【JVM之内存与垃圾回收篇】StringTable

StringTable

String的基本特性

• String：字符串，使用一对 "" 引起来表示
  • String s1 = "Nemo"; // 字面量的定义方式
  • String s2 = new String("Nemo");
• 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 private 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

官方说明：http://openjdk.java.net/jeps/254

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。

我们建议改变字符串的内部表示 class 从 utf - 16 字符数组到字节数组 + 一个 encoding-flag 字段。新的 String 类将根据字符串的内容存储编码为 ISO-8859-1/Latin-1（每个字符一个字节）或 UTF-16（每个字符两个字节）的字符。编码标志将指示使用哪种编码。

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

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。

代码

/**
 * String的不可变性
 *
 * @author: Nemo
 */
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";
        System.out.println(s1 == s2);
        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";
        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

面试题

/**
 * 面试题
 *
 * @author: Nemo
 */
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

注意

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，stringTablesize 设置没有要求

• 在 jdk8 中，StringTable 的长度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="nemo.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。

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

为什么StringTable从永久代调整到堆中

官网说明：https://www.oracle.com/technetwork/java/javase/jdk7-relnotes-418459.html#jdk7changes

在 JDK 7 中，interned 字符串不再在 Java 堆的永久生成中分配，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。

原因：

• 永久代的默认比较小
• 永久代垃圾回收频率低

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。

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
• 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

    public static void test1() {
        String s1 = "a" + "b" + "c";  // 得到 abc的常量池
        String s2 = "abc"; // abc存放在常量池，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 test2() {
        String s1 = "javaEE";
        String s2 = "hadoop";
        String s3 = "javaEEhadoop";
        String s4 = "javaEE" + "hadoop";    
        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

        String s8 = s6.intern();
        System.out.println(s3 == s8); // true
    }

从上述的结果我们可以知道：

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

而调用 intern 方法，则会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的值，否者就在常量池中创建

底层原理

拼接操作的底层其实使用了 StringBuilder

s1 + s2 的执行细节

• StringBuilder s = new StringBuilder();
• s.append(s1);
• s.append(s2);
• s.toString(); -> 类似于new String("ab");

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。也就是说被 final 修饰的变量，将会变成常量，类和方法将不能被继承。

• 在开发中，能够使用 final 的时候，建议使用上

public static void test4() {
    final String s1 = "a";
    final String s2 = "b";
    String s3 = "ab";
    String s4 = s1 + s2;
    System.out.println(s3 == s4);
}

运行结果

true

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，前前后后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

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。
比如：

String myInfo = new string("I love nemo").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）

intern的空间效率测试

我们通过测试一下，使用了 intern 和不使用的时候，其实相差还挺多的

/**
 * 使用Intern() 测试执行效率
 * @author: Nemo
 */
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])).intern();
        }
        long end = System.currentTimeMillis();
        System.out.println("花费的时间为：" + (end - start));

        try {
            Thread.sleep(1000000);
        } catch (Exception e) {
            e.getStackTrace();
        }
    }
}

结论：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。

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的大小。

面试题

new String("ab")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
 *
 * @author: Nemo
 */
public class StringNewTest {
    public static void main(String[] args) {
        String str = new String("ab");
    }
}

我们转换成字节码来查看

 0 new #2 <java/lang/String>
 3 dup
 4 ldc #3 <ab>
 6 invokespecial #4 <java/lang/String.<init>>
 9 astore_1
10 return

这里面就是两个对象

• 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

new String("a") + new String("b") 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
 *
 * @author: Nemo
 */
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 <java/lang/StringBuilder>
 3 dup
 4 invokespecial #3 <java/lang/StringBuilder.<init>>
 7 new #4 <java/lang/String>
10 dup
11 ldc #5 <a>
13 invokespecial #6 <java/lang/String.<init>>
16 invokevirtual #7 <java/lang/StringBuilder.append>
19 new #4 <java/lang/String>
22 dup
23 ldc #8 <b>
25 invokespecial #6 <java/lang/String.<init>>
28 invokevirtual #7 <java/lang/StringBuilder.append>
31 invokevirtual #9 <java/lang/StringBuilder.toString>
34 astore_1
35 return

