StringTable

String的基本特性

String：字符串，使用一对 "" 引起来表示
- String s1 = "Nemo"; // 字面量的定义方式
- String s2 = new String("Nemo");
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 private final char[] value 用于存储字符串数据。
JDK9 时改为 byte[]

为什么JDK9改变了结构

官方说明：http://openjdk.java.net/jeps/254

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。

我们建议改变字符串的内部表示 class 从 utf - 16 字符数组到字节数组 + 一个 encoding-flag 字段。新的 String 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。

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

// 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

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。

代码

/**
 * String的不可变性
 *
 * @author: Nemo
 */
public class StringTest1 {

    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);
        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";
        System.out.println(s1);
        System.out.println(s2);
        System.out.println("----------------");
    }

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

面试题

/**
 * 面试题
 *
 * @author: Nemo
 */
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);
        System.out.println(ex.ch);
    }
}

输出结果

good
best

注意

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，StringTable 的长度可以设置的最小值为 1009

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="nemo.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。

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 元空间，字符串常量在堆

为什么StringTable从永久代调整到堆中

官网说明：https://www.oracle.com/technetwork/java/javase/jdk7-relnotes-418459.html#jdk7changes

在 JDK 7 中，interned 字符串不再在 Java 堆的永久生成中分配，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。

原因：

永久代的默认比较小
永久代垃圾回收频率低

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。

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
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() {
        String s1 = "a" + "b" + "c";  // 得到 abc的常量池
        String s2 = "abc"; // abc存放在常量池，直接将常量池的地址返回
        /**
         * 最终java编译成.class，再执行.class
         */
        System.out.println(s1 == s2); // true，因为存放在字符串常量池
        System.out.println(s1.equals(s2)); // true
    }

    public static void test2() {
        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
        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

        String s8 = s6.intern();
        System.out.println(s3 == s8); // true
    }

从上述的结果我们可以知道：

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

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

底层原理

拼接操作的底层其实使用了 StringBuilder

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");

在 JDK5 之后，使用的是 StringBuilder，在 JDK5 之前使用的是 StringBuffer

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

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。

在开发中，能够使用 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);
}

运行结果

true

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");
        }
    }

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

intern()的使用

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：

String myInfo = new string("I love nemo").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）

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
 * @author: Nemo
 */
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])).intern();
        }
        long end = System.currentTimeMillis();
        System.out.println("花费的时间为：" + (end - start));

        try {
            Thread.sleep(1000000);
        } catch (Exception e) {
            e.getStackTrace();
        }
    }
}

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。

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。

面试题

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
 *
 * @author: Nemo
 */
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

new String("a") + new String("b") 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
 *
 * @author: Nemo
 */
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 <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中会约等于创建一个 new String("ab")
- 调用 toString 方法，不会在常量池中生成"ab"（而是会生成"a"和"b"），因为并没有声明"ab"常量。当然，如果是 new String("ab") 那常量池肯定有常量。

intern 的使用：JDK6 和 JDK7

JDK6 中

String s = new String("1");  // 在常量池中已经有了，"1"常量放到常量池，new对象放到堆
s.intern(); // 将该对象放入到常量池。但是调用此方法没有太多的区别，因为已经存在了1
String s2 = "1";
System.out.println(s == s2); // false

String s3 = new String("1") + new String("1");//s3变量记录的地址为：new String("11")
//执行完上一行代码以后，字符串常量池中，不存在"11"
s3.intern();//在字符串常量池中生成"11"。如何理解：jdk6中创建了一个新的对象"11"，也就有新的地址
//jdk7：此时常量池中并没有创建"11"，而是创建了一个指向堆空间中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执行时，在常量池中生成的"11"地址
System.out.println(s3 == s4); // false

输出结果

false
false

为什么对象会不一样呢？
String s = new String("1");"1" 常量放到常量池，new 对象放到堆
String s2 = "1";时，去检查常量池，发现有 "1"，直接返回了常量池的引用，没有创建对象。
对于 s2 字符串来说，它的创建过程同上所说。在创建该对象之前，JVM 会在 String 对象池中去搜索该字符对象是否已经被创建，如果已经被创建，则直接返回一个引用，否则先创建在返回引用。
而 s 字符串变量，它的创建过程就要多一个步骤。除了类似于 str2 字符串对象创建过程以外，它还会额外的创建一个新的 String 对象，也就是 new 关键字的作用，并且返回一个引用给 s。

一个是 new 创建的对象，是堆空间中的地址
一个是字面量赋值，是常量池中的对象，是常量池从的地址，显然不是同一个

如果是下面这样的，那么就是 true

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

而对于下面的来说，因为 s3 变量记录的地址是 new String("11")，然后这段代码执行完以后，常量池中不存在 "11"，这是 JDK6 的关系，然后执行 s3.intern() 后，就会在常量池中生成 "11"，最后 s4 用的就是 s3 的地址

为什么最后输出的 s3 == s4 会为false呢？

这是因为在 JDK6 中创建了一个新的对象 "11"，也就是有了新的地址，s2 = 新地址

而在 JDK7 中，在 JDK7 中，并没有创新一个新对象，而是指向常量池中的新对象

JDK7 中

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

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

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);

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

总结

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（字符串常量池）。

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

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。

所以上述结果，在 JDK6 中是：

true
false

在JDK8中是

true
true

针对下面这题，在 JDK6 和 8 中表现的是一样的

使用 intern() 优化执行效率：空间使用上
结论：对于程序中大量存在的字符串，尤其是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。

StringTable的垃圾回收

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

执行之后只有 60000 多个对象，因为进行了垃圾回收。

G1 中的 String 去重操作

官方说明：http://openjdk.java.net/jeps/192

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

String str1 = new String("hello");
String str2 = new String("hello");
是指这个堆中的对象去重

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：
stringl.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。

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。

开启

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之内存与垃圾回收篇】StringTable