String 的基本操作&StringTable的相关问题

String 的基本操作&StringTable的相关问题

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。

package com.journaldev.test;

public 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);
         // 说明是在常量池中的
        System.out.println(str == str.intern());  // true
	} // Line 8

}

分析运行时内存（foo() 方法是实例方法，其实图中少了一个 this 局部变量）

让我们来看看程序的执行步骤。

• 一旦我们运行程序，它就会将所有运行时类加载到堆空间中。当在第 1 行找到 main() 方法时，Java 运行时创建堆栈内存以供 main() 方法线程使用。
• 我们在第 2 行创建原始局部变量，因此它被创建并存储在 main() 方法的堆栈内存中。
• 由于我们在第 3 行创建了一个 Object，它是在堆内存中创建的，堆栈内存包含它的引用。当我们在第 4 行创建 Memory 对象时，也会发生类似的过程。
• 现在，当我们在第 5 行调用 foo() 方法时，会在堆栈顶部创建一个块供 foo() 方法使用。由于 Java 是按值传递的，因此在第 6 行的 foo() 堆栈块中创建了对 Object 的新引用。
• 在第 7 行创建一个字符串，它进入堆空间的字符串池中，并在 foo() 堆栈空间中为它创建一个引用。后面那段代码说明是在常量池中
• foo() 方法在第 8 行终止，此时堆栈中为 foo() 分配的内存块变得空闲。
• 在第 9 行，main() 方法终止，为 main() 方法创建的堆栈内存被销毁。此外，程序在这一行结束，因此 Java 运行时释放所有内存并结束程序的执行。

字符串拼接操作

先说结论

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. 拼接前后，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，根据该字符串是否在常量池中存在，分为：
   • 如果存在，则返回字符串在常量池中的地址
   • 如果字符串常量池中不存在该字符串，则在常量池中创建一份，并返回此对象的地址

1、常量与常量的拼接结果在常量池，原理是编译期优化

@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
    }

可以看下面的字节码指令，他们都是从常量池中拿的abc

2、拼接前后，只要其中有一个是变量，结果就在堆中

调用 intern() 方法，则主动将字符串对象存入字符串常量池中，并将其地址返回（后面细说）

@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
    }

从字节码角度来看：拼接前后有变量，都会使用到 StringBuilder 类

字符串拼接的底层细节

举例1

    @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")，但不等价

        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
    }

字节码指令

 0 ldc #14 <a>
 2 astore_1
 3 ldc #15 <b>
 5 astore_2
 6 ldc #16 <ab>
 8 astore_3
 9 new #9 <java/lang/StringBuilder>
12 dup 
13 invokespecial #10 <java/lang/StringBuilder.<init>> // 这里相当于是调用StringBuilder的构造器，new一个StringBuilder
16 aload_1 // 加载局部变量表中的a放到操作数栈中
17 invokevirtual #11 <java/lang/StringBuilder.append> // 执行StringBuilder的append()方法
20 aload_2 // 加载局部变量表中的b，放到操作数栈中
21 invokevirtual #11 <java/lang/StringBuilder.append> // 调用append()方法
24 invokevirtual #12 <java/lang/StringBuilder.toString> // 然后执行StringBuilder的toString()方法
27 astore 4 // 将s4存在局部变量表索引为4d
29 getstatic #3 <java/lang/System.out>
32 aload_3
33 aload 4
35 if_acmpne 42 (+7)
38 iconst_1
39 goto 43 (+4)
42 iconst_0
43 invokevirtual #4 <java/io/PrintStream.println>
46 return

举例2

/*
    1. 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。
    2. 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。
     */
    @Test
    public void test4(){
        final String s1 = "a";
        final String s2 = "b";
        String s3 = "ab";
        String s4 = s1 + s2;
        System.out.println(s3 == s4);//true
    }

拼接操作与 append 操作的效率对比

    /**
     * 结论使用 StringBuilder 的 append() 要远高于 String 的拼接方式
     * 详情：① StringBuilder 的 append() 方式：自始至终只创建过一个StringBuilder对象
     *      使用String的字符串拼接方式：创建多个StringBuilder和String对象
     *      ② 使用String的字符串拼接方式，由于创建了较多的StringBuilder和String对象，
     *      内存占用过大，如果进行GC，需要花费额外的时间
     *
     *   StringBuilder的改进空间：在实际开发中，如果基本确定要前前后后添加的字符串长度不高于某个限定值highLevel的情况下，建议使用构造器实例化:
     *   StringBuilder s = new StringBuilder(highLevel); // new char[highLevel]
     */

