JVM从零学习（十）StringTable

StringTable

String的基本特性

• 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。实现了Compareable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，需要重新指定内存区域赋值，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，也需要重新制定内存区域赋值，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，此时的字符串声明在字符串常量池中。
• 字符串常量池中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，StringTabe的长度默认值是60013

String的内存结构

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 = "baiyuliuguang"
  • 如果不是用双引号声明的String对象，可以直接使用String提供的intern()方法。
• 在jdk6 之前，字符串常量池存放在永久代。
• jdk7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仅需要调整堆大小就可以了。
• jdk8元空间，字符串常量在堆。

StringTable为什么调整？

1. 永久代PermSize默认比较小
2. 永久代垃圾回收频率低

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常量。
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
   • 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。
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，并返回此对象地址。
   • intern()：判断字符串常量池中是否存在字符串值，如果存在则返回常量池中字符串的地址；
   • 如果字符串常量池中不存在字符串，则常量池中加载一份字符串，并返回此对象的地址。

String直接拼接和StringBuilder的append拼接效率差别

首先StringBuild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

1. StringBuilder的append()方式：创建过多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GC，需要花费额外的时间。

intern()的使用

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，如果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 China").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，必须和直接以常理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";//true

简单通俗点讲，interned String 就是确保字符串的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）。

如何保证变量s指向的是字符串常量池中的数据？

有两种方式：
方式一：

String s = "baiyuliuguang"; //字面量定义的方式

方式二：

  String s = new String("baiyuliuguang").intern()//调用intern()方法

面试题

题目new String("ab")会创建几个对象?

两个对象
一个对象是:new 关键字在堆空间创建的。
一个对象是：字符串常量池中的对象。字节码指令ldc

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"
其中StringBuilder.toString();

对象6：new String("ab");

注：toString()方法调用在字符串常量池中没有生成"ab";

intern()面试题

        //s 指向堆空间中的"1"
        String s = new String("1");
        s.intern();
        // s2 指向常量池中的"1"
        String s2 = "1";
        System.out.println(s == s2);// jdk6:false jdk7/8:false
         /*s3变量记录的地址为：toString()中new String("11");
           执行完该行代码后，字符串常量池不存在字符串"11"; */
        String s3 = new String("1") + new String("1");
        /* jdk6:创建了一个新的对象“11”，也就是新的地址。
           jdk7/8：此时常量池中并没有创建"11"而是创建一个指向堆空间中new String("11")的地址引用并返回。 */
        s3.intern();
        String s4 = "11";//使用的是上一行代码中字符串常量池中"11"的地址
        System.out.println(s3 == s4);//jdk6:false jdk7/8:true

总结

• jdk1.6中，将这个字符串对象尝试放入字符串常量池中。
  • 如果字符串常量池有，则并不会放入，返回已有的字符串常量池中的对象地址
  • 如果没有，则会把此对象复制一份，放入串池，并返回串池中对象地址
• jdk1.7起，将这个字符串对象尝试放入字符串常量池。
  • 如果字符串常量池中有，则并不会放入。返回已有的字符串常量池中的对象的地址。
  • 如果没有，则会把堆空间中有的对象的引用地址复制一份，放入字符串常量池，并返回字符串常量池汇中的引用地址。

StringTable的垃圾回收

-XX:+PrintStringTableStatistics开启打印StringTable信息

G1中的String去重操作

• 背景：对许多Java应用做的测试得出以下结果：

  • 堆存活数据集合里面String对象占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，在这类类型的应用里面，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浪费。这个项目将在G1垃圾收集器中实现自动持续堆重复的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。

• 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对象呗认为是去重的候选对象。