浅谈Java String内幕

2019独角兽企业重金招聘Python工程师标准>>>

 

String字符串在Java应用中使用非常频繁，只有理解了它在虚拟机中的实现机制，才能写出健壮的应用，本文使用的JDK版本为1.8.0_3。

常量池

Java代码被编译成class文件时，会生成一个常量池（Constant pool）的数据结构，用以保存字面常量和符号引用（类名、方法名、接口名和字段名等）。

1 2 3 4 5 6

package com.ctrip.ttd.whywhy; public class Test {      public static void main(String[] args) {          String test = "test";      }  }

很简单的一段代码，通过命令 javap -verbose 查看class文件中 Constant pool 实现：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

Constant pool:    #1 = Methodref          #4.#13         // java/lang/Object."<init>":()V    #2 = String             #14            // test    #3 = Class              #15            // com/ctrip/ttd/whywhy/test    #4 = Class              #16            // java/lang/Object    #5 = Utf8               <init>    #6 = Utf8               ()V    #7 = Utf8               Code    #8 = Utf8               LineNumberTable    #9 = Utf8               main   #10 = Utf8               ([Ljava/lang/String;)V   #11 = Utf8               SourceFile   #12 = Utf8               test.java   #13 = NameAndType        #5:#6          // "<init>":()V   #14 = Utf8               test   #15 = Utf8               com/ctrip/ttd/whywhy/test   #16 = Utf8               java/lang/Object

通过反编译出来的字节码可以看出字符串 "test" 在常量池中的定义方式：

1 2	#2 = String             #14            // test #14 = Utf8              test

在main方法字节码指令中，0 ~ 2行对应代码 String test = "test"; 由两部分组成：ldc #2 和 astore_1。

1 2 3 4 5 6

// main方法字节码指令  public static void main(java.lang.String[]);    Code:       0: ldc           #2                  // String test       2: astore_1       3: return

1、Test类加载到虚拟机时，”test”字符串在Constant pool中使用符号引用symbol表示，当调用ldc #2 指令时，如果Constant pool中索引 #2 的symbol还未解析，则调用C++底层的StringTable::intern 方法生成char数组，并将引用保存在StringTable和常量池中，当下次调用ldc #2 时，可以直接从Constant pool根据索引 #2获取 “test” 字符串的引用，避免再次到StringTable中查找。

2、astore_1指令将”test”字符串的引用保存在局部变量表中。

常量池的内存分配 在 JDK6、7、8中有不同的实现：
1、JDK6及之前版本中，常量池的内存在永久代PermGen进行分配，所以常量池会受到PermGen内存大小的限制。
2、JDK7中，常量池的内存在Java堆上进行分配，意味着常量池不受固定大小的限制了。
3、JDK8中，虚拟机团队移除了永久代PermGen。

字符串初始化

字符串可以通过两种方式进行初始化：字面常量和String对象。

字面常量

1 2 3 4 5 6 7

public class StringTest {     public static void main(String[] args) {         String a = "java";         String b = "java";         String c = "ja" + "va";     } }

通过 “javap -c” 命令查看字节码指令实现：

其中ldc指令将int、float和String类型的常量值从常量池中推送到栈顶，所以a和b都指向常量池的”java”字符串。通过指令实现可以发现：变量a、b和c都指向常量池的 “java” 字符串，表达式 “ja” + “va” 在编译期间会把结果值”java”直接赋值给c。

1 2 3 4 5 6

public class StringTest {     public static void main(String[] args) {         String a = "java";         String c = new String("java");     } }

这种情况下，a == c 成立么？字节码实现如下：

其中3 ~ 9行指令对应代码 String c = new String("java"); 实现：
1、第3行new指令，在Java堆上为String对象申请内存；
2、第7行ldc指令，尝试从常量池中获取”java”字符串，如果常量池中不存在，则在常量池中新建”java”字符串，并返回；
3、第9行invokespecial指令，调用构造方法，初始化String对象。

其中String对象中使用char数组存储字符串，变量a指向常量池的”java”字符串，变量c指向Java堆的String对象，且该对象的char数组指向常量池的”java”字符串，所以很显然 a != c，如下图所示：

通过 “字面量 + String对象” 进行赋值会发生什么？

1 2 3 4 5 6 7 8

public class StringTest {     public static void main(String[] args) {         String a = "hello ";         String b = "world";         String c = a + b;         String d = "hello world";     } }

