Java 1.7.0_06中String类内部实现的一些变化【转】

原文链接： java-performance 翻译： ImportNew.com - 夏千林
译文链接： http://www.importnew.com/7656.html

ChangeLog：

• 2013年11月19日，更新了Java8版本中的变化。
• 013年11月28日，更新了Java 7u40版本中的变化。（感谢Sunny Chan以及他的同事提示我关注新版本的JDK）

共享一个基础char[] 

原先的String类中有4个非静态变量：

• char[] value用于存储字符串。
• int offset用于记录字符串首字母在value数组中对应的下标。
• int count用于记录字符串的长度。
• int hash用于缓存该字符串的哈希值。

正如你所看到的，绝大多数String对象都会是offset=0并且count=value.length。除非通过调用String.substring方法创建的String对象，或是间接调用Pattern.split这类API创建对象。

String.substring创建的String对象将和原String对象共享同一个内部变量char[] value，这样设计的好处是：

1. 通过共享字符串节省内存开销。
2. String.substring方法的时间复杂度为O(1)。

然而，这样的设计有可能会导致内存泄露：如果你从一个长度很长的String对象中提取出一个很短的子串，当这个String对象不再需要时（该对象静候GC回收），你的子串中还保持着这个String对象中存储着完整字符串的char[] value数组的引用。这种情况的解决方法是通过构造函数new String(String)创建一个新的子串对象，进而解除短子串与长母串之间的依赖关系。

自Java 1.7.0_06版本起（包括Java 8的最新版本），String类中不再有offset和count变量。这意味着成员变量char[] value将不会被共享。你可以忘记上述有关内存泄露的描述以及如何使用new String(String)方法来避免内存泄露的发生。但需要记住的是，String.substring现在是线性级的时间复杂度，不再是常数级的时间复杂度。

哈希算法的改变

下面的部分仅适用于Java 7u6以上的Java 7版本，这些代码在Java 8中已被删除。

String类在本次更新中的另一个变化是一个新的哈希算法。Oracle表示新的算法能生成出更好的哈希分布，并且能够提高基于哈希算法的容器的性能，如HashMap、Hashtable、HashSet、 LinkedHashMap、LinkedHashSet、WeakHashMap和ConcurrentHashMap 。与本文第一部分介绍的变化不同，这部分变化是试验性质的，默认是关闭的。

你可能已经猜到了，这部分变化只适用于String类型的Key。如果想要启用它们，需要将系统变量jdk.map.althashing.threshold设置为一个非负的整数值（默认为-1）。当使用新的哈希方法时，这个值将是容器大小的阈值。这里需要注意的是：哈希方法只有在进行重哈希（rehash）的时候才会被更新。因此，如果容器上次执行重哈希是在size=160的时候，而jdk.map.althashing.threshold = 200，这样只有在容器的size增长到大约320的时候，哈希方法才会被更新。

String类现在有一个hash32()方法，它的结果被缓存在成员变量int hash32 中。这个方法最大的变化是，同一个字符串在不同的JVM上执行hash32()的结果可能不同（确切的说，多数情况下都会不同，因为其内部分别调用了一次System.currentTimeMillis()和两次System.nanoTime()用于初始化seed）。因此，某些容器在每次运行程序时迭代顺序都不同。

事实上，我对这个方法的改变有一点意外。如果原先的hashCode方法运行的很好，为什么我们需要一个新的哈希方法呢？我决定使用文章hashcode方法性能调优中的测试程序，测试一下使用hash32方法会产生多少个重复的哈希值。

String.hash32()方法不是公有的，因此我只能通过查看HashMap的源码来找到调用String.hash32()的方法。答案是issun.misc.Hashing.stringHash32(String)。

使用同一数据集（由1百万个各不相同的Key组成）进行测试，String.hash32生成了304个重复的哈希值，而相比之下String.hashCode并没有生成重复的哈希值。我想我们需要静候Oracle进一步的完善或者更多的使用场景说明。

新的哈希算法可能会严重影响高并发、多线程代码

本章节适用于Java 7版本的build 6（包含build 6）至build40（不包含build40）。这部分代码在Java 8中已被删除。有关Java 7u40以上版本的相关介绍请参见下一个章节。

Oracle在后面这些类的哈希实现中遗留了一个bug： HashMap、Hashtable、HashSet、LinkedHashMap、LinkedHashSet和WeakHashMap，只有ConcurrentHashMap 不受影响。这是因为所有的非concurrent类中现在都引入了下面的成员变量：

1 2 3 4 5

/**  * A randomizing value associated with this instance that is applied to  * hash code of keys to make hash collisions harder to find.  */ transient final int hashSeed = sun.misc.Hashing.randomHashSeed(this);

