14.JVM之StringTable

玉骨西风，恨最恨、闲却新凉时节。

——周密《玉京秋》

JVM之StringTable

1. String的基本特性

• String：字符串，使用一对 ”” 引起来表示。

  • ~~~java
    String s1 = “justweb” ; // 字面量的定义方式
    String s2 = new String(“jianwei”);

    - 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JDK9改变了结构？
    
    1. 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。`
    
    2. 我们建议将`String`类的内部表示形式从UTF-16`char`数组更改为`byte`带有编码标记字段的数组。新`String`类将存储基于字符串内容编码为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。
    3. [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。](http://openjdk.java.net/jeps/254)
    
    ```java
    // 之前
    private final char value[];
    
    // 之后
    private final byte[] value
    ```
    
    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。`
    
    1. 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。
    2. 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。
    3. 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。==
    
    String不可变性代码
    
    ```java
    /**
    * String的不可变性
    */
    public class StringTest1 {
        public static void main(String[] args) {
               test1();
               test2();
               test3();
        }
       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);// true
           s1 = "hello";
           System.out.println(s1 == s2);// false
           System.out.println(s1);// hello
           System.out.println(s2);// abc
       }
    
       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";
           System.out.println(s1);// abc
           System.out.println(s2);// abcdef
       }
    
       public static void test3() {
           String s1 = "abc";
           String s2 = s1.replace('a', 'm');
           System.out.println(s1);// abc
           System.out.println(s2);// mbc
       }
    }
    ```
    
    ###### String不可变性面试题
    
    ```java
    public class StringExer {
       String str = new String("good");
       char [] ch = {'t','e','s','t'};
    
       public void change(String str, char[] ch) {
           str = "test ok";
           ch[0] = 'b';
       }
    
       public static void main(String[] args) {
           StringExer ex = new StringExer();
           ex.change(ex.str, ex.ch);
           
           System.out.println(ex.str);// good
           System.out.println(ex.ch);// best
       }
    }
    ```
    
    #### 1.3 字符串常量池是不会存储相同内容的字符串的
    
    1. `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。`
    2. `使用-XX:StringTablesize可设置stringTable的长度`
    3. 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。
    
    4. 在jdk7中，stringTable的长度默认值是60013。
    5. 在JDK8中，StringTable可以设置的最小值为1009。
    
    ~~~~java
    /**
    *  -XX:StringTableSize=1009
    * @author shkstart  shkstart@126.com
    * @create 2020  23:53
    */
    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));//1009:143ms  100009:47ms
           } catch (IOException e) {
               e.printStackTrace();
           } finally {
               if(br != null){
                   try {
                       br.close();
                   } catch (IOException e) {
                       e.printStackTrace();
                   }
    
               }
           }
       }
    }
    ~~~~
    
    `产生10万个长度不超过10的字符串，包含a-z,A-Z`
    
    ```java
    /**
    * 产生10万个长度不超过10的字符串，包含a-z,A-Z
    * @author shkstart  shkstart@126.com
    * @create 2020  23:58
    */
    public class GenerateString {
       public static void main(String[] args) throws IOException {
           FileWriter fw =  new FileWriter("words.txt");
    
           for (int i = 0; i < 100000; i++) {
               //1 - 10
              int length = (int)(Math.random() * (10 - 1 + 1) + 1);
               fw.write(getString(length) + "\n");
           }
    
           fw.close();
       }
    
       public static String getString(int length){
           String str = "";
           for (int i = 0; i < length; i++) {
               //65 - 90, 97-122
               int num = (int)(Math.random() * (90 - 65 + 1) + 65) + (int)(Math.random() * 2) * 32;
               str += (char)num;
           }
           return str;
       }
    }
    ```
    
    ### 2. String的内存分配
    
    1. `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。`
    2. 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。`
    3. Java 6及以前，字符串常量池存放在永久代。
    4. `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()。
    
    ![image-20200711093546398](https://oss-blogs.oss-cn-hangzhou.aliyuncs.com/blogs/itbuild/JavaSE-JVM/image-20200711093546398.png)
    
    ![image-20200711093558709](https://oss-blogs.oss-cn-hangzhou.aliyuncs.com/blogs/itbuild/JavaSE-JVM/image-20200711093558709.png)
    
    #### 2.1 为什么StringTable从永久代调整到堆中
    
    `在JDK 7中，interned字符串不再在Java堆的永久代生成中分配，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，驻留在永久代生成中的数据更少，因此可能需要调整堆大小。由于这一变化，大多数应用程序在堆使用方面只会看到相对较小的差异，但加载许多类或大量使用字符串的较大应用程序会出现这种差异。intern()方法会看到更显著的差异。
    
    - `永久代的默认比较小。`
    - `永久代垃圾回收频率低。`
    
    
    ### 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。`
    
    ~~~~java
    /**
    * 证明字符串常量池
    * @author shkstart  shkstart@126.com
    * @create 2020  0:49
    */
    public class StringTest4 {
       public static void main(String[] args) {
           System.out.println();//2293
           System.out.println("1");//2294
           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");//2303
           // 如下的字符串"1" 到 "10"不会再次加载
           System.out.println("1");//2304
           System.out.println("2");//2304
           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");//2304
       }
    }
    ~~~~
    
    ![image-20201022163737909](https://oss-blogs.oss-cn-hangzhou.aliyuncs.com/blogs/itbuild/JavaSE-JVM/image-20201022163737909.png)
    