这种情况下，c == d成立么？字节码实现如下：

其中6 ~ 21行指令对应代码 String c = a + b; 实现：
1、第6行new指令，在Java堆上为StringBuilder对象申请内存；
2、第10行invokespecial指令，调用构造方法，初始化StringBuilder对象；
3、第14、18行invokespecial指令，调用append方法，添加a和b字符串；
4、第21行invokespecial指令，调用toString方法，生成String对象。

通过指令实现可以发现，字符串变量的连接动作，在编译阶段会被转化成StringBuilder的append操作，变量c最终指向Java堆上新建String对象，变量d指向常量池的”hello world”字符串，所以 c != d。

不过有种特殊情况，当final修饰的变量发生连接动作时，虚拟机会进行优化，将表达式结果直接赋值给目标变量：

1 2 3 4 5 6 7 8

public class StringTest {     public static void main(String[] args) {         final String a = "hello ";         final String b = "world";         String c = a + b;         String d = "hello world";     } }

指令实现如下：

 

String.intern()原理

String.intern()是一个Native方法，底层调用C++的 StringTable::intern 方法，源码注释：当调用 intern 方法时，如果常量池中已经该字符串，则返回池中的字符串；否则将此字符串添加到常量池中，并返回字符串的引用。

1 2 3 4 5 6 7 8 9 10

package com.ctrip.ttd.whywhy; class Test {     public static void main(String args[]) {         String s1 = new StringBuilder().append("String").append("Test").toString();         System.out.println(s1.intern() == s1);           String s2 = new StringBuilder().append("ja").append("va").toString();         System.out.println(s2.intern() == s2);     } }

在 JDK6 和 JDK7 中结果不一样：

1、JDK6的执行结果：false false
对于这个结果很好理解。在JDK6中，常量池在永久代分配内存，永久代和Java堆的内存是物理隔离的，执行intern方法时，如果常量池不存在该字符串，虚拟机会在常量池中复制该字符串，并返回引用，所以需要谨慎使用intern方法，避免常量池中字符串过多，导致性能变慢，甚至发生PermGen内存溢出。

2、JDK7的执行结果：true false
对于这个结果就有点懵了。在JDK7中，常量池已经在Java堆上分配内存，执行intern方法时，如果常量池已经存在该字符串，则直接返回字符串引用，否则复制该字符串对象的引用到常量池中并返回，所以在JDK7中，可以重新考虑使用intern方法，减少String对象所占的内存空间。

对于变量s1，常量池中没有 “StringTest” 字符串，s1.intern() 和 s1都是指向Java对象上的String对象。
对于变量s2，常量池中一开始就已经存在 “java” 字符串，所以 s2.intern() 返回常量池中 “java” 字符串的引用。

String.intern()性能

常量池底层使用StringTable数据结构保存字符串引用，实现和HashMap类似，根据字符串的hashcode定位到对应的数组，遍历链表查找字符串，当字符串比较多时，会降低查询效率。

在JDK6中，由于常量池在PermGen中，受到内存大小的限制，不建议使用该方法。
在JDK7、8中，可以通过-XX:StringTableSize参数StringTable大小，下面通过几个测试用例看看intern方法的性能。

1 2 3 4 5 6 7 8 9 10 11 12 13

public class StringTest {     public static void main(String[] args) {         System.out.println(cost(1000000));     }       public static long cost(int num) {         long start = System.currentTimeMillis();         for (int i = 0; i < num; i++) {             String.valueOf(i).intern();         }         return System.currentTimeMillis() - start;     } }

执行一百万次intern()方法，不同StringTableSize的耗时情况如下：
1、-XX:StringTableSize=1009， 平均耗时23000ms；
2、-XX:StringTableSize=10009， 平均耗时2200ms；
3、-XX:StringTableSize=100009， 平均耗时200ms；
4、默认情况下，平均耗时400ms；

在默认StringTableSize下，执行不同次intern()方法的耗时情况如下：
1、一万次，平均耗时5ms；
2、十万次，平均耗时25ms；
3、五十万次，平均耗时130ms；
4、一百万次，平均耗时400ms；
5、五百万次，平均耗时5000ms；
6、一千万次，平均耗时15000ms；

从这些测试数据可以看出，尽管在Java 7以上对intern()做了细致的优化，但其耗时仍然很显著，如果无限制的使用intern(）方法，将导致系统性能下降，不过可以将有限值的字符串放入常量池，提高内存利用率，所以intern()方法是一把双刃剑。

 

转载于:https://my.oschina.net/u/729210/blog/755067