但速度慢）
字节码层面看：
0 ldc #14
2 astore_1
3 ldc #15
5 astore_2
6 ldc #16
8 astore_3
9 new #9 // 有变量就new StringBuilder
12 dup
13 invokespecial #10 >
16 aload_1 // 加载"a"
17 invokevirtual #11 // append("a")
20 aload_2
21 invokevirtual #11 // append("b")
24 invokevirtual #12 // 返回字符串
27 astore 4
29 getstatic #3
*/
String s4 = s1 + s2;//
System.out.println(s3 == s4);//false
}
/*
1. 字符串拼接操作不一定使用的是StringBuilder!
如果拼接符号左右两边都是字符串常量或常量引用，则仍然使用编译期优化，即非StringBuilder的方式。
2. 针对于final修饰类、方法、基本数据类型、引用数据类型的量的结构时，能使用上final的时候建议使用上（编译期间就能确定）。
*/
@Test
public void test4(){
// final修饰后就是常量了，就不是变量了
final String s1 = "a";
final String s2 = "b";
String s3 = "ab";
// 编译期间就能确定s4 = "ab"，反编译class文件为java源文件后可以看到 String s4 = "ab"; 字节码可以看到 ldc #16
String s4 = s1 + s2;
System.out.println(s3 == s4);//true
}
//练习：
@Test
public void test5(){
String s1 = "javaEEhadoop";
String s2 = "javaEE";
String s3 = s2 + "hadoop";
System.out.println(s1 == s3);//false
final String s4 = "javaEE";//s4:常量
String s5 = s4 + "hadoop";
System.out.println(s1 == s5);//true
}
/*
体会执行效率：通过StringBuilder的append()的方式添加字符串的效率要远高于使用String的字符串拼接方式！
详情：① StringBuilder的append()的方式：自始至终中只创建过一个StringBuilder的对象
使用String的字符串拼接方式：创建过多个StringBuilder和String的对象
② 使用String的字符串拼接方式：内存中由于创建了较多的StringBuilder和String的对象，内存占用更大；如果进行GC，需要花费额外的时间。
改进的空间：在实际开发中，如果基本确定要前前后后添加的字符串长度不高于某个限定值highLevel的情况下,建议使用构造器实例化：
StringBuilder s = new StringBuilder(highLevel);//new char[highLevel] //（指定容量大小，避免多次扩容）
*/
@Test
public void test6(){
long start = System.currentTimeMillis();
// 分别执行method1、method2方法，对比String、StringBuilder拼接字符串的效率。-- 结果可以看到String效率差StringBuilder一千倍
method1(100000);// 耗时：4435毫秒
// method2(100000); // 耗时：4毫秒
long end = System.currentTimeMillis();
System.out.println("花费的时间为：" + (end - start));
}
public void method1(int highLevel){
String src = "";
for(int i = 0;i < highLevel;i++){
src = src + "a";//每次循环都会创建一个StringBuilder、String（每次会创建两个对象）
}
// System.out.println(src);
}
public void method2(int highLevel){
//只需要创建一个StringBuilder
StringBuilder src = new StringBuilder();
for (int i = 0; i < highLevel; i++) {
src.append("a");
}
// System.out.println(src);
}
} s.toString()约等于 new String(xxx)的源码：
5. intern()的使用
源码，是本地方法
intern()会比较两字符串就是判断equals，通过equals()方法比较常量池中的字符串，true的时候就直接返回常量池的对象引用给对应的变量；false就新创建该字符串，并且放到常量池里面，引用指向该新建的字符串的地址。
如果不是用双引号声明的String对象（用双引号声明，直接存放到字符串常量池中），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。比如：
String myInfo = new string("I love atguigu").intern();
也就是说，如果在任意字符串上调用String.intern方法，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就是确保相同的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）。
5.1. 面试题
5.1.1. new String("ab")会创建几个对象
package _03;
/**
* 题目：
* new String("ab")会创建几个对象？看字节码，就知道是两个。
* 一个对象是：new关键字在堆空间创建的
* 另一个对象是：字符串常量池中的对象"ab"。 字节码指令：ldc
*/
public class _65_StringNewTest {
public static void main(String[] args) {
String str = new String("ab");
