JVM-StringTable

一，String的基本特性

• String：字符串，使用一对" "引起来表示。

• 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final char[] value用于存储字符串数据。jdk9时改为byte[]

jdk9将String的底层实现由char[]改成了byte[]

因为char类型的数据在jvm中占用了两个字节的空间，使用的是UTF-16编码。所以使用char[]来表示String就导致了即使String中的字符单个字节就能表示，还是得占用了两个字节，而实际开发中使用频率最高的却是单字节的字符。

仅仅优化为byte[]是不够的，关键是提供了ISO-8859-1/Latin-1编码可能（Latin-1就是ISO-8859-1）。Latin-1编码是用单个字节来表示字符，比两个字节的utf-16节省了一半空间。所以String类中多了一个编码标志位coder，用来表示使用的是utf-16编码，还是Latin-1编码。java会根据字符串的内容自动设置相应的编码，要么UTF16，要么LATIN1。

• 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。

• 字符串常量池中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StringPool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,1009是StringTable长度可设置的最小值

// 验证String的不可变性
public class StringTest1 {
    @Test
    public void test1() {
        String s1 = "abc";//字面量定义的方式，"abc"存储在字符串常量池中
        String s2 = "abc";
        s1 = "hello";

        System.out.println(s1 == s2);//判断地址：true  --> false

        System.out.println(s1);//
        System.out.println(s2);//abc

    }

    @Test
    public void test2() {
        String s1 = "abc";
        String s2 = "abc";
        s2 += "def";
        System.out.println(s1 == s2);// false
        System.out.println(s2);//abcdef
        System.out.println(s1);//abc
    }

    @Test
    public void test3() {
        String s1 = "abc";
        String s2 = s1.replace('a', 'm');
        System.out.println(s1 == s2);// false
        System.out.println(s1);//abc
        System.out.println(s2);//mbc
    }
}

二，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 = “hahaha” ；
  • 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。这个后面重点谈
• 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

jdk7为什么要将StringTable从永久代移动到堆空间中？

因为永久代的回收效率很低，在Full GC的时候才会触发。而Full GC是老年代空间不足、永久代空间不足时才会触发。这就导致StringTable回收效率不高。而我们开发中会有大量的字符串被创建，回收效率低，导致永久代内存不足。放到堆里，能及时回收内存。

三，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。

class Memory {
    public static void main(String[] args) {
        int i = 1;
        Object obj = new Object();
        Memory mem = new Memory();
        mem.foo(obj);
    }

    private void foo(Object param) {
        String str = param.toString();
        System.out.println(str);
    }
}

四，字符串拼接操作

• 常量与常量的拼接结果在字符串常量池，原理是编译期优化

• 常量池中不会存在相同内容的常量。

• 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 class StringTest5 {
    @Test
    public void test1(){
        String s1 = "a" + "b" + "c";//编译期优化：等同于"abc"
        String s2 = "abc"; //"abc"一定是放在字符串常量池中，将此地址赋给s2
        /*
         * 最终.java编译成.class,再执行.class
         * String s1 = "abc";
         * String s2 = "abc"
         */
        System.out.println(s1 == s2); //true
        System.out.println(s1.equals(s2)); //true
    }

    @Test
    public void test2(){
        String s1 = "javaEE";
        String s2 = "hadoop";

        String s3 = "javaEEhadoop";
        String s4 = "javaEE" + "hadoop";//编译期优化
        //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：javaEEhadoop
        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
        //intern():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javaEEhadoop的地址；
        //如果字符串常量池中不存在javaEEhadoop，则在常量池中加载一份javaEEhadoop，并返回次对象的地址。
        String s8 = s6.intern();
        System.out.println(s3 == s8);//true
        
        String s9 = "javaEE" + new String("hadoop");
        System.out.println(s3 == s9);//false
    }
}

对于字符串的拼接操作，如下的s1 + s2 的执行细节：(变量s是此处临时定义的）

1. StringBuilder s = new StringBuilder();
2. s.append(“a”)
3. s.append(“b”)
4. s.toString() --> 约等于 new String(“ab”)

补充：在jdk5.0之后使用的是StringBuilder,在jdk5.0之前使用的是StringBuffer

@Test
public void test3(){
    String s1 = "a";
    String s2 = "b";
    String s3 = "ab";
    String s4 = s1 + s2;//
    System.out.println(s3 == s4);//false
}

1. 字符串拼接操作不一定使用的是StringBuilder!
   如果拼接符号左右两边都是字符串常量或常量引用，则仍然使用编译期优化，即非StringBuilder的方式。
2. 针对于final修饰类、方法、基本数据类型、引用数据类型的量的结构时，能使用上final的时候建议使用上。

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

体会执行效率：通过StringBuilder的append()的方式添加字符串的效率要远高于使用String的字符串拼接方式！

详情：

• StringBuilder的append()的方式：自始至终中只创建过一个StringBuilder的对象。使用String的字符串拼接方式：创建过多个StringBuilder和String的对象
• 使用String的字符串拼接方式：内存中由于创建了较多的StringBuilder和String的对象，内存占用更大；如果进行GC，需要花费额外的时间。

改进的空间：在实际开发中，如果基本确定要前前后后添加的字符串长度不高于某个限定值highLevel的情况下,建议使用构造器实例化：StringBuilder s = new StringBuilder(highLevel);//new char[highLevel]

@Test
    public void test6(){
        long start = System.currentTimeMillis();
//        method1(100000);//4014
        method2(100000);//7

        long end = System.currentTimeMillis();

