从JVM的角度来深入剖析一下String类

String的基本特性

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
String s2 = new String("hello");

• String 是声明为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。
• String 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[]

为什么JDK9改变了结构

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String类的内部表示，从utf-16字符数组到字节数组加上一个encoding-flag编码标记字段。

新的String类将根据字符串的内容，存储字符编码为ISO-8859-1(欧洲码)/Latin-1(每个字符一个字节)或UTF-16(每个字符两个字节)。编码标志将指示使用的是哪种编码。

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

官方描述，全英文，看的懂的话建议看这个。

---

• 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。

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";
        // 判断地址是否相等
        System.out.println(s1 == s2);
        // 重新赋值后
        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";
        // 即使替换，也会重新生成一个对象
        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

• 一道面试题

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

---

• 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，

• jdk8 开始，StringTable 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="hello"；如果已经有，就会复用

• 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（作用：如果字符串常量池中没有对应的字符串，则在常量池中生成）。

---

Java 6 及以前，字符串常量池存放在永久代；

Java 7 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 永久代改为元空间，但字符串常量仍在堆中

---

为什么 StringTable 要从永久代调整到堆中？

• 永久代空间默认比较小，不能存放过多的字符串常量
• 永久代垃圾回收频率较低，对字符串常量的回收不能及时，容易导致OOM

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（年轻代和永久 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，但加载许多类的较大应用程序或大量使用intern()方法会看到更显著的差异。

---

String 的基本操作

案例一：查看字符串常量池的引用

《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

案例二

对应的内存结构

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（生成字节码文件的时候就直接拼接）
• 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（不是字符串常量池的区域）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

代码案例

   public static void test2() {
        String s1 = "a" + "b" + "c";  // 得到 abc的常量池
        String s2 = "abc"; // abc存放在常量池中，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 test3() {
        String s1 = "javaEE";
        String s2 = "hadoop";
        String s3 = "javaEEhadoop";
        String s4 = "javaEE" + "hadoop";  // 编译器优化
        // 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
        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
        // 调用 intern 方法 
        // 如果常量池中存在该值，就返回常量池中该值的地址
        // 如果不存在就创建一份，并返回地址
        String s8 = s6.intern();
        System.out.println(s3 == s8); // true
    }

查看一下字节码文件

拼接底层原理

拼接操作的底层其实使用了StringBuilder（拼接符前后出现了变量）

• 如果变量是使用 final 修饰，就相当于是常量，在编译期就优化了

拼接的执行细节

• StringBuilder s = new StringBuilder();
• s.append(s1);
• s.append(s2);
• s.toString(); -> 约等于new String(“ab”);

版本区别

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。
• 《String str = “” 和 new String()的区别》

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capacity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，总共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

概述

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。

举个例子

String myInfo = new string("hello world").intern();

也就是说，如果在任意字符串上调用string.intern()，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）

如何保证变量 s 指向的是字符串常量池中的数据？

• 方式一：通过字面量定义的方式String s = "hello"
• 方式二：通过intern()方法，例如String s = new String(hello).intern()

intern 效率测试

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])); // 花费时间：7307
            arr[i] = new String(String.valueOf(data[i%data.length])).intern(); // 花费时间：1311
        }
        long end = System.currentTimeMillis();
        System.out.println("花费的时间为：" + (end - start));

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

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。

• 因为当你 new 一个对象的时候，会在堆空间中维护这个对象，且数组并没有释放，所以对象无法被回收；而你通过 intern 方法来给数组赋值，数组是指向常量池的引用，那对象虽然也创建了，但是由于没有使用，后期会被回收掉，这样就能节省内存空间。

• 在一些大的网站平台，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空间的占用。

面试题：new String() 到底会创建几个对象

/**
 * new String("ab") 会创建几个对象？ 看字节码就知道是2个对象
 */
public class StringNewTest {
    public static void main(String[] args) {
        String str = new String("ab");
    }
}

