[置顶] java6,7,8中String.intern进化史与深度剖析
这篇文章将要讨论 Java 6 中是如何实现 String.intern 方法的，以及这个方法在 Java 7 以及 Java 8 中做了哪些调整。
字符串池
字符串池（有名字符串标准化）是通过使用唯一的共享 String 对象来使用相同的值不同的地址表示字符串的过程。你可以使用自己定义的 Map<String, String> （根据需要使用 weak 引用或者 soft 引用）并使用 map 中的值作为标准值来实现这个目标，或者你也可以使用 JDK 提供的 String.intern()。
很多标准禁止在 Java 6 中使用 String.intern() 因为如果频繁使用池会失去控制，有很大的几率触发 OutOfMemoryException。Oracle Java 7 对字符串池做了很多改进，你可以通过以下地址进行了解 http://bugs.sun.com/view_bug.do?bug_id=6962931以及 http://bugs.sun.com/view_bug.do?bug_id=6962930
Java 6 中的 String.intern()
在美好的过去所有共享的 String 对象都存储在 PermGen 中 — 堆中固定大小的部分主要用于存储加载的类对象和字符串池。除了明确的共享字符串，PermGen 字符串池还包含所有程序中使用过的字符串（这里要注意是使用过的字符串，如果类或者方法从未加载或者被条用，在其中定义的任何常量都不会被加载）
Java 6 中字符串池的最大问题是它的位置 — PermGen。PermGen 的大小是固定的并且在运行时是无法扩展的。你可以使用 -XX:MaxPermSize=N 配置来调整它的大小。据我了解，对于不同的平台默认的 PermGen 大小在 32M 到 96M 之间。你可以扩展它的大小，不过大小使用都是固定的。这个限制需要你在使用 String.intern 时需要非常小心 — 你最好不要使用这个方法 intern 任何无法控制的用户输入。这是为什么在 JAVA6 中大部分使用手动管理 Map 来实现字符串池
Java 7 中的 String.intern()
Java 7 中 Oracle 的工程师对字符串池的逻辑做了很大的改变 — 字符串池的位置被调整到 heap 中了。这意味着你再也不会被固定的内存空间限制了。所有的字符串都保存在堆（heap）中同其他普通对象一样，这使得你在调优应用时仅需要调整堆大小。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()。
字符串池中的数据会被垃圾收集
没错，在 JVM 字符串池中的所有字符串会被垃圾收集，如果这些值在应用中没有任何引用。这是用于所有版本的 Java，这意味着如果 interned 的字符串在作用域外并且没有任何引用 — 它将会从 JVM 的字符串池中被垃圾收集掉。
因为被重新定位到堆中以及会被垃圾收集，JVM 的字符串池看上去是存放字符串的合适位置，是吗？理论上是 — 违背使用的字符串会从池中收集掉，当外部输入一个字符传且池中存在时可以节省内存。看起来是一个完美的节省内存的策略？在你回答这个之前，可以肯定的是你 需要知道字符串池是如何实现的。
在 Java 6，7，8 中 JVM 字符串池的实现
字符串池是使用一个拥有固定容量的 HashMap 每个元素包含具有相同 hash 值的字符串列表。一些实现的细节可以从 Java bug 报告中获得 http://bugs.sun.com/view_bug.do?bug_id=6962930
默认的池大小是 1009 (出现在上面提及的 bug 报告的源码中，在 Java7u40 中增加了)。在 JAVA 6 早期版本中是一个常量，在随后的 java6u30 至 java6u41 中调整为可配置的。而在java 7中一开始就是可以配置的（至少在java7u02中是可以配置的）。你需要指定参数 -XX:StringTableSize=N, N 是字符串池 Map 的大小。确保它是为性能调优而预先准备的大小。
在 Java 6 中这个参数没有太多帮助，因为你仍任被限制在固定的 PermGen 内存大小中。后续的讨论将直接忽略 Java 6
Java 7 （直至 Java7u40）
在 Java7 中，换句话说，你被限制在一个更大的堆内存中。这意味着你可以预先设置好 String 池的大小（这个值取决于你的应用程序需求）。通常说来，一旦程序开始内存消耗，内存都是成百兆的增长，在这种情况下，给一个拥有 100 万字符串对象的字符串池分配 8-16M 的内存看起来是比较适合的（不要使用1,000,000 作为 -XX:StringTaleSize 的值 – 它不是质数；使用 1,000,003代替）
你可能期待关于 String 在 Map 中的分配 — 可以阅读我之前关于 HashCode 方法调优的经验。
你必须设置一个更大的
-XX:StringTalbeSize值(相比较默认的 1009 ),如果你希望更多的使用 String.intern() — 否则这个方法将很快递减到 0 （池大小）。
我没有注意到在 intern 小于 100 字符的字符串时的依赖情况（我认为在一个包含 50 个重复字符的字符串与现实数据并不相似，因此 100 个字符看上去是一个很好的测试限制）