        System.out.println("花费的时间为：" + (end - start));
    }

    public void method1(int highLevel){
        String src = "";
        for(int i = 0;i < highLevel;i++){
            src = src + "a";//每次循环都会创建一个StringBuilder、String
        }
//        System.out.println(src);
    }

    public void method2(int highLevel){
        //只需要创建一个StringBuilder
        StringBuilder src = new StringBuilder();
        for (int i = 0; i < highLevel; i++) {
            src.append("a");
        }
//        System.out.println(src);
    }

五，intern()的使用

1. 使用

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 u”).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）。

public class test {
    public static void main(String[] args) {
        String a = new String("a").intern();
        String b = "a";
        System.out.println(a == b);// true

        String c = new String("h");
        String d = "h";
        System.out.println(c == d);// false
    }
}

如何保证变量s指向的是字符串常量池中的数据呢？

有两种方式：

• 方式一： String s = “shkstart”;//字面量定义的方式
• 方式二： 调用intern()
  • String s = new String(“shkstart”).intern();
  • String s = new StringBuilder(“shkstart”).toString().intern();

new String(“ab”)会创建几个对象,new String(“a”)+new String(“b”)呢？

public class StringNewTest {
    public static void main(String[] args) {
        String str = new String("ab");
        String str1 = new String("a") + new String("b");
    }
}

new String(“ab”)会创建几个对象？看字节码，就知道是两个。

• 一个对象是：new关键字在堆空间创建的
• 另一个对象是：字符串常量池中的对象"ab"。 字节码指令：ldc

此处"ab"是字面量，会在字符串常量池中创建对象，然后返回对象地址给String构造器，并在堆中创建对象。变量str指向的是堆中的String对象，所以str == “ab” 为false。

思考：
new String(“a”) + new String(“b”)呢？

• 对象1：new StringBuilder()
• 对象2： new String(“a”)
• 对象3： 常量池中的"a"
• 对象4： new String(“b”)
• 对象5： 常量池中的"b"

深入剖析： StringBuilder的toString():

• 对象6 ：new String(“ab”)

强调一下，toString()的调用，在字符串常量池中，没有生成"ab"。因为此处的"ab"是字符数组传到String类的构造器当中的。

public class StringIntern {
    public static void main(String[] args) {
        String s = new String("1");
        s.intern();// 变量s并没有接收该返回值
        // String s = new String("1").intern(); 如果是这样就为true
        String s2 = "1";
        System.out.println(s == s2);//jdk6：false   jdk7/8：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，是否存在"11"呢？答案：不存在！！
        s3.intern();//在字符串常量池中生成"11"。如何理解：jdk6:创建了一个新的对象"11",也就有新的地址。
                    //jdk7:字符串常量池在堆中，为了节省堆内存，此时常量中并没有创建"11",而是创建一个指向堆空间中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代码执行时，在常量池中生成的"11"的地址
        System.out.println(s3 == s4);//jdk6：false  jdk7/8：true
        // jdk6中s3指向堆空间，s4指向字符串常量池。而jdk7/8中都是指向堆空间
    }
}

对于上述代码，前后最主要的区别就在与创建变量s时，有在字符串常量池中创建对象。而创建变量s3时没有。

在String s = new String("a") + new String("b")这种情况下就会在堆空间中创建一个字符串对象，而字符串常量池中没有。那么我们此时调用s.intern(),在jdk7/8中，就会发生上述直接在字符串常量池中记录指向堆空间中字符串对象的引用的情况。

2. 练习

public class StringIntern1 {
    public static void main(String[] args) {
        //StringIntern.java中练习的拓展：
        String s3 = new String("1") + new String("1");//new String("11")
        //执行完上一行代码以后，字符串常量池中，是否存在"11"呢？答案：不存在！！
        String s4 = "11";//在字符串常量池中生成对象"11"
        String s5 = s3.intern();// 此时“11”存在在字符串常量池中，所以s5指向字符串常量池
        System.out.println(s3 == s4);//false
        System.out.println(s5 == s4);//true
        System.out.println(s5 == s3);//false
    }
}

public class StringExer2 {
    public static void main(String[] args) {
//        String s1 = new String("ab");//执行完以后，会在字符串常量池中会生成"ab",false
        String s1 = new String("a") + new String("b");执行完以后，不会在字符串常量池中会生成"ab",true
        s1.intern();
        String s2 = "ab";
        System.out.println(s1 == s2);
    }
}

对于上述几个代码示例，最好还是通过画内存图来理清思路。

3. intern()的效率测试：空间角度

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]));// new String在堆中创建了大量的对象
            arr[i] = new String(String.valueOf(data[i % data.length])).intern();// new String虽然也会在堆中创建对象，但是在后期是被销毁的
        }
        long end = System.currentTimeMillis();
        System.out.println("花费的时间为：" + (end - start));

        try {
            Thread.sleep(1000000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
        System.gc();
    }
}

结论：对于程序中大量存在的字符串，尤其其中存在很多重复字符串时，使用intern()可以节省内存空间。

六，StringTable的垃圾回收

public class StringGCTest {
    public static void main(String[] args) {
        for (int j = 0; j < 100000; j++) {
            String.valueOf(j).intern();
        }
    }
}

七，G1中的String去重操作

所谓的去重操作，去重的是底层new的char型数组。

• 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258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： string1. 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。

• 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。

  • PrintStringDedupl icationStatistics （bool） ：打印详细的去重统计信息，

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