    @Test
    public void test6(){

        long start = System.currentTimeMillis();

        method2(100000);// 5
//        method1(100000);// 3301

        long end = System.currentTimeMillis();

        System.out.println("花费的时间为：" + (end - start));
    }

    /**
     * 花费的时间为：3301
     * @param highLevel
     */

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

    }


    /**
     * 花费的时间为：5
     * @param highLevel
     */
    public void method2(int highLevel){
        // 这里只会创建一个StringBuilder
        StringBuilder src = new StringBuilder(5000);
        for (int i = 0; i < highLevel; i++) {
            src.append("a");
        }
    }

结论：

1. 体会执行效率：通过StringBuilder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

2. 原因：

   1. StringBuilder的append()的方式：
      • 自始至终中只创建过一个StringBuilder的对象
   2. 使用String的字符串拼接方式：
      • 创建过多个StringBuilder和String（调的toString方法）的对象，内存占用更大；
      • 如果进行GC，需要花费额外的时间（在拼接的过程中产生的一些中间字符串可能永远也用不到，会产生大量垃圾字符串）。

3. 改进的空间：

   • 在实际开发中，如果基本确定要前前后后添加的字符串长度不高于某个限定值highLevel的情况下，建议使用构造器实例化：
   • StringBuilder s = new StringBuilder(highLevel); //new char[highLevel]
   • 这样可以避免频繁扩容

intern() 的使用

intern() 方法的说明

public native String intern();

1. intern是一个native方法，调用的是底层C的方法

2. 字符串常量池池最初是空的，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内容相等的字符串，则返回池中的字符串地址。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地址。

3. 如果不是用双引号声明的String对象（字面量），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();
   

4. 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"
   

5. 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）

new String() 的使用说明

new String(“ab”)会创建几个对象？

/**
 * Created with IntelliJ IDEA.
 * @Author: pzx
 * @Date: 2022/05/28    10:45
 * @Version:1.0
 *  题目：
 *  new String("ab"); 会创建几个对象？看字节码就知道是两个了
 *  一个是在堆空间中new的对象,一个是在常量池中的"ab" 字节码指令：(ldc)
 *
 *
 */
public class StringNewTest {

    public static void main(String[] args) {
        String str = new String("ab");
    }
    
}

字节码指令

0 new #2 <java/lang/String>   // 在堆空间中创建一个String对象
3 dup
4 ldc #3 <ab>    // 在常量池中放入ab
6 invokespecial #4 <java/lang/String.<init>>  // 在构造器中初始化
9 astore_1
10 return

0 new #2 <java/lang/String>：在堆中创建了一个 String 对象

4 ldc #3 <ab> ：在字符串常量池中放入 “ab”（如果之前字符串常量池中没有 “ab” 的话）

new String(“a”) + new String(“b”) 会创建几个对象？

5个或者6个
代码

/**
 * Created with IntelliJ IDEA.
 * @Author: pzx
 * @Date: 2022/05/28    10:45
 * @Version:1.0
 *  题目：
 *  new String("ab"); 会创建几个对象？看字节码就知道是两个了
 *  一个是在堆空间中new的对象,一个是在常量池中的"ab" 字节码指令：(ldc)
 *
 * 思考：
 * new String("a") + new String("b"); 呢？
 * 对象1：new StringBuilder()
 * 对象2：new String()
 * 对象3：常量池中的 "a"  ----> 后面调用String的构造器 String("a")
 * 对象4：new String()
 * 对象5：常量池中的 "b"  ----> 后面调用String的构造器 String("b")
 *
 * 深入剖析：StringBuilder的toString()：
 *      对象6：new String("ab");
 *      强调一下toString()的调用,在字符串常量池中,没有生成"ab"
 *
 *
 */
public class StringNewTest {

    public static void main(String[] args) {
//        String str = new String("ab");

        String str = new String("a") + new String("b");
        // 这下面说明了StringBuilder调用toString()没有生成"ab"
        System.out.println(new StringBuilder("ab").toString() == "ab"); // false


