JVM之StringTable

冬天vs不冷

发布于 2025-01-20 21:56:39

6700

代码可运行

文章被收录于专栏：springbootspringboot

运行总次数：0

代码可运行

1、String 的基本特性

1.1、String 概述

String：字符串，使用一对 “” 引起来表示： 1）String s1 = “mogublog” ; // 字面量的定义方式 2）String s2 = new String(“moxi”); // new 对象的方式
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[]

为什么 JDK9 改变了 String 的结构

String类的当前实现将字符存储在char数组中，每个字符使用两个字节(16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，而且大多数字符串对象只包含拉丁字符。这些字符只需要一个字节的存储空间，因此这些字符串对象的内部char数组中有一半的空间将不会使用。
之前 String 类使用 UTF-16 的 char[] 数组存储，现在改为 byte[] 数组外加一个编码标志位存储，该编码标志将指定 String 类中 byte[] 数组的编码方式
结论：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 的基本特征

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。

1.3、String 的底层结构

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()方法时性能会大幅下降。
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
在JDK8中，StringTable的长度默认值是60013，StringTable可以设置的最小值为1009

代码示例

测试不同 StringTable 长度下，程序的性能

/**
 * -XX:StringTableSize=1009
 */
public class StringTest2 {
    public static void main(String[] args) {       
        BufferedReader br = null;
        try {
            br = new BufferedReader(new FileReader("words.txt"));
            long start = System.currentTimeMillis();
            String data;
            while ((data = br.readLine()) != null) {
                //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
                data.intern();
            }

            long end = System.currentTimeMillis();

            System.out.println("花费的时间为：" + (end - start));//1009:143ms  100009:47ms
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            if (br != null) {
                try {
                    br.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
    }
}

结果：

-XX:StringTableSize=1009 ：程序耗时 143ms
-XX:StringTableSize=100009 ：程序耗时 47ms

2、String 的内存分配

String 类型

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。

String 内存分配的演进过程

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 1）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。 2）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

StringTable 为什么要调整？

为什么要调整位置？ 1）永久代的默认比较小 2）永久代垃圾回收频率低 3）堆中空间足够大，字符串可被及时回收
在JDK 7中，interned字符串不再在Java堆的永久代中分配，而是在Java堆的主要部分（称为年轻代和年老代）中分配，与应用程序创建的其他对象一起分配。
此更改将导致驻留在主Java堆中的数据更多，驻留在永久生成中的数据更少，因此可能需要调整堆大小

代码示例：

/**
 * jdk6中：
 * -XX:PermSize=6m -XX:MaxPermSize=6m -Xms6m -Xmx6m
 *
 * jdk8中：
 * -XX:MetaspaceSize=6m -XX:MaxMetaspaceSize=6m -Xms6m -Xmx6m
 */
public class StringTest3 {
    public static void main(String[] args) {
        //使用Set保持着常量池引用，避免full gc回收常量池行为
        Set<String> set = new HashSet<String>();
        //在short可以取值的范围内足以让6MB的PermSize或heap产生OOM了。
        short i = 0;
        while(true){
            set.add(String.valueOf(i++).intern());
        }
    }
}

结果：

Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
	at java.util.HashMap.resize(HashMap.java:703)
	at java.util.HashMap.putVal(HashMap.java:662)
	at java.util.HashMap.put(HashMap.java:611)
	at java.util.HashSet.add(HashSet.java:219)
	at com.atguigu.java.StringTest3.main(StringTest3.java:22)

Process finished with exit code 1

3、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。

public class StringTest4 {
    public static void main(String[] args) {
        System.out.println();//2330
        System.out.println("1");//2331
        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");//2340

        //如下的字符串"1" 到 "10"不会再次加载
        System.out.println("1");//2341
        System.out.println("2");//2341
        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");//2341
    }
}

以上数字代表字符串常量池中字符串个数

4、字符串拼接操作

4.1、符串拼接操作的结论

常量与常量的拼接结果在常量池，原理是编译期优化

代码示例

@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
}

查看IDEA 反编译 class 文件

查看字节码文件，s1和s2都指向#2，在常量池中是“abc”

常量池中不会存在相同内容的变量
拼接前后，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 1）如果存在，则返回字符串在常量池中的地址 2）如果字符串常量池中不存在该字符串，则在常量池中创建一份，并返回此对象的地址

代码示例

@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，并返回此对象的地址。
    String s8 = s6.intern();
    System.out.println(s3 == s8);//true
}

4.2、字符串拼接的底层细节

代码示例1

@Test
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;//"ab"
    System.out.println(s3 == s4);//false
}

字节码指令

new StringBuilder()

 9 new #9 <java/lang/StringBuilder>
12 dup
13 invokespecial #10 <java/lang/StringBuilder.<init>>

加载字符串变量s1和s2，进行 append 操作

16 aload_1
17 invokevirtual #11 <java/lang/StringBuilder.append>
20 aload_2
21 invokevirtual #11 <java/lang/StringBuilder.append>
24 invokevirtual #12 <java/lang/StringBuilder.toString>

调用 StringBuilder 类的 toString() 方法，转换为字符串（new String()），并存储在局部变量中

24 invokevirtual #12 <java/lang/StringBuilder.toString>
27 astore 4

代码示例2

/*
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
}

字节码文件：s3和s4的值都指向#16，即常量池中的对象

查看IDEA 反编译 class 文件

4.3、拼接操作与 append 操作的效率对比

代码示例

/*
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！

分析原因：
    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]
 */
@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
    }
}

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");
    }
}

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
分析原因： 1）StringBuilder的append()的方式 2）自始至终中只创建过一个StringBuilder的对象 3）使用String的字符串拼接方式：创建过多个StringBuilder和String的对象 4）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： 1）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 2）StringBuilder s = new StringBuilder(highLevel); //new char[highLevel]