我们创建了 6 个对象

• 对象 1：new StringBuilder()
• 对象 2：new String("a")
• 对象 3：常量池的 a
• 对象 4：new String("b")
• 对象 5：常量池的 b
• 对象 6：toString中会约等于创建一个 new String("ab")
  • 调用 toString 方法，不会在常量池中生成"ab"（而是会生成"a"和"b"），因为并没有声明"ab"常量。当然，如果是 new String("ab") 那常量池肯定有常量。

intern 的使用：JDK6 和 JDK7

JDK6 中

String s = new String("1");  // 在常量池中已经有了，"1"常量放到常量池，new对象放到堆
s.intern(); // 将该对象放入到常量池。但是调用此方法没有太多的区别，因为已经存在了1
String s2 = "1";
System.out.println(s == s2); // false

String s3 = new String("1") + new String("1");//s3变量记录的地址为：new String("11")
//执行完上一行代码以后，字符串常量池中，不存在"11"
s3.intern();//在字符串常量池中生成"11"。如何理解：jdk6中创建了一个新的对象"11"，也就有新的地址
//jdk7：此时常量池中并没有创建"11"，而是创建了一个指向堆空间中new String("11") 的地址
String s4 = "11";//s4变量记录的地址：使用的是上一行代码执行时，在常量池中生成的"11"地址
System.out.println(s3 == s4); // false

输出结果

false
false

为什么对象会不一样呢？
String s = new String("1");"1" 常量放到常量池，new 对象放到堆
String s2 = "1";时，去检查常量池，发现有 "1"，直接返回了常量池的引用，没有创建对象。
对于 s2 字符串来说，它的创建过程同上所说。在创建该对象之前，JVM 会在 String 对象池中去搜索该字符对象是否已经被创建，如果已经被创建，则直接返回一个引用，否则先创建在返回引用。
而 s 字符串变量，它的创建过程就要多一个步骤。除了类似于 str2 字符串对象创建过程以外，它还会额外的创建一个新的 String 对象，也就是 new 关键字的作用，并且返回一个引用给 s。

• 一个是 new 创建的对象，是堆空间中的地址
• 一个是字面量赋值，是常量池中的对象，是常量池从的地址，显然不是同一个

如果是下面这样的，那么就是 true

String s = new String("1");
s = s.intern();
String s2 = "1";
System.out.println(s == s2); // true

而对于下面的来说，因为 s3 变量记录的地址是 new String("11")，然后这段代码执行完以后，常量池中不存在 "11"，这是 JDK6 的关系，然后执行 s3.intern() 后，就会在常量池中生成 "11"，最后 s4 用的就是 s3 的地址

为什么最后输出的 s3 == s4 会为false呢？

这是因为在 JDK6 中创建了一个新的对象 "11"，也就是有了新的地址，s2 = 新地址

而在 JDK7 中，在 JDK7 中，并没有创新一个新对象，而是指向常量池中的新对象

JDK7 中

String s = new String("1");
s.intern();
String s2 = "1";
System.out.println(s == s2); // false

String s3 = new String("1") + new String("1");
s3.intern();
String s4 = "11";
System.out.println(s3 == s4); // true

扩展

String s3 = new String("1") + new String("1");
String s4 = "11";  // 在常量池中生成的字符串
s3.intern();  // 然后s3就会从常量池中找，发现有了，就什么事情都不做
System.out.println(s3 == s4);

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

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（字符串常量池）。

• 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

练习：

• 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。

所以上述结果，在 JDK6 中是：

true
false

在JDK8中是

true
true

针对下面这题，在 JDK6 和 8 中表现的是一样的

使用 intern() 优化执行效率：空间使用上
结论：对于程序中大量存在的字符串，尤其是其中存在很多重复字符串时，使用 intern() 可以节省内存空间。
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。

StringTable的垃圾回收

/**
 * String的垃圾回收
 * -Xms15m -Xmx15m -XX:+PrintStringTableStatistics -XX:+PrintGCDetails
 * @author: Nemo
 */
public class StringGCTest {
    public static void main(String[] args) {
        for (int i = 0; i < 100000; i++) {
            String.valueOf(i).intern();
        }
    }
}

执行之后只有 60000 多个对象，因为进行了垃圾回收。

G1 中的 String 去重操作

官方说明：http://openjdk.java.net/jeps/192

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

String str1 = new String("hello");
String str2 = new String("hello");
是指这个堆中的对象去重

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
• StringDeduplicationAgeThreshold(uintx)：达到这个年龄的 String 对象被认为是去重的候选对象