Java虚拟机-String-table

String 的基本特性

String：字符串，使用一对 “” 引起来表示
String s1 = “qweq” ; // 字面量的定义方式
String s2 = new String(“hello”); // new 对象的方式

String 被声明为 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 final char value[]用于存储字符串数据。JDK9 时改为 byte[]

为什么 JDK9 改变了 String 的结构

为什么改为 byte[] 存储？
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（Latin-1）。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，产生了大量浪费。

之前 String 类使用 UTF-16 的 char[] 数组存储，现在改为 byte[] 数组，外加一个编码标识存储。该编码表示如果你的字符是 ISO-8859-1 或者 Latin-1，那么只需要一个字节存。如果你是其它字符集，比如 UTF-8，你仍然用两个字节存。
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
同时基于 String 的数据结构，例如 StringBuffer 和 StringBuilder 也同样做了修改。

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。
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

String 的底层结构

字符串常量池是不会存储相同内容的字符串的

String 的 String Pool（字符串常量池）是一个固定大小的 Hashtable，默认值大小长度是 60013。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()方法时性能会大幅下降。

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 的长度默认值是 60013，StringTable 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=”xy.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

StringTable 为什么要调整？

为什么要调整位置？

1，永久代的默认空间大小比较小
2，永久代垃圾回收频率低，大量的字符串无法及时回收，容易进行 Full GC 产生 STW 或者容易产生 OOM：PermGen Space
堆中空间足够大，字符串可被及时回收

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
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
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。

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

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！

原因：

StringBuilder 的 append()的方式：
自始至终中只创建过一个 StringBuilder 的对象
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）。

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();

intern 是一个 native 方法，调用的是底层 C 的方法

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。（这是源码里的大概翻译）

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 atguigu”).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）

new String(“a”) + new String(“b”)？

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”
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”

可能是 4，5，6 个。

如何保证变量 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 = “shkstart”;//字面量定义的方式
• 方式二： 调用 intern()
• plain String s = new String(“shkstart”).intern();
• plain String s = new StringBuilder(“shkstart”).toString().intern();

对于程序中大量存在存在的字符串，尤其其中存在很多重复字符串时，使用 intern()可以节省内存空间。

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
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

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。
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

G1 中的 String 去重操作

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
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：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

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。