查看字节码文件

 0 new #2 <java/lang/String> // 堆空间中开辟
 3 dup // 复制操作数栈栈顶并将复制值重新压入栈顶
 4 ldc #3 <ab> // 常量加载到操作数栈
 6 invokespecial #4 <java/lang/String.<init>> // 调用构造器
 9 astore_1 // 存入局部变量表
10 return

• 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（字节码中的 ldc 指令）

对于另外一种情况呢？

/**
 * new String("a") + new String("b") 会创建几个对象
 */
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

在这里总的来说一共创建了6个对象

• 对象1：new StringBuilder()
• 对象2：new String()
• 对象3：常量池的a
• 对象4：new String()
• 对象5：常量池的 b
• 对象6：toString中会创建一个 new String("ab")
  • 调用toString方法，字符串常量池中没有生成"ab"，而上面的那种就会在常量池中生成

可以查看一下 StringBuilder 的字节码文件，看一下 toString 方法是不是会生成一个对象

• 可见只生成了一个String对象，然后对其进行赋值
• 所以并没有在常量池中生成"ab"

不同JDK中的使用

JDK 6 中

String s = new String("1");  // 在常量池中已经有了
s.intern(); // 调用此方法之前已经存在了 1
String s2 = "1";
System.out.println(s == s2); // false
// 这里之所以为 false 是因为 new 的是在堆空间中，而 s2 是在字符串常量池中的，显然不是一个东西
// 如果改成 s = s.intern(); 这样，s 接收了 intern 返回的字符串常量池中的地址，那就为 true 了

String s3 = new String("1") + new String("1");
// s3 变量记录的地址为 new String("11")  常量池中不存在 "11" !!!
s3.intern(); // 调用之后 会在常量池中生成字符串 "11"
String s4 = "11"; // 所以这里使用的就是上一行中在常量池生成的字符串
System.out.println(s3 == s4); // false

// 输出结果
false
true

JDK 7 及之后 中

String s = new String("1");
s.intern();
String s2 = "1";
System.out.println(s == s2); // false 原理和上面一样

String s3 = new String("1") + new String("1");
s3.intern();
String s4 = "11";
System.out.println(s3 == s4); // true 这里发生了变化

// 在 JDK6 中，这里为 false 为什么到 JDK7 就成了true呢？
// intern 方法不是在字符串常量池中创建的对象吗？那和在堆中 new 的对象怎么就相等了呢？
// 其实是因为在 JDK7 中字符串常量池移动到了堆空间中
// 而JDK8之后，尽管元空间使用的是本地内存，但是字符串常量池仍然在堆空间中
// 那么为了节省空间，当你使用 intern 方法之后，在常量池中生成的对象将会指向你在堆空间中生成的对象
// 常量池中没有创建 "11" ，而是创建了一个指向堆空间之中 new 的对象 
// 所以也就为 true 了

拓展：对上面的代码做一个修改

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

String s3 = new String("1") + new String("1");
// 上一行代码执行完后，常量池中是没有 "11" 的
String s4 = "11";  // 但是这里会在常量池中生成的字符串
s3.intern();  // 然后 s3 就会从常量池中找，发现已经有了，就什么事情都不做，直接返回常量池中的地址
// 即使用变量接收，也还是true
String s5 = s3.intern();
System.out.println(s3 == s4); // true
System.out.println(s4 == s5); // true

总结

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

巩固练习

练习一

输出结果为 jdk6：true false jdk7/8: true true

• 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。

练习二

这个练习中，在 jdk6 和 jdk7/8 中是一样的

StringTable 的垃圾回收

/**
 * String的垃圾回收
 * -Xms15m -Xmx15m -XX:+PrintStringTableStatistics -XX:+PrintGCDetails
 * PrintStringTableStatistics 打印 StringTable 的统计信息
 */
public class StringGCTest {
    public static void main(String[] args) {
        for (int i = 0; i < 100000; i++) {
            String.valueOf(i).intern();
            //当参数为 Interger 的时候，底层会调用 Integer 的 toString 方法
        }
    }
}

G1中的String去重操作

G1是JDK默认的垃圾回收器。

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

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