5、intern() 的使用

5.1、intern() 方法的说明

intern是一个native方法，调用的是底层C的方法
字符串池最初是空的，由String类私有地维护。在调用intern方法时，如果池中已经包含了由equals(object)方法确定的与该字符串对象相等的字符串，则返回池中的字符串。否则，该字符串对象将被添加到池中，并返回对该字符串对象的引用。
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：new string(“I love atguigu”).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）

5.2、new String() 的说明

new String(“ab”)会创建几个对象？

代码示例

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

字节码指令

new #2 <java/lang/String>：在堆中创建了一个 String 对象
ldc #3 ：在字符串常量池中放入 “ab”（如果之前字符串常量池中没有 “ab” 的话）
“ab”作为入参传入，本身就是String类型，此时需要先在常量池中创建对象“ab”

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

代码示例

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

字节码指令

new #2 <java/lang/StringBuilder> ：拼接字符串会创建一个 StringBuilder 对象
new #4 <java/lang/String> ：创建 String 对象，对应于 new String(“a”)
ldc #5 <a> ：在字符串常量池中放入 “a”（如果之前字符串常量池中没有 “a” 的话）
new #4 <java/lang/String> ：创建 String 对象，对应于 new String(“b”)
ldc #8 <b> ：在字符串常量池中放入 “b”（如果之前字符串常量池中没有 “b” 的话）
invokevirtual #9 <java/lang/StringBuilder.toString> ：调用 StringBuilder 的 toString() 方法，会生成一个 String 对象

5.3、有点难的面试题

代码示例

/**
 * 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();
 */
public class StringIntern {
    public static void main(String[] args) {
        String s = new String("1");
        s.intern();//这方法其实没啥屌用，调用此方法之前，字符串常量池中已经存在"1"
        String s2 = "1";

        /*
            jdk6：false   jdk7/8：false
            因为 s 指向堆空间中的 "1" ，s2 指向字符创常量池中的 "1"
         */
        System.out.println(s == s2);

        // 执行完下一行代码以后，字符串常量池中，是否存在"11"呢？答案：不存在！！
        String s3 = new String("1") + new String("1");//s3变量记录的地址为：new String("11")
        /*
            如何理解：jdk6:创建了一个新的对象"11",也就有新的地址。
                     jdk7:此时常量中并没有创建"11",而是在常量池中记录了指向堆空间中new String("11")的地址（节省空间）
         */
        s3.intern(); // 在字符串常量池中生成"11"。
        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

        // jdk6：false  jdk7/8：true
        System.out.println(s3 == s4);
    }
}

内存分析

JDK6 1）String s3 = new String(“1”) + new String(“1”);堆中创建对象“11”，字符串常量池只有“1”，没有“11” 2）s3.intern();拷贝堆中的对象，在字符串常量池中创建对象“11” 3）s3是堆中的对象，String s4 = “11”;是常量池中的对象，地址不一样所以为false
JDK7/8 1）String s3 = new String(“1”) + new String(“1”);堆中创建对象“11”，字符串常量池只有“1”，没有“11” 2）s3.intern();jdk6字符串常量池在方法区，jdk7/8字符串常量池在堆中，new String()对象也在堆中，所幸为了节省空间，字符串常量中就不再创建对象了，只保留堆中对象的引用（堆中有对象，再调用intern方法情况下） 3）s3是堆中的对象，String s4 = “11”;是常量池中的引用，指向堆中的对象，地址一样为true

5.4、intern() 方法的总结

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

5.5、巩固练习题

intern()方法习题1：

代码示例：

public class StringExer1 {
    public static void main(String[] args) {
        //在下一行代码执行完以后，字符串常量池中并没有"ab"
        String s = new String("a") + new String("b");//new String("ab")
        /*
            jdk6中：在串池中创建一个字符串"ab"
            jdk8中：串池中没有创建字符串"ab",而是创建一个引用，指向new String("ab")，将此引用返回
         */
        String s2 = s.intern();
        System.out.println(s2 == "ab");//jdk6:true  jdk8:true
        System.out.println(s == "ab");//jdk6:false  jdk8:true
    }
}

JKD6内存分析

JKD7/8内存分析

内存分析

起始代码添加：String x = “ab”（首先在常量池中创建ab对象）

5.6、intern() 方法效率测试

/**
 * 使用intern()测试执行效率：空间使用上
 * 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。
 */
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();

        }
        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();
    }
}

直接 new String ：由于每个 String 对象都是 new 出来的，所以程序需要维护大量存放在堆空间中的 String 实例，程序内存占用也会变高

使用 intern() 方法：由于数组中字符串的引用都指向字符串常量池中的字符串，所以程序需要维护的 String 对象更少，内存占用也更低（new的对象没有任何引用指向，则会被垃圾回收）

6、StringTable 的垃圾回收

代码示例

/**
 * String的垃圾回收:
 * -Xms15m -Xmx15m -XX:+PrintStringTableStatistics -XX:+PrintGCDetails
 */
public class StringGCTest {
    public static void main(String[] args) {
        for (int j = 0; j < 100000; j++) {
            String.valueOf(j).intern();
        }
    }
}

JVM 参数：-Xms15m -Xmx15m -XX:+PrintStringTableStatistics -XX:+PrintGCDetails

在 PSYoungGen 区发生了垃圾回收
Number of entries 和 Number of literals 明显没有 100000
以上两点均说明 StringTable 区发生了垃圾回收

7、G1 中的 String 去重操作

String 去重操作的背景

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： 1）堆存活数据集合里面String对象占了25% 2）堆存活数据集合里面重复的String对象有13.5% 3）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：
str1.equals(str2)= 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。

String 去重的的具体实现

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。