第十三章StringTable

第十三章StringTable

1. 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[]

• 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。

 @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(s2);//abcdef
    System.out.println(s1);//abc
}

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

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（注意不代表字符串只能存1009个，相同的哈希值，会以链表的形式再某个长度存储）。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，设置StringTable的长度的化，1009是可设置的最小值。

2. 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 = “atguigu.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。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oracie 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

3. 字符串的拼接操作

1. 常量与常量的拼接结果在常量池，原理是编译期优化

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
}

1. 常量池中不会存在相同内容的常量。
2. 只要其中有一个是变量，结果就在堆中（堆中包含一个常量池空间，此堆指的是非常量池空间）。变量拼接的原理是stringBuilder

public void test3(){
    String s1 = "a";
    String s2 = "b";
    String s3 = "ab";
    /*
    如下的s1 + s2 的执行细节：(变量s是我临时定义的）
    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
     */
    String s4 = s1 + s2;//
    System.out.println(s3 == s4);//false
}

3. 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 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
}

• 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。
• 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。

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

public void test5(){
    String s1 = "javaEEhadoop";
    String s2 = "javaEE";
    String s3 = s2 + "hadoop";
    System.out.println(s1 == s3);//false

    final String s4 = "javaEE";//s4:常量
    String s5 = s4 + "hadoop";
    System.out.println(s1 == s5);//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的字符串变量拼接方式！

详情：① StringBuilder的append()的方式：自始至终中只创建过一个StringBuilder的对象
使用String的字符串变量的拼接方式：创建过多个StringBuilder和String的对象
② 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]

    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S tringBuilder、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);
    }

4. intern（）的使用

• 返回字符串对象的规范表示。

• 字符串类私下维护一个字符串池，该池最初为空。

• 调用 intern 方法时，如果根据 equals(Object) 方法的判断，字符串池中已包含一个与此字符串对象相等的字符串，则返回字符串池中的字符串。否则，该 String 对象将被添加到池中，并返回对该 String 对象的引用。

• 因此，对于任意两个字符串 s 和 t，当且仅当 s.equals(t) 为真时，s.intern() == t.intern() 为真。

• 所有字面字符串和字符串值常量表达式都会被置换。Java™ 语言规范》第 3.10.5 节定义了字符串字面量。

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 (“T love atguigu”) .intern() ; 还是返回的是字符串常量池中的地址

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）。

问题1

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：字符串常量池中的对象（新建了一个"ab"）,字节码指令：ldc（不管常量池中是否已经有了"ab"，反正ldc还是会执行）

另一个对象是：new关键字在堆空间创建的对象，指向常量池中的"ab"

String str = new String("ab");

问题2

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"

题目1

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

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

在JDK6中 输出为false false

在JDK7、8中 输出false true

分析：

• 首先先看第一个输出部分，在JDK6或JDK7，由于s是存放在堆中，s2是存放在永久代中。所以s就不等于s2。、

• 再看第二个输出，首先s3先记录了一个new String（“11”）对象的地址，但由问题2的分析可知，此时字符串常量池中并没有常量"11"。再看s4 = ‘‘11’’，则s4指向堆中的字符串常量池中’‘11’'字符串。按道理来说应该也是false，为什么JDK7以上就是true呢？原因就出现在intern();

  • 在JDK6中，str.intern（）函数在字符串常量池中创建了一个新对象“11”，也就是新的地址。

  • 在JDK7中，str.intern（）函数会在字符串常量池中创建一个新的引用，这个引用指向str指向的对象。

    • 比如s3.intern（），则在堆中的字符串常量池就有一个新的引用，该引用指向s3在堆中指向的new String（“11”）对象。当s4 = '‘11’'时，很容易知道s4的“11”是指向字符串常量池中的“11”，而由于字符串常量池中只保存了指向堆中“11”的引用，所以s4实际上也是指向堆中的“11”对象。所以s4==s3。

    • 如果把s3.intern();换成
      "11".intern();
      s3.intern();
      

      则JDK7中也输出false，因为str.intern()中的str本就是字符串常量池中的，所以"11".intern()；也就是在字符串常量池中建立了新对象"11"。s3.intern();也就是返回常量池中”11“对象的地址。因为实验证明其返回值==s4。

    • 如果把s3.intern();换成
      s3.intern();
      "11".intern();
      

      则仍然是先在字符串常量池中建立一个指向s3的引用，后面只要常量池中的”11“的引用，都是指向s3的。所以"11".intern()的返回值也是==s3。

    • 也就是说，在JKD7及以上版本，对于str.intern（）函数来说，如果字符串常量池中没有str字符，则直接在字符串常量池中建立一个指向Str堆中对象的引用，以后只要是指向常量池中相同字符串的引用，也都是指向堆中str的，地址相同。

    • 如果字符串常量池中有了str字符，则返回值就是指向字符串常量池中的相同字符，而不是指向队中的str。

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。
  • 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

使用intern()测试执行效率：空间使用上

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]));
            arr[i] = new String(String.valueOf(data[i % data.length])).intern();

        }
        System.out.println(arr[0] == arr[data.length]);
        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();
    }
}

使用 arr[i] = new String(String.valueOf(data[i % data.length]));结果如下

使用arr[i] = new String(String.valueOf(data[i % data.length])).intern();结果如下

不难看出，加了intern()后，占用的内存空间变小了，创建的对象也变少了，运行时间也变短了。

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。

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。

5. G1中的String去重操作

• 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:I

  • 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: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c1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。
  • 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