字符串性能优化不容小觑

字符串性能优化不容小觑

概述

​ String对象是我们使用最频繁的一个对象类型，但它的性能问题却是最容易被忽略的。String对象作为Java语言中重要的数据类型，是内存中占据空间最大的一个对象。高效地使用字符串，可以提升系统的整体性能。

程序案例

Stringstr1="abc";
Stringstr2=newString("abc");
Stringstr3=str2.intern();
System.out.println(str1==str2);	//false
System.out.println(str2==str3);	//false
System.out.println(str1==str3);//true

String如何实现

​ 在Java语言中，Sun公司的工程师们对String对象做了大量的优化，来节约内存空间，提升String对象在系统中的性能。一起来看看优化过程，如下图所示：

Java6以及之前的版本

​ String对象是对char数组进行了封装实现的对象，主要有四个成员变量：char数组、偏移量offset、字符数量count、哈希值hash。

​ String对象是通过offset和count两个属性来定位char[]数组，获取字符串。这么做可以高效、快速地共享数组对象，同时节省内存空间（subString共享char[]），但这种方式很有可能会导致内存泄漏。

从Java7版本开始到Java8版本

​ Java对String类做了一些改变。String类中不再有offset和count两个变量了。这样的好处是String对象占用的内存稍微少了些，同时，String.substring方法也不再共享char[]，从而解决了使用该方法可能导致的内存泄漏问题。

从Java9版本开始

​ 工程师将char[]字段改为了byte[]字段，又维护了一个新的属性coder，它是一个编码格式的标识。

​ 我们知道一个char字符占16位，2个字节。这个情况下，存储单字节编码内的字符（占一个字节的字符）就显得非常浪费。

​ JDK1.9的String类为了节约内存空间，于是使用了占8位，1个字节的byte数组来存放字符串。而新属性coder的作用是，在计算字符串长度或者使用indexOf（）函数时，我们需要根据这个字段，判断如何计算字符串长度。coder属性默认有0和1两个值，0代表Latin-1（单字节编码），1代表UTF-16。如果String判断字符串只包含了Latin-1（单字节编码），则coder属性值为0，反之则为1。

String对象的不可变

概述

​ String类被final关键字修饰了，而且变量char数组也被final修饰了。我们知道String类被final修饰代表该类不可继承，而char[]被final+private修饰，代表了String对象不可被更改。Java实现的这个特性叫作String对象的不可变性，即String对象一旦创建成功，就不能再对它进行改变。

好处

• 保证String对象的安全性。假设String对象是可变的，那么String对象将可能被恶意修改。

• 保证hash属性值不会频繁变更，确保了唯一性，使得类似HashMap容器才能实现相应的key-value缓存功能。

• 可以实现字符串常量池。在Java中，通常有两种创建字符串对象的方式，

  • 一种是通过字符串常量的方式创建，如Stringstr=“abc”；

  • 另一种是字符串变量通过new形式的创建，如Stringstr=newString(“abc”)。

    当代码中使用第一种方式创建字符串对象时，JVM首先会检查该对象是否在字符串常量池中，如果在，就返回该对象引用，否则新的字符串将在常量池中被创建。这种方式可以减少同一个值的字符串对象的重复创建，节约内存。

反例

​ 平常编程时，对一个String对象str赋值“hello”，然后又让str值为“world”，这个时候str的值变成了“world”。那么str值确实改变了，为什么我还说String对象不可变呢？

​ 首先，我来解释下什么是对象和对象引用。Java初学者往往对此存在误区，特别是一些从PHP转Java的同学。在Java中要比较两个对象是否相等，往往是用==，而要判断两个对象的值是否相等，则需要用equals方法来判断。

​ 这是因为str只是String对象的引用，并不是对象本身。对象在内存中是一块内存地址，str则是一个指向该内存地址的引用。所以在刚刚我们说的这个例子中，第一次赋值的时候，创建了一个“hello”对象，str引用指向“hello”地址；第二次赋值的时候，又重新创建了一个对象“world”，str引用指向了“world”，但hello”对象依然存在于内存中。

​ 也就是说str并不是对象，而只是一个对象引用。真正的对象依然还在内存中，没有被改变。

String对象的优化

​ 了解了String对象的实现原理和特性，接下来我们就结合实际场景，看看如何优化String对象的使用，优化的过程中又有哪些需要注意的地方。

如何构建超大字符串

​ 编程过程中，字符串的拼接很常见。前面我讲过String对象是不可变的，如果我们使用String对象相加，拼接我们想要的字符串，是不是就会产生多个对象呢？例如以下代码：

Stringstr="ab"+"cd"+"ef";

