将字符串性能提升到极致：StringBuilder和StringBuffer

最新推荐文章于 2024-12-01 23:53:54 发布

原创最新推荐文章于 2024-12-01 23:53:54 发布 · 621 阅读

0 ·

CC 4.0 BY-SA版权

Java学习专栏收录该内容

41 篇文章

订阅专栏

本文通过对比Java中字符串拼接运算符、concat()方法及StringBuilder与StringBuffer类的性能，揭示了在大数据处理场景下进行字符串操作的最佳实践。通过对StringBuilder和StringBuffer在不同容量情况下的操作性能测试，文章提供了参数调优策略，旨在提高系统性能并减少资源消耗。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

对于字符串操作，类似于“+”和“+=”的运算符应该尽量少用。其次，String的concat()方法效率远远高于“+”和“+=”运算符，但是又远远低于StringBuilder类。

Note: 在无需考虑线程安全的情况下，使用性能相对较好的StringBuilder，但是若系统有线程安全要求，只能选择StringBuffer。String尽量不用！

public class BuilderorBuffer {

	/**
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		
		noCapacity();
		hasCapacity();
	}
	
	public static void noCapacity(){
		StringBuilder sbuilder = new StringBuilder();
		
		long start = System.currentTimeMillis();
		for(int i=0;i<5000000;i++){
			sbuilder.append(i);
		}
		System.out.println("noCapacity,StringBuilder elapsed:" + (System.currentTimeMillis() - start));
		
		
		
		StringBuffer sbuffer = new StringBuffer();
		
		long start2 = System.currentTimeMillis();
		for(int i=0;i<5000000;i++){
			sbuffer.append(i);
		}
		System.out.println("noCapacity,StringBuffer elapsed:" + (System.currentTimeMillis() - start2));
	}
	
	public static void hasCapacity(){
		StringBuilder sbuilder = new StringBuilder(50000000);
		
		long start = System.currentTimeMillis();
		for(int i=0;i<5000000;i++){
			sbuilder.append(i);
		}
		System.out.println("hasCapacity,StringBuilder elapsed:" + (System.currentTimeMillis() - start));
		
		
		
		StringBuffer sbuffer = new StringBuffer(50000000);
		
		long start2 = System.currentTimeMillis();
		for(int i=0;i<5000000;i++){
			sbuffer.append(i);
		}
		System.out.println("hasCapacity,StringBuffer elapsed:" + (System.currentTimeMillis() - start2));
	}

}

分别对StringBuilder和StringBuffer，在不指定容量和指定容量两个情况下，append五十万的结果（单位ms）：

noCapacity,StringBuilder elapsed:600
noCapacity,StringBuffer elapsed:1395
hasCapacity,StringBuilder elapsed:275
hasCapacity,StringBuffer elapsed:708

ps.原以为在大数据时代，机器学习算法需要参数调优，原来在这里就已经出现参数调优了。