Java String 對象，你真的了解了嗎？

  • 2019 年 10 月 3 日
  • 筆記

String 對象的實現

String對象是 Java 中使用最頻繁的對象之一，所以 Java 公司也在不斷的對String對象的實現進行優化，以便提升String對象的性能，看下面這張圖，一起了解一下String對象的優化過程。

1. 在 Java6 以及之前的版本中

String對象是對 char 數組進行了封裝實現的對象，主要有四個成員變量： char 數組、偏移量 offset、字符數量 count、哈希值 hash。

String對象是通過 offset 和 count 兩個屬性來定位 char[] 數組，獲取字符串。這麼做可以高效、快速地共享數組對象，同時節省內存空間，但這種方式很有可能會導致內存泄漏。

2. 從 Java7 版本開始到 Java8 版本

從 Java7 版本開始,Java 對String類做了一些改變。String類中不再有 offset 和 count 兩個變量了。這樣的好處是String對象佔用的內存稍微少了些，同時 String.substring 方法也不再共享 char[]，從而解決了使用該方法可能導致的內存泄漏問題。

3. 從 Java9 版本開始

將 char[] 數組改為了 byte[] 數組，為什麼需要這樣做呢？我們知道 char 是兩個位元組，如果用來存一個位元組的字符有點浪費，為了節約空間，Java 公司就改成了一個位元組的byte來存儲字符串。這樣在存儲一個位元組的字符是就避免了浪費。

在 Java9 維護了一個新的屬性 coder，它是編碼格式的標識，在計算字符串長度或者調用 indexOf() 函數時，需要根據這個字段，判斷如何計算字符串長度。coder 屬性默認有 0 和 1 兩個值， 0 代表Latin-1（單位元組編碼），1 代表 UTF-16 編碼。如果 String判斷字符串只包含了 Latin-1，則 coder 屬性值為 0 ，反之則為 1。

String 對象的創建方式

1、通過字符串常量的方式

String str= "pingtouge"的形式，使用這種形式創建字符串時， JVM 會在字符串常量池中先檢查是否存在該對象，如果存在，返回該對象的引用地址，如果不存在，則在字符串常量池中創建該字符串對象並且返回引用。使用這種方式創建的好處是：避免了相同值的字符串重複創建，節約了內存

2、String()構造函數的方式

String str = new String("pingtouge")的形式，使用這種方式創建字符串對象過程就比較複雜，分成兩個階段，首先在編譯時，字符串pingtouge會被加入到常量結構中，類加載時候就會在常量池中創建該字符串。然後就是在調用new()時，JVM 將會調用String的構造函數，同時引用常量池中的pingtouge字符串，
在堆內存中創建一個String對象並且返回堆中的引用地址。

了解了String對象兩種創建方式，我們來分析一下下面這段代碼，加深我們對這兩種方式的理解，下面這段代碼片中，str是否等於str1呢？

  String str = "pingtouge";    String str1 = new String("pingtouge");    system.out.println(str==str1)

我們逐一來分析這幾行代碼，首先從String str = "pingtouge"開始，這裡使用了字符串常量的方式創建字符串對象，在創建pingtouge字符串對象時，JVM會去常量池中查找是否存在該字符串，這裡的答案肯定是沒有的，所以JVM將會在常量池中創建該字符串對象並且返回對象的地址引用，所以str指向的是pingtouge字符串對象在常量池中的地址引用。

然後是String str1 = new String("pingtouge")這行代碼，這裡使用的是構造函數的方式創建字符串對象，根據我們上面對構造函數方式創建字符串對象的理解，str1得到的應該是堆中pingtouge字符串的引用地址。由於str指向的是pingtouge字符串對象在常量池中的地址引用而str1指向的是堆中pingtouge字符串的引用地址，所以str肯定不等於str1。

String 對象的不可變性

從我們知道String對象的那一刻起，我想大家都知道了String對象是不可變的。那它不可變是怎麼做到的呢？Java 這麼做能帶來哪些好處？我們一起來簡單的探討一下，先來看看String 對象的一段源碼：

public final class String      implements java.io.Serializable, Comparable<String>, CharSequence {      /** The value is used for character storage. */      private final char value[];        /** Cache the hash code for the string */      private int hash; // Default to 0        /** use serialVersionUID from JDK 1.0.2 for interoperability */      private static final long serialVersionUID = -6849794470754667710L;      }

從這段源碼中可以看出，String類用了 final 修飾符，我們知道當一個類被 final 修飾時，表明這個類不能被繼承，所以String類不能被繼承。這是String不可變的第一點

再往下看，用來存儲字符串的char value[]數組被private 和final修飾，我們知道對於一個被final的基本數據類型的變量，則其數值一旦在初始化之後便不能更改。這是String不可變的第二點。