    图对应的代码如下：
    
    ~~~~java
    /**
    * @author shkstart  shkstart@126.com
    * @create 2020  0:51
    */
    class Memory {
       public static void main(String[] args) {//line 1
           int i = 1;//line 2
           Object obj = new Object();//line 3
           Memory mem = new Memory();//line 4
           mem.foo(obj);//line 5
       }//line 9
    
       private void foo(Object param) {//line 6
           String str = param.toString();//line 7
           System.out.println(str);
       }//line 8
    }
    ~~~~
    
    ### 4. 字符串拼接操作☆
    
    1. `常量与常量的拼接结果在常量池，原理是编译期优化。`
    2. `常量池中不会存在相同内容的变量。`
    3. `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`
    4. `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。`
    
    
    ```java
       @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
       }
    
       @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
       }
    ```
    
    从上述的结果我们可以知道：
    
    1. 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。
    
    2. 而调用intern方法，则会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的值，否者就在常量池中创建
    
    
    #### 4.1 底层原理
    
    拼接操作的底层其实使用了[StringBuilder](https://blog.csdn.net/weixin_45267102/article/details/107348280)
    
    
    ~~~java
     @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;//
           System.out.println(s3 == s4);//false
       }

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

4.2 拼接操作和append性能对比

public static void method1(int highLevel) {
    String src = "";
    for (int i = 0; i < highLevel; i++) {
        src += "a"; // 每次循环都会创建一个StringBuilder对象
    }
}

public static void method2(int highLevel) {
    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < highLevel; i++) {
        sb.append("a");
    }
}

1. method1耗费的时间：4005ms
2. method2消耗时间：7ms
3. 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。
4. 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。
5. 改进的空间：
   • 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。==

5. intern()的使用

// intern是String的一个native方法，调用的是底层C的方法
public native String intern();

1. 当调用intern方法时，如果池已经包含与equals(Object)方法确定的相当于此String对象的字符串，则返回来自池的字符串。 否则，此String对象将添加到池中，并返回对此String对象的引用。
2. 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 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）。

5.1 intern的空间效率测试

我们通过测试一下，使用了intern和不使用的时候，其实相差还挺多的。

/**
 * 使用intern()测试执行效率：空间使用上
 * @author shkstart  shkstart@126.com
 * @create 2020  21:17
 */
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]));//花费的时间为：8625
            arr[i] = new String(String.valueOf(data[i % data.length])).intern();//花费的时间为：3317

        }
        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();
    }
}

1. 未使用intern()
2. 
3. 使用intern()
4. 
5. 结论：对于程序中大量使用存在的字符串时，尤其存在很多已经重复的字符串时，使用intern()方法能够节省内存空间。
6. ==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。==

5.2 面试题一：new String(“ab”)会创建几个对象

/**
 * new String("ab") 会创建几个对象？ 看字节码就知道是2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 <java/lang/String>
 3 dup
 4 ldc #3 <ab>
 6 invokespecial #4 <java/lang/String.<init>>
 9 astore_1
10 return

这里面就是两个对象

• 一个对象是：new关键字在堆空间中创建。
• 另一个对象：字符串常量池中的对象。

5.3 面试题二：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");
    }
}

对应的字节码文件为

 0 new #2 <java/lang/StringBuilder>
 3 dup
 4 invokespecial #3 <java/lang/StringBuilder.<init>>
 7 new #4 <java/lang/String>
10 dup
11 ldc #5 <a>
13 invokespecial #6 <java/lang/String.<init>>
16 invokevirtual #7 <java/lang/StringBuilder.append>
19 new #4 <java/lang/String>
22 dup
23 ldc #8 <b>
25 invokespecial #6 <java/lang/String.<init>>
28 invokevirtual #7 <java/lang/StringBuilder.append>
31 invokevirtual #9 <java/lang/StringBuilder.toString>
34 astore_1
35 return

我们创建了6个对象：

对象1：new StringBuilder()
对象2：new String("a")
对象3：常量池的 a
对象4：new String("b")
对象5：常量池的 b
对象6：toString中会创建一个 new String("ab")
     强调一下，toString()的调用，在字符串常量池中，没有生成"ab"

5.4 intern的使用—JDK6和JDK7☆

/**
 * 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();// 调用此方法之前，字符串常量池中已经存在了"1"
        String s2 = "1";
        //jdk6：false   jdk7/8：false
        System.out.println(s == s2);

		// s3变量记录的地址为：new String("11")
        String s3 = new String("1") + new String("1");
        //执行完上一行代码以后，字符串常量池中，是否存在"11"呢？答案：不存在！！
        
        // 在字符串常量池中生成"11"。如何理解：jdk6:创建了一个新的对象"11",也就有新的地址。
        s3.intern();
        // jdk7:此时常量中并没有创建"11",而是创建一个指向堆空间中new String("11")的地址                                   
        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);
    }
}

一、扩展☆

String s3 = new String("1") + new String("1");
String s4 = "11";  // 在常量池中生成的字符串
s3.intern();  // 然后s3就会从常量池中找，发现有了，就什么事情都不做
System.out.println(s3 == s4);// false

我们将 s4的位置向上移动一行，发现变化就会很大，最后得到的是 false

二、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。

三、练习

• 在JDK6中，在字符串常量池中创建一个字符串 “ab”
• 在JDK8中，在字符串常量池中没有创建 “ab”，而是将堆中的地址复制到 串池中。

针对下面这题，在JDK6和8中表现的是一样的

6. StringTable的垃圾回收

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

7. G1中的String去重操作

注意这里说的重复，指的是在堆中的数据，而不是常量池中的，因为常量池中的本身就不会重复。

7.1 描述

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

1. 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。
2. 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。
3. 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。
4. 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。
5. 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 开启

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。

☆