    }

}

字节码指令

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

字节码指令分析：

1. 0 new #2 <java/lang/StringBuilder> ：拼接字符串会创建一个 StringBuilder 对象
2. 7 new #4 <java/lang/String> ：创建 String 对象，对应于 new String()
3. 11 ldc #5 <a> ：在字符串常量池中放入 “a”（如果之前字符串常量池中没有 “a” 的话）后面再调用String的构造器初始化 —> String(“a”)
4. 19 new #4 <java/lang/String> ：创建 String 对象，对应于 new String()
5. 23 ldc #8 <b> ：在字符串常量池中放入 “b”（如果之前字符串常量池中没有 “b” 的话）后面再调用String的构造器初始化 —> String(“b”)
6. 31 invokevirtual #9 <java/lang/StringBuilder.toString> ：调用 StringBuilder 的 toString() 方法，会生成一个 String 对象 (强调一下toString()的调用,在字符串常量池中,没有生成"ab")

intern相关的面试题

/**
 * Created with IntelliJ IDEA.
 * @Author: pzx
 * @Date: 2022/05/28    10:37
 * @Version:1.0
 *
 * 如何保证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 = "pzx12312312";  // 字面量定义的方式
 * 方式二： 调用intern()方法
 *         String s = new String ("abcdefg").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1
        String s2 = "1";  // 这个是在堆空间中的地址
        // 但下面s还是在堆
        System.out.println(s == s2); // jdk6: false   jdk7/8: false

        String s3 = new String("1") + new String("1"); // s3变量记录的地址为：new String("11");
        // 执行上面一行代码以后，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",也就有了新的地址。
        // jdk7：此时常量池中并没有创建 "11",而是创建一个堆空间new String("11")的地址,这样做是为了尽量减少占用堆空间的空间
        // jdk7及以后都是这样的,其实就是字符串常量池的位置发生变化,然后改进导致


        String s4 = "11";  // s4记录的地址：使用的上一行代码执行时，在字符串常量池中生成的 "11" 的地址值,而这个的的地址是指向堆空间之前new String("11")的
        System.out.println(s3 == s4);  // jdk6: false  jdk7/8: true


    }
}

内存分析

JDK6 ：

• new String() 即在堆中
• str.intern() 则把字符串放入常量池（jdk6是放在**方法区（永久代）**的）中，每次都是在常量池中新创建"11"（之前没有"11"的情况下，不会指向堆空间的"11"）

    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1
    String s2 = "1";  // 这个是在堆空间中的地址
	System.out.println(s == s2);  // false
    String s3 = new String("1") + new String("1"); 
	s3.intern();
	String s4 = "11"; 
	System.out.println(s3 == s4); // false	

JDK7及后续版本，这里是前面的"11"没有在字符串常量池中出现过，前面的s是在堆空间中的，使用intern()之后，就在字符串常量池中生成"11"的地址值，指向堆中之前创建的"11"的地址

    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1
    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	

面试题的拓展

/**
 * StringIntern.java中练习的拓展：
 *
 */
public class StringIntern1 {
    public static void main(String[] args) {
        //执行完下一行代码以后，字符串常量池中，是否存在"11"呢？答案：不存在！！
        String s3 = new String("1") + new String("1");//new String("11")
        //在字符串常量池中生成对象"11"，代码顺序换一下，实打实的在字符串常量池里有一个"11"对象
        String s4 = "11";  
        String s5 = s3.intern();

        // s3 是堆中的 "ab" ，s4 是字符串常量池中的 "ab"
        System.out.println(s3 == s4);//false

        // s5 是从字符串常量池中取回来的引用，当然和 s4 相等
        System.out.println(s5 == s4);//true
    }
}

intern()使用总结

总结String的intern()使用：

• 在jdk1.6中，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已有，则不会放入。返回串池中已有的对象的地址
  • 如果没有，会把此对象复制一份（相当于一个新的对象），放入串池，并且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，则不会放入。返回串池中已有的对象的地址值。
  • 如果没有，则会把对象的引用地址复制一份（使用的是之前在堆空间中创建的对象的地址值），放入串池中，并返回串池中的引用地址

intern() 方法的练习（画图即可说明）

练习 1

public class StringExer1 {
    public static void main(String[] args) {

        String s = new String("a") + new String("b");