下面是默认池大小的应用程序日志：第一列是已经 intern 的字符串数量，第二列 intern 10,000 个字符串所有的时间（秒）
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
0
; time =
0.0
sec
50000
; time =
0.03
sec
100000
; time =
0.073
sec
150000
; time =
0.13
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
|
测试是在 Core [email protected] CPU 设备上进行的。你可以看到，它成线性增长，并且在 JVM 字符串池包含一百万个字符串时，我仍然可以近似每秒 intern 5000 个字符串，这对于在内存中处理大量数据的应用程序来说太慢了。
现在，调整 -XX:StringTableSize=100003 参数来重新运行测试：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
50000
; time =
0.017
sec
100000
; time =
0.009
sec
150000
; time =
0.01
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 =
0.01
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 =
0.01
sec
800000
; time =
0.01
sec
850000
; time =
0.011
sec
900000
; time =
0.011
sec
950000
; time =
0.012
sec
1000000
; time =
0.012
sec
|
可以看到，这时插入字符串的时间近似于常量（在 Map 的字符串列表中平均字符串个数不超过 10 个），下面是相同设置的结果，不过这次我们将向池中插入 1000 万个字符串（这意味着 Map 中的字符串列表平均包含 100 个字符串）
|
1
2
3
4
5
6
7
8
9
|
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
|
现在让我们将池的大小增加到 100 万（精确的说是 1,000,003）
|
1
2
3
4
5
6
7
8
9
10
|
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 =
0.01
sec
8000000
; time =
0.009
sec
9000000
; time =
0.009
sec
10000000
; time =
0.009
sec
|
如你所看到的,时间非常平均，并且与 “0 到 100万” 的表没有太大差别。甚至在池大小足够大的情况下，我的笔记本也能每秒添加1,000,000个字符对象。
我们还需要手工管理字符串池吗？
现在我们需要对比 JVM 字符串池和 WeakHashMap<String, WeakReference<String>> 它可以用来模拟 JVM 字符串池。下面的方法用来替换 String.intern：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
private
static
final
WeakHashMap<String, WeakReference<String>> s_manualCache =
new
WeakHashMap<String, WeakReference<String>>(
100000
);
private
static
String manualIntern(
final
String str )
{
final
WeakReference<String> cached = s_manualCache.get( str );
if
( cached !=
null
)
{
final
String value = cached.get();
if
( value !=
null
)
return
value;
}
s_manualCache.put( str,
new
WeakReference<String>( str ) );
return
str;
}
|
下面针对手工池的相同测试：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
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 有足够内存时，手工编写的池提供了良好的性能。不过不幸的是，我的测试（保留 String.valueOf(0 < N < 1,000,000,000)）保留非常短的字符串，在使用 -Xmx1280M 参数时它允许我保留月为 2.5M 的这类字符串。JVM 字符串池 (size=1,000,003）从另一方面讲在 JVM 内存足够时提供了相同的性能特性，知道 JVM 字符串池包含 12.72M 的字符串并消耗掉所有内存（5倍多）。我认为，这非常值得你在你的应用中去掉所有手工字符串池。
在 Java 7u40+ 以及 Java 8 中的 String.intern()
