JEP 192（String Deduplication in G1）简介

JEP，即JDK Enhancement Proposals，指的是为增强JDK而引入的一些提案，比如Nashorn JavaScript引擎就是在JEP 174中提出的。2013年11月22日，来自Oracle的Per Liden创建了JEP 192（String Deduplication in G1），意在增强G1垃圾收集器，去掉堆中重复的String对象，从而减少堆内存的占用。该文档近日又有更新，Per Liden也提交了相应代码实现，目前还处于审校和讨论中。

应该注意的是该特性只针对G1垃圾收集器，不适用于其他收集器。

很多大规模Java应用都受限于内存瓶颈，测量表明，这类应用中，String对象大概占了Java堆中活数据集的25%。而这些String 对象中，又大约有一半是重复的，这里的重复是指，对两个字符串string1和string2而言，string1.equals(string2)为true。存在重复的String对象本质上是对内存的浪费。JEP 192打算在G1收集器中实现自动和连续的String去重操作，以避免内存浪费，进而减少总的内存占用量。

目前String类有两个字段：

private final char[] value;

private int hash;

使用旧版本Java的读者可能有点诧异，其实早期版本中的count、offset等实例字段已经去掉了，InfoQ之前也曾报道过。

value字段是特定于实现的，在String类之外看不到。因为String类不会修改该数组的内容，也不会将其用于同步，所以我们可以安全且透明地将其在多个String对象之间共享。也就是说我们可以将一个String对象的value指向另一个String对象的value。尽管该字段是final的，但因为去重操作是在虚拟机内部实现的，所以这不是问题。有兴趣的读者可以查看一下java.lang.System类的实现，其中的

public final static InputStream in = null;

一句，就是先将final字段in设置为null，然后在native代码中重新赋值的。

这里需要注意的是，实现并没有真的去掉重复的String对象，去掉的只是对象中的char数组。这样对应用才是透明的。去掉实际的String对象并不安全，因为应用可能将该对象用于同步等操作。这种实现不需要修改JDK类库或其他任何现有的Java代码。

Per Liden对大量大大小小的Java应用进行了测量，发现了下列结果：

• String对象平均占活数据的25%
• 重复的String对象平均占活数据的13.5%
• String的平均长度为45个字符

经过分析计算，通过去重、复用char数组，平均大概能减少10%的堆内存占用。

JEP 192文档中介绍了实现思路。垃圾收集执行时会访问堆上的活对象，在访问对象时可以判断一下该对象是否可以作为字符串去重的候选。如果是，将其插入一个队列。有一个负责去重的线程在后台运行，处理该队列。使用一个哈希表来记录String对象使用的所有唯一的char数组（即value）。在处理候选的String对象时，先查找哈希表，看是不是存在和当前处理对象内容相同的char数组。如果存在，则更新当前对象的value值，使其指向在哈希表中找到的char数组，这样垃圾收集器就可以在某个时间把当前对象原来的char数组回收掉了。如果不存在，则将当前对象的char数组插到哈希表中，供以后处理。对于哈希表中的某个char数组，如果引用它的所有对象都已经不可达了，即可将其移除。该哈希表会根据当前表项的数目动态调整，使用链表处理冲突。

这里有一个重要的参数：去重年龄阈值。对象的存活时间长短不一。对于存活时间很短的对象，执行去重操作其实是浪费资源。为避免这种情况，可以设置一个年龄阈值。在String对象的年龄等于该阈值时，才考虑对其进行去重操作，大于该阈值则是已经处理过的。该阈值应该提供一个合理的默认值，同时支持通过虚拟机选项来配置。

实际的去重操作在去重线程中完成。它会等待String对象引用出现在去重队列中，然后一个一个地将其从队列中去掉。在去掉时进行处理，计算字符串的哈希值，在哈希表中查找，如果可能的话执行去重操作。去重线程负责维护一些统计信息（已检查的候选对象数，去重的字符串数等），这些信息可以打印到GC日志中。

需要提供新的虚拟机命令行选项：

• UseStringDeduplication (bool) ——支持字符串去重
• PrintStringDeduplicationStatistics (bool) ——打印详细的去重统计信息
• StringDeduplicationAgeThreshold (uintx) ——设置String对象的年龄阈值

文档中还对比评价了其他方案存在的一些问题，感兴趣的读者可以参考。

感谢张龙对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作，请邮件至[email protected]。也欢迎大家通过新浪微博（@InfoQ）或者腾讯微博（@InfoQ）关注我们，并与我们的编辑和其他读者朋友交流。