        // 在上一行代码执行之后,字符串常量池中并没有"ab"
        String s2 = s.intern(); // jdk6中：字符串常量池中创建一个字符串"ab"
        /* jdk8中：串中没有创建字符串"ab",而是创建一个引用,指向new String("ab"),将此引用返回 */

        System.out.println(s2 == "ab"); // jdk6 true  jdk7及以后 true
        System.out.println(s == "ab");  // jdk6 false  jdk7及以后 true


    }
}

JDK6

JDK7/8

练习2

public class StringExer1 {
    public static void main(String[] args) {
        //加一行这个
        String x = "ab";
        String s = new String("a") + new String("b");//new String("ab")

        String s2 = s.intern();

        System.out.println(s2 == "ab");//jdk6:true  jdk8:true
        System.out.println(s == "ab");//jdk6:false  jdk8:true
    }
}

练习3

public class StringExer2 {
    public static void main(String[] args) {
        /* 下面主要是new("ab")和new String("a") + new String("b")的区别,
        前一个会在常量池中生成"ab",后一个不会生成"ab" */
        String s1=new String("ab");
//        String s1 = new String("a") + new String("b");

        s1.intern();
        String s2 = "ab";
        System.out.println(s1 == s2);
    }

}

intern() 的效率测试（空间角度）

/**
 * Created with IntelliJ IDEA.
 * @Author: Amani
 * @Date: 2022/05/28    18:57
 * @Version:1.0
 *
 * 使用intern()测试执行效率：空间使用上
 * 结论：对于程序中大量存在的字符串，尤其是存在很多重复的字符串时，使用intern()可以节省内存空间
 *
 */
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]));
            // 这一种没有在在对空间中创建过多的String，创建完成之后，后期会销毁
            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 (InterruptedException e) {
            e.printStackTrace();
        }
        System.gc();
    }
}

1、直接 new String ：由于每个 String 对象都是 new 出来的，所以程序需要维护大量存放在堆空间中的 String 实例，程序内存占用也会变高

arr[i] = new String(String.valueOf(data[i % data.length]));

• 使用Java VisualVM可以看到字节数和实例数都有减少
  
• 使用JProfiler进行监控
  第一个
  第二个2、使用 intern() 方法：由于数组中字符串的引用都指向字符串常量池中的字符串，所以程序需要维护的 String 对象更少，内存占用也更低

//调用了intern()方法使用了字符串常量池里的字符串，那么前面堆里的字符串便会被GC掉，这也是intern省内存的关键原因
arr[i] = new String(String.valueOf(data[i % data.length])).intern();

结论：

1. 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()方法能够节省很大的内存空间。
2. 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。

StringTable 的垃圾回收

/**
 * Created with IntelliJ IDEA.
 * @Author: Amani
 * @Date: 2022/05/28    19:30
 * @Version:1.0
 * String的垃圾回收:
 * -Xms15m -Xmx15m -XX:+PrintStringTableStatistics -XX:+PrintGCDetails
 * PrintStringTableStatistics这个参数的意思是，打印字符串常量池中的统计信息
 *
 */
public class StringGCTest {
    public static void main(String[] args) {
        for (int j = 0; j < 100000; j++) {
            String.valueOf(j).intern();
        }


    }
}

输出结果：

• 在 PSYoungGen 区发生了垃圾回收
• Number of entries 和 Number of literals 明显没有 100000，说明发生了GC
• 以上两点均说明 StringTable 区发生了垃圾回收

0次到100次的时候1856-1738=118个

G1 中的 String 去重操作

Reduce the Java heap live-data set by enhancing the G1 garbage collector so that duplicate instances of String are automatically and continuously deduplicated.

其实就是就是通过增强 G1 垃圾收集器来减少 Java 堆实时数据集，以便String自动连续删除重复实例。（回收对空间中重复的String对象）

官方文档：http://openjdk.java.net/jeps/192

String去重操作的背景

注意不是字符串常量池的去重操作，字符串常量池本身就没有重复的

1. 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
2. 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：str1.equals(str2)= 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。

String 去重的的实现

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。

命令行选项

1. UseStringDeduplication(bool) ：开启String去重，默认是不开启的，需要手动开启。
2. PrintStringDeduplicationStatistics(bool) ：打印详细的去重统计信息
3. StringDeduplicationAgeThreshold(uintx) ：达到这个年龄的String对象被认为是去重的候选对象