​ 分析代码可知：首先会生成ab对象，再生成abcd对象，最后生成abcdef对象，从理论上来说，这段代码是低效的。

​ 但实际运行中，我们发现只有一个对象生成，这是为什么呢？难道我们的理论判断错了？我们再来看编译后的代码，你会发现编译器自动优化了这行代码，如下：

Stringstr="abcdef";

​ 上面我介绍的是字符串常量的累计，我们再来看看字符串变量的累计又是怎样的呢？

Stringstr="abcdef";
for(inti=0;i<1000;i++){
str=str+i;
}

​ 上面的代码编译后，你可以看到编译器同样对这段代码进行了优化。不难发现，Java在进行字符串的拼接时，偏向使用StringBuilder，这样可以提高程序的效率。

下面是被jvm优化后的

Stringstr="abcdef";
for(inti=0;i<1000;i++){
str=(newStringBuilder(String.valueOf(str))).append(i).toString();
}

​ 综上已知：**即使使用+号作为字符串的拼接，也一样可以被编译器优化成StringBuilder的方式。但再细致些，你会发现在编译器优化的代码中，每次循环都会生成一个新的StringBuilder实例，同样也会降低系统的性能。所以平时做字符串拼接的时候，我建议你还是要显示地使用StringBuilder来提升系统性能。

​ 如果在多线程编程中，String对象的拼接涉及到线程安全，你可以使用StringBuffer。但是要注意，由于StringBuffer是线程安全的，涉及到锁竞争，所以从性能上来说，要比StringBuilder差一些。

如何使用String.intern节省内存

​ 讲完了构建字符串，我们再来讨论下String对象的存储问题，先看一个案例。

​ Twitter每次发布消息状态的时候，都会产生一个地址信息，以当时Twitter用户的规模预估，服务器需要32G的内存来存储地址信息。

publicclassLocation{
    privateStringcity;
    privateStringregion;
    privateStringcountryCode;
    privatedoublelongitude;
    privatedoublelatitude;
}

​ 考虑到其中有很多用户在地址信息上是有重合的，比如，国家、省份、城市等，这时就可以将这部分信息单独列出一个类，以减少重复，代码如下：

publicclassSharedLocation{	
    privateStringcity;
    privateStringregion;
    privateStringcountryCode;
}

publicclassLocation{	
    privateSharedLocationsharedLocation;
    doublelongitude;doublelatitude;
}

​ 通过优化，数据存储大小减到了20G左右。但对于内存存储这个数据来说，依然很大，怎么办呢？

​ 这个案例来自一位Twitter工程师在QCon全球软件开发大会上的演讲，他们想到的解决方法，就是使用String.intern来节省内存空间，从而优化String对象的存储。

​ 具体做法就是，在每次赋值的时候使用String的intern方法，如果常量池中有相同值，就会重复使用该对象，返回对象引用，这样一开始的对象就可以被回收掉。这种方式可以使重复性非常高的地址信息存储大小从20G降到几百兆。

SharedLocationsharedLocation=newSharedLocation();
sharedLocation.setCity(messageInfo.getCity().intern());		
sharedLocation.setCountryCode(messageInfo.getRegion().intern());
sharedLocation.setRegion(messageInfo.getCountryCode().intern());
Locationlocation=newLocation();
location.set(sharedLocation);
location.set(messageInfo.getLongitude());
location.set(messageInfo.getLatitude());

为了更好地理解，我们再来通过一个简单的例子，回顾下其中的原理：

Stringa=newString("abc").intern();
Stringb=newString("abc").intern();

if(a==b){
System.out.print("a==b");
}

输出结果：

a==b

​ 在字符串常量中，默认会将对象放入常量池；在字符串变量中，对象是会创建在堆内存中。

​ 如果调用intern方法，会去查看字符串常量池中是否有等于该对象的字符串，如果没有则在常量池中新增该对象，并返回该对象引用；如果有，则返回常量池中的字符串。堆内存中原有的对象由于没有引用指向它，将会通过垃圾回收器回收。

​ 使用intern方法需要注意的一点是，一定要结合实际场景。因为常量池的实现是类似于一个HashTable的实现方式，HashTable存储的数据越大，遍历的时间复杂度就会增加。如果数据过大，会增加整个字符串常量池的负担。

如何使用字符串的分割方法

​ 最后我想跟你聊聊字符串的分割，这种方法在编码中也很最常见。Split()方法使用了正则表达式实现了其强大的分割功能，而正则表达式的性能是非常不稳定的，使用不恰当会引起回溯问题，很可能导致CPU居高不下。
所以我们应该慎重使用Split()方法，我们可以用String.indexOf()方法代替Split()方法完成字符串的分割。如果实在无法满足需求，你就在使用split()方法时，对回溯问题加以重视就可以了。