}
}分析：
5.1.2. new String("a") + new String("b") 会创建几个对象
package _03;
/**
* 思考：
* new String("a") + new String("b")会创建几个对象？
* 对象1：new StringBuilder()，用来append(a) append(b)
* 对象2： new String("a")
* 对象3： 常量池中的"a"
* 对象4： new String("b")
* 对象5： 常量池中的"b"
*
* 深入剖析： StringBuilder的toString():
* 对象6 ：new String("ab") -- （SB的toString()的底层就是new一个新的）
* 强调一下，toString()的调用，在字符串常量池中，没有生成"ab"
*/
public class _66_StringNewTest2 {
public static void main(String[] args) {
String str = new String("a") + new String("b");
}
}分析：
5.2. intern的使用：JDK6和JDK7/8
package _03;
public class _67_StringIntern {
public static void main(String[] args) {
String s = new String("1");
s.intern();
String s2 = "1";
System.out.println(s == s2);//jdk6：false jdk7/8：false
String s3 = new String("8") + new String("9");
s3.intern();
String s4 = "89";
System.out.println(s3 == s4);//jdk6：false jdk7/8：true
}
}分析：
public class _67_StringIntern {
public static void main(String[] args) {
// s是新new出来的对象地址，只是这对象里面有个引用指向常量池的字符串“1”对象
String s = new String("1");
//调用此方法之前，字符串常量池中已经存在了"1"。
// intern只是把s对象本来有的字符串“1”不要了，然后指向常量池的字符串“1”对象
s.intern();
// s2指向常量池的字符串“1”对象
String s2 = "1";
System.out.println(s == s2);//jdk6：false jdk7/8：false
// s3变量记录的地址为：new String("11")
String s3 = new String("1") + new String("1");
/**
* 执行完上一行代码以后，字符串常量池中，是否存在"11"呢？答案：不存在！！
*
* 在字符串常量池中生成"11"。如何理解：
* jdk6:创建了一个新的对象"11",也就有新的地址。
* jdk7:此时常量中并没有创建"11",而是创建一个指向堆空间中new String("11")的地址
*/
s3.intern();
// s4变量记录的地址：使用的是上一行代码代码执行时，在常量池中生成的"11"的地址
String s4 = "11";
System.out.println(s3 == s4);//jdk6：false jdk7/8：true
}
}总结：
/**
* 如何保证变量s指向的是字符串常量池中的数据呢？
* 有两种方式：
* 方式一： String s = "shkstart";//字面量定义的方式
* 方式二： 调用intern()
* String s = new String("shkstart").intern();
* String s = new StringBuilder("shkstart").toString().intern();
*/
5.3. 总结
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
5.4. intern()的效率测试：空间角度
package _03;
/**
* 使用intern()测试执行效率：空间使用上
*
* 结论：对于程序中大量存在存在的字符串，尤其其中存在很多重复字符串时，使用intern()可以节省内存空间。
*/
public class _71_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++) {
// 不使用intern，对比
arr[i] = new String(String.valueOf(data[i % data.length])); // 花费的时间为：10296
// 使用intern，对比
// arr[i] = new String(String.valueOf(data[i % data.length])).intern(); // 花费的时间为：924
}
long end = System.currentTimeMillis();
System.out.println("花费的时间为：" + (end - start));
try {
Thread.sleep(1000000);
} catch (InterruptedException e) {
e.printStackTrace();
}
System.gc();
}
}对比，使用intern的，实例数少一个量级，而且时间也短，实例数少，gc次数也会少很多。
结论：对于程序中大量存在存在的字符串，尤其其中存在很多重复字符串时，使用intern()可以节省内存空间。
使用场景举例：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，就会明显降低内存的大小。
6. G1中的String去重操作
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hashtab1e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
- 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
- StringDeduplicationAgeThreshold（uintx）：达到这个年龄的String对象被认为是去重的候选对象