一、字符串

1、基本特性

2、JDK9中String变化

二、String的内存分配三、字符串拼接操作

3.1、案例分析

3.2、字节码层面分析

3.3、字符串拼接操作性能对比

四、initer()的使用

4.1、JDK6 与 JDK7/8中initer区别

4.2、intern的效率测试：空间角度

五、G1中的String去重操作

5.1、背景

5.2、实现

5.3、命令

• 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。
• String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。

官方描述 https://openjdk.org/jeps/254

Motivation

The current implementation of the String class stores characters in a char array, using two bytes (sixteen bits) for each character. Data gathered from many different applications indicates that strings are a major component of heap usage and, moreover, that most String objects contain only Latin-1 characters. Such characters require only one byte of storage, hence half of the space in the internal char arrays of such String objects is going unused.

Description

We propose to change the internal representation of the String class from a UTF-16 char array to a byte array plus an encoding-flag field. The new String class will store characters encoded either as ISO-8859-1/Latin-1 (one byte per character), or as UTF-16 (two bytes per character), based upon the contents of the string. The encoding flag will indicate which encoding is used.

String-related classes such as AbstractStringBuilder, StringBuilder, and StringBuffer will be updated to use the same representation, as will the HotSpot VM's intrinsic string operations.

This is purely an implementation change, with no changes to existing public interfaces. There are no plans to add any new public APIs or other interfaces.

The prototyping work done to date confirms the expected reduction in memory footprint, substantial reductions of GC activity, and minor performance regressions in some corner cases.

For further detail, see:

State of String Density Performance

String Density Impact on SPECjbb2005 on SPARC

动机：目前String类的实现将字符存储在一个char数组中，每个字符使用两个字节（16位）。从许多不同的应用中收集到的数据表明，字符串是堆使用的主要组成部分，此外，大多数字符串对象只包含Latin-1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字符数组中有一半的空间没有被使用。

说明：我们建议将String类的内部表示方法从UTF-16字符数组改为字节数组加编码标志域。新的String类将根据字符串的内容，以ISO-8859-1/Latin-1（每个字符一个字节）或UTF-16（每个字符两个字节）的方式存储字符编码。编码标志将表明使用的是哪种编码。

迄今为止所做的原型设计工作证实了内存占用的预期减少，GC活动的大幅减少，以及在某些角落情况下的轻微性能倒退。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。

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

在JDK8中，设置StringTable长度的话，1009是可以设置的最小值

StringTable调整描述 官网地址：https://www.Oracle.com/java/technologies/javase/jdk7-relnotes.html#jdk7changes

Synopsis: In JDK 7, interned strings are no longer allocated in the permanent generation of the Java heap, but are instead allocated in the main part of the Java heap (known as the young and old generations), along with the other objects created by the application. This change will result in more data residing in the main Java heap, and less data in the permanent generation, and thus may require heap sizes to be adjusted. Most applications will see only relatively small differences in heap usage due to this change, but larger applications that load many classes or make heavy use of the String.intern() method will see more significant differences.

在JDK 7中，内部字符串不再分配在Java堆的永久代中，而是分配在Java堆的主要部分（称为年轻代和老年代），与应用程序创建的其他对象一起。这种变化将导致更多的数据驻留在主Java堆中，而更少的数据在永久代中，因此可能需要调整堆的大小。大多数应用程序将看到由于这一变化而导致的堆使用的相对较小的差异，但加载许多类或大量使用String.intern()方法的大型应用程序将看到更明显的差异。

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。
• 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

• 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
• 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 static void test1() { // 都是常量，前端编译期会进行代码优化 // 通过idea直接看对应的反编译的class文件，会显示 String s1 = "abc"; 说明做了代码优化 String s1 = "a" "b" "c"; String s2 = "abc"; // true，有上述可知，s1和s2实际上指向字符串常量池中的同一个值 System.out.println(s1 == s2); }

public static void test5() { String s1 = "javaEE"; String s2 = "hadoop"; String s3 = "javaEEhadoop"; String s4 = "javaEE" "hadoop"; String s5 = s1 "hadoop"; String s6 = "javaEE" s2; String s7 = s1 s2; System.out.println(s3 == s4); // true 编译期优化 System.out.println(s3 == s5); // false s1是变量，不能编译期优化 System.out.println(s3 == s6); // false s2是变量，不能编译期优化 System.out.println(s3 == s7); // false s1、s2都是变量 System.out.println(s5 == s6); // false s5、s6 不同的对象实例 System.out.println(s5 == s7); // false s5、s7 不同的对象实例 System.out.println(s6 == s7); // false s6、s7 不同的对象实例 String s8 = s6.intern(); System.out.println(s3 == s8); // true intern之后，s8和s3一样，指向字符串常量池中的"javaEEhadoop" }

不使用final修饰，即为变量。如s3行的s1和s2，会通过new StringBuilder进行拼接。使用final修饰，即为常量。会在编译器进行代码优化。在实际开发中，能够使用final的，尽量使用

public void test6(){ String s0 = "beijing"; String s1 = "bei"; String s2 = "jing"; String s3 = s1 s2; System.out.println(s0 == s3); // false s3指向对象实例，s0指向字符串常量池中的"beijing" String s7 = "shanxi"; final String s4 = "shan"; final String s5 = "xi"; String s6 = s4 s5; System.out.println(s6 == s7); // true s4和s5是final修饰的，编译期就能确定s6的值了 }3.2、字节码层面分析

可以发现s1 s2实际上是new了一个StringBuilder对象，并使用了append方法将s1和s2添加进来，最后调用了toString方法赋给s4

public class Test { public static void main(String[] args) { int times = 50000; // String long start = System.currentTimeMillis(); testString(times); long end = System.currentTimeMillis(); System.out.println("String: " (end-start) "ms"); // StringBuilder start = System.currentTimeMillis(); testStringBuilder(times); end = System.currentTimeMillis(); System.out.println("StringBuilder: " (end-start) "ms"); // StringBuffer start = System.currentTimeMillis(); testStringBuffer(times); end = System.currentTimeMillis(); System.out.println("StringBuffer: " (end-start) "ms"); } public static void testString(int times) { String str = ""; for (int i = 0; i < times; i ) { str = "test"; } } public static void testStringBuilder(int times) { StringBuilder sb = new StringBuilder(); for (int i = 0; i < times; i ) { sb.append("test"); } } public static void testStringBuffer(int times) { StringBuffer sb = new StringBuffer(); for (int i = 0; i < times; i ) { sb.append("test"); } } } // 结果 String: 7963ms StringBuilder: 1ms StringBuffer: 4ms

String拼接方式的时间是StringBuilder.append方式的约8000倍，StringBuffer.append()方式的时间是StringBuilder.append()方式的约4倍。在实际开发中

• 对于需要多次或大量拼接的操作，在不考虑线程安全问题时，我们就应该尽可能使用StringBuilder进行append操作
• StringBuilder空参构造器的初始化大小为16。那么，如果提前知道需要拼接String的个数，就应该直接使用带参构造器指定capacity，以减少扩容的次数（扩容的逻辑可以自行查看源代码）

当调用intern方法时，如果池子里已经包含了一个与这个String对象相等的字符串，正如equals(Object)方法所确定的，那么池子里的字符串会被返回。否则，这个String对象被添加到池中，并返回这个String对象的引用。由此可见，对于任何两个字符串s和t，当且仅当s.equals(t)为真时，s.intern() == t.intern()为真。

所有字面字符串和以字符串为值的常量表达式都是interned。返回一个与此字符串内容相同的字符串，但保证是来自一个唯一的字符串池。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，它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。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）