JVM上篇：内存与垃圾回收篇十二--StringTable

JVM上篇：内存与垃圾回收篇十二–StringTable 1. String的基本特性

String：字符串，使用一对""引起来表示
- String s1 = “1111” ; // 字面量的定义方式
- String s2 = new String(“1111”);
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[]

1.1 为什么在JDK9中改变了String的存储结构

为什么在JDK9中改变了String的存储结构

该类的当前实现将字符存储在数组中，每个字符使用两个字节（十六位）。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，而且大多数对象仅包含Latin-1 字符。此类字符只需要一个字节的存储，因此此类对象的内部数组中一半的空间未使用。

我们建议将类的内部表示形式从 UTF-16 数组更改为数组和编码标志字段。**新类将根据字符串的内容存储编码为 ISO-8859-1/Latin-1（每个字符一个字节）或 UTF-16（每个字符两个字节）的字符。**编码标志将指示使用哪种编码。

总结:

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
同时基于String的数据结构，例如StringBuffer和StringBuilder也同样做了修改

1.2 String的不可变性

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。

1.2.1 示例

public class StringTest1me {

    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";
        System.out.println(s1 == s2);
        s1 = "hello";
        System.out.println(s1 == s2); //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。
        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";  //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。
        System.out.println(s1);
        System.out.println(s2);
        System.out.println("----------------");
    }

    public static void test3() {
        String s1 = "abc";
        String s2 = s1.replace('a', 'm');//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。
        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

Process finished with exit code 0

1.2.2 不可变性总结

只要进行了修改，就会重新创建一个对象，这就是不可变性

1.3 字符串常量池

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，StringTablesize设置没有要求
JDK8开始，StringTable可以设置的最小值为1009

1.3.1 StringTablesize对性能的影响

public class StringTest2 {
    public static void main(String[] args) {
        //测试StringTableSize参数
//        System.out.println("我来打个酱油");
//        try {
//            Thread.sleep(1000000);
//        } catch (InterruptedException e) {
//            e.printStackTrace();
//        }

        BufferedReader br = null;
        try {
            br = new BufferedReader(new FileReader("words.txt"));
            long start = System.currentTimeMillis();
            String data;
            while((data = br.readLine()) != null){
                data.intern(); //如果字符串常量池中没有对应data的字符串的话，则在常量池中生成
            }

            long end = System.currentTimeMillis();

            System.out.println("花费的时间为：" + (end - start));//1009:97ms  100009:27ms
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            if(br != null){
                try {
                    br.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }

            }
        }
    }
}

words.text为100000行

当虚拟机参数设置为-XX:StringTableSize=1009时花费97ms,

当虚拟机参数设置为-XX:StringTableSize=100009时花费27ms

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=“test”；
- 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。
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 ，字符串常量在堆

2.1 StringTable为什么要调整位置?

jdk7中将StringTable放到了堆空间中。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是老年代的空间不足、永久代不足时才会触发。
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。

永久代的默认比较小,且大小不好设置
永久代垃圾回收频率低

3. String的基本操作 3.1 使用idea查看程序内存中加载的内容

在debug模式找到内存->再点击加载类

效果图如下:

3.2 验证相同字符串不会再次加载

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。

public class StringTest4 {
    public static void main(String[] args) {
        System.out.println();//2305
        System.out.println("1");//2306
        System.out.println("2");
        System.out.println("3");
        System.out.println("4");
        System.out.println("5");
        System.out.println("6");
        System.out.println("7");
        System.out.println("8");
        System.out.println("9");
        System.out.println("10");//2315
        //如下的字符串"1" 到 "10"不会再次加载
        System.out.println("1");//2316
        System.out.println("2");//
        System.out.println("3");
        System.out.println("4");
        System.out.println("5");
        System.out.println("6");
        System.out.println("7");
        System.out.println("8");
        System.out.println("9");
        System.out.println("10");//2316
    }
}

使用3.1中的内存查看方法发现重复的字符串不会再次加载

3.3 直接new的对象与对象调用toString方法的区别

在line 7 行创建了一个字符串。它进入堆空间的字符串池中，并在 fool() 堆栈空间中为它创建一个引用。

4. 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
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，结果就在堆中。变量拼接的原理是StringBuilder的append方法(在jdk5.0之后使用的是StringBuilder,在jdk5.0之前使用的是StringBuffer)
s1 + s2的执行细节
- StringBuilder s = new StringBuilder();
- s.append(s1);
- s.append(s2);
- s.toString(); -> 类似于new String(“ab”);
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

4.1 总结

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
        
        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
    }

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

    }

    
    @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);
    }
}

常量与常量的拼接结果在常量池，原理是编译期优化

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()

此时new String()这个对象还没有放在常量池,所以就是常量池中有相同的字符串他们的地址值也不同所以==为false,当该对象使用intern()方法时,判断字符串常量池中是否存在对应的常量值，如果存在，则返回常量池中对应的常量的地址,此时再次使用==就会为true

intern():判断字符串常量池中是否存在对应的常量值，如果存在，则返回常量池中对应的常量的地址

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。

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。**也就是说被final修饰的变量，将会变成常量，类和方法将不能被继承

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

4.2 拼接操作和append性能对比

public class StringTest5 {
    
    @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);
    }
}

结果:

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

改进空间:

我们使用的是StringBuilder的空参构造器，默认的字符串容量是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，前前后后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

4.3 String,StringBuffer,StringBuilder的区别

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

5. intern()的使用

intern是一个native方法，调用的是底层C的方法
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 it").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）

5.1 intern()的使用:jdk6 VS jdk7/8 --(扩展)

jdk1.6中将这个字符串对象尝试放入常量池。
- 如果常量池中有，则并不会放入。返回已有的常量池中的对象的地址
- 如果没有，会把此对象复制一份，放入常量池，并返回常量池中的对象地址

Jdk1.7起，将这个字符串对象尝试放入串池。
- 如果常量池中有，则并不会放入。返回已有的常量池中的对象的地址
- 如果没有，则会把对象的引用地址复制一份，放入常量池，并返回常量池中的引用地址

如果在intern方法之前常量池中已经有该常量,就不会放入,jdk6,7,8没有区别

5.2 面试题 5.2.1 new String(“ab”)会创建几个对象?

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

我们转换成字节码来查看

 0 new #2 
 3 dup
 4 ldc #3 
 6 invokespecial #4 >
 9 astore_1
10 return

这里面就是两个对象

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

5.2.2 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 
 3 dup
 4 invokespecial #3 >
 7 new #4 
10 dup
11 ldc #5 
13 invokespecial #6 >
16 invokevirtual #7 
19 new #4 
22 dup
23 ldc #8 
25 invokespecial #6 >
28 invokevirtual #7 
31 invokevirtual #9 
34 astore_1
35 return

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"

5.3 intern()的空间效率测试

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]));//4783
            arr[i] = new String(String.valueOf(data[i % data.length])).intern();//947

        }
        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();
    }
}

结果:不使用intern方法耗时4783mm,使用后耗时947mm

结论：对于程序中大量存在存在的字符串，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。

使用建议:

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的大小。

6. StringTable的垃圾回收

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

循环10000次时

循环100000次时进行了一次GC

7. G1中的String去重操作

官方介绍

7.1 背景/动机

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：
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。

7.2 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。

7.3 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

JVM上篇：内存与垃圾回收篇十二--StringTable

Java相关栏目本月热门文章