Java7u40 版本扩展了字符串池的大小（这是组要的性能更新）到 60013.这个值允许你在池中包含大约 30000 个独立的字符串。通常来说，这对于需要保存的数据来说已经足够了，你可以通过 -XX:+PrintFlagsFinal JVM 参数获得这个值。
我尝试在原始发布的 Java 8 中运行相同的测试，Java 8 仍然支持 -XX:StringTableSize 参数来兼容 Java 7 特性。主要的区别在于 Java 8 中默认的池大小增加到 60013：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
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 =
0.01
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 =
0.02
sec
900000
; time =
0.017
sec
950000
; time =
0.018
sec
1000000
; time =
0.021
sec
|
测试代码
这篇文章的测试代码很简单，一个方法中循环创建并保留新字符串。你可以测量它保留 10000 个字符串所需要的时间。最好配合 -verbose:gc JVM 参数来运行这个测试，这样可以查看垃圾收集是何时以及如何发生的。另外最好使用 -Xmx 参数来执行堆的最大值。
这里有两个测试：testStringPoolGarbageCollection 将显示 JVM 字符串池被垃圾收集 — 检查垃圾收集日志消息。在 Java 6 的默认 PermGen 大小配置上，这个测试会失败，因此最好增加这个值，或者更新测试方法，或者使用 Java 7.
第二个测试显示内存中保留了多少字符串。在 Java 6 中执行需要两个不同的内存配置 比如： -Xmx128M 以及 -Xmx1280M （10 倍以上）。你可能发现这个值不会影响放入池中字符串的数量。另一方面，在 Java 7 中你能够在堆中填满你的字符串。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
|
/**
- 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<String> lst =
new
ArrayList<String>(
100
);
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<String, WeakReference<String>> s_manualCache =
new
WeakHashMap<String, WeakReference<String>>(
100000
);
private
static
String manualIntern(
final
String str )
{
final
WeakReference<String> cached = s_manualCache.get( str );
if
( cached !=
null
)
{
final
String value = cached.get();
if
( value !=
null
)
return
value;
}
s_manualCache.put( str,
new
WeakReference<String>( str ) );
return
str;
}
private
static
void
testManual(
final
int
cnt )
{
final
List<String> lst =
new
ArrayList<String>(
100
);
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
- 由于 Java 6 中使用固定的内存大小（PermGen）因此不要使用
String.intern()方法 - Java7 和 8 在堆内存中实现字符串池。这以为这字符串池的内存限制等于应用程序的内存限制。
- 在 Java 7 和 8 中使用
-XX:StringTableSize来设置字符串池 Map 的大小。它是固定的，因为它使用HashMap实现。近似于你应用单独的字符串个数（你希望保留的）并且设置池的大小为最接近的质数并乘以 2 （减少碰撞的可能性）。它是的String.intern可以使用相同（固定）的时间并且在每次插入时消耗更小的内存(同样的任务，使用java WeakHashMap将消耗4-5倍的内存)。 - 在 Java 6 和 7（Java7u40以前） 中
-XX:StringTableSize参数的值是 1009。Java7u40 以后这个值调整为 60013 （Java 8 中使用相同的值） - 如果你不确定字符串池的用量，参考：
-XX:+PrintStringTableStatisticsJVM 参数，当你的应用挂掉时它告诉你字符串池的使用量信息。
原文：http://java-performance.info/string-intern-in-java-6-7-8/
译文：http://www.4byte.cn/learning/84930/java-xing-neng-you-hua-shou-ce-ti-gao-java-dai-ma-xing-neng-de-ge-zhong-ji-qiao.html