这意味着每一个map或set实例创建的过程中都会调用sun.misc.Hashing.randomHashSeed方法。randomHashSeed后续会调用java.util.Random.nextInt方法。Random类以其多线程环境下不友好而闻名：它有一个Atomic类型的成员变量private final AtomicLong seedfield。Atomic类型在多线程竞争程度较低或者适中的场景下性能表现较好，但在竞争激烈的场景下性能很差。

因此，很多处理HTTP/JSON/XML请求的高负载Web应用可能会被这个bug所影响，因为现有的解析器在表示名值对（name-value）时几乎都使用了上述的存在bug的容器。这些解析器还很可能使用了嵌套的map，这会进一步增加每秒中创建map实例的数量。

如何解决这一问题呢？

1. 使用ConcurrentHashMap ：只有在设置系统变量jdk.map.althashing.threshold时才会调用randomHashSeed 方法。但很可惜的是，这种方式仅适用于JDK的核心开发者。

1 2 3 4 5 6 7 8 9 10 11 12 13

/**  * A randomizing value associated with this instance that is applied to  * hash code of keys to make hash collisions harder to find.  */ private transient final int hashSeed = randomHashSeed(this);   private static int randomHashSeed(ConcurrentHashMap instance) {     if (sun.misc.VM.isBooted() && Holder.ALTERNATIVE_HASHING) {         return sun.misc.Hashing.randomHashSeed(instance);     }       return 0; }

2. Hacker的方式：修改sun.misc.Hashing类，这种方式极度不推荐。但如果你依然想解决这个bug，解决的思路是：java.util.Random类并不是final的。你可以在Java 7中加入Random 类的一个Thread Local的子类：java.util.concurrent.ThreadLocalRandom，它内部使用了ThreadLocal<ThreadLocalRandom>（感谢Benjamin Possolo指出我在之前的文章中遗漏了这个类的介绍）。除此之外，ThreadLocalRandom属于CPU cache感知型：每个ThreadLocalRandom实例的seed后面增加了64字节的填充（cache行的大小），进而降低2个不同的seed在同一个cache行中碰撞的可能性。

然后你可以修改成员变量sun.misc.Hashing.Holder.SEED_MAKER，将它初始化为Random子类的实例（ThreadLocalRandom）。不用担心这个变量是私有的、静态的而且是final的，反射机制可以帮你。

1 2 3

public class Hashing {     private static class Holder {         static final java.util.Random SEED_MAKER;

Java 7u40以上的版本中新的哈希算法不再影响高并发、多线程代码

Oracle在Java 7u40版本中修正了上述的bug。

他们使用了上一章节中提到的方法一，仅在重哈希阀值被启用时（通过设置系统变量jdk.map.althashing.threshold启用）才调用sun.misc.Hashing.randomHashSeed方法。Oracle只修改了两个类：HashMap和Hashtable，进而间接修改了 HashSet、LinkedHashMap和LinkedHashSet，因为这三个类是基于HashMap实现的。唯一没有被修改的类是WeakHashMap，但我实在想不出这个类会被大量实例化的应用场景。

相关文章

最近，本文在Reddit上引起了激烈的讨论。我推荐读者们去看一看:

• Reddit用户 bondolo的一篇文章探讨这些变化背后的原因 。
• Java 6、7、8中的String.intern方法：String池

总结

• 自Java 1.7.0_06版本起，String.substring方法会为每个子串创建一个新的char[] value（而不是共享母串的char[] value）。这意味着String.substring方法的时间复杂度由常数阶变为线性阶。这种变化的好处是String对象占用的内存稍微少了一些（比以前少8个字节），同时确保String.substring方法不会导致内存泄漏（有关Java对象内存布局的详细信息，请见String packing part 1: converting characters to bytes）。
• Java 7u6+版本中的功能，在Java 8中被删除。自Java 1.7.0_06版本起，String类有了第二个哈希函数：hash32。该方法目前还不是公有的，只能通过使用反射机制或者是调用sun.misc.Hashing.stringHash32(String)来访问该方法。只有当那7种哈希相关的JDK容器的大小超过系统变量jdk.map.althashing.threshold所设定的阀值时，该方法才会被使用。这是一个试验性质的功能，目前我不推荐在代码中使用这一功能。
• Java 7u6 （包含Java 7u6）至Java 7u40（不包含Java 7u40）版本中的功能，不适用于Java 8。新的哈希实现引入了一个性能上的bug，这个bug涉及Java 7u6 （包含Java 7u6）到Java 7u40（不包含Java 7u40）之间所有版本中所有标准的非concurrent的Map和Set容器。这个bug只影响多线程应用每秒钟创建Map实例的效率。详情请见本文第三章节。Java 7u40版本已修复这个bug。