Java 公司為什麼要將String設置成不可變的，主要從以下三方面考慮：

  • 1、保證 String 對象的安全性。假設 String 對象是可變的，那麼 String 對象將可能被惡意修改。
  • 2、保證 hash 屬性值不會頻繁變更，確保了唯一性，使得類似 HashMap 容器才能實現相應的 key-value 緩存功能。
  • 3、可以實現字符串常量池

String 對象的優化

字符串是我們常用的Java類型之一，所以對字符串的操作也是避免不了的，在對字符串的操作過程中，如果使用不當，性能會天差地別。那麼在字符串的操作過程中，有哪些地方需要我們注意呢？

優雅的拼接字符串

字符串的拼接是對字符串操作使用最頻繁的操作之一，由於我們知道String對象的不可變性，所以我們在做拼接時儘可能少的使用+進行字符串拼接或者說潛意識裡認為不能使用+進行字符串拼接，認為使用+進行字符串拼接會產生許多無用的對象。事實真的是這樣嗎？我們來做一個實驗。我們使用+來拼接下面這段字符串。

String str8 = "ping" +"tou"+"ge";

一起來分析一下這段代碼會產生多少個對象？如果按照我們理解的意思來分析的話，首先會創建ping對象，然後創建pingtou對象，最後才會創建pingtouge對象，一共創建了三個對象。真的是這樣嗎？其實不是這樣的，Java 公司怕我們程序員手誤，所以對編譯器進行了優化，上面的這段字符串拼接會被我們的編譯器優化，優化成一個String str8 = "pingtouge";對象。除了對常量字符串拼接做了優化以外，對於使用+號動態拼接字符串，編譯器也做了相應的優化，以便提升String的性能，例如下面這段代碼：

String str = "pingtouge";    for(int i=0; i<1000; i++) {        str = str + i;  }

編譯器會幫我們優化成這樣

  String str = "pingtouge";    for(int i=0; i<1000; i++) {                str = (new StringBuilder(String.valueOf(str))).append(i).toString();  }

可以看出 Java 公司對這一塊進行了不少的優化，防止由於程序員不小心導致String性能急速下降，儘管 Java 公司在編譯器這一塊做了相應的優化，但是我們還是能看出 Java 公司優化的不足之處，在動態拼接字符串時，雖然使用了 StringBuilder 進行字符串拼接，但是每次循環都會生成一個新的 StringBuilder 實例，同樣也會降低系統的性能。

所以我們在做字符串拼接時，我們需要從代碼的層面進行優化，在動態的拼接字符串時，如果不涉及到線程安全的情況下，我們顯示的使用 StringBuilder 進行拼接，提升系統性能，如果涉及到線程安全的話，我們使用 StringBuffer 來進行字符串拼接

巧妙的使用 intern() 方法

     * <p>       * When the intern method is invoked, if the pool already contains a       * string equal to this {@code String} object as determined by       * the {@link #equals(Object)} method, then the string from the pool is       * returned. Otherwise, this {@code String} object is added to the       * pool and a reference to this {@code String} object is returned.       * <p>       public native String intern();

這是 intern() 函數的官方注釋說明，大概意思就是 intern 函數用來返回常量池中的某字符串，如果常量池中已經存在該字符串，則直接返回常量池中該對象的引用。否則，在常量池中加入該對象，然後 返回引用。

有一位Twitter工程師在QCon全球軟件開發大會上分享了一個他們對 String對象優化的案例，他們利用String.intern()方法將以前需要20G內存存儲優化到只需要幾百兆內存。這足以體現String.intern()的威力，我們一起來看一個例子，簡單的了解一下String.intern()的用法。

    public static void main(String[] args) {          String str = new String("pingtouge");          String str1 = new String("pingtouge");          System.out.println("未使用intern()方法："+(str==str1));          System.out.println("未使用intern()方法,str："+str);          System.out.println("未使用intern()方法,str1："+str1);            String str2= new String("pingtouge").intern();          String str3 = new String("pingtouge").intern();          System.out.println("使用intern()方法："+(str2==str3));          System.out.println("使用intern()方法,str2："+str2);          System.out.println("使用intern()方法,str3："+str3);        }


從結果中可以看出，未使用String.intern()方法時，構造相同值的字符串對象返回不同的對象引用地址，使用String.intern()方法後，構造相同值的字符串對象時，返回相同的對象引用地址。這能幫我們節約不少空間

String.intern()方法雖然好，但是我們要結合場景使用，不能亂用，因為常量池的實現是類似於一個HashTable的實現方式，HashTable 存儲的數據越大，遍歷的時間複雜度就會增加。如果數據過大，會增加整個字符串常量池的負擔。

靈活的字符串的分割

字符串的分割是字符串操作的常用操作之一，對於字符串的分割，大部分人使用的都是 Split() 方法，Split() 方法大多數情況下使用的是正則表達式，這種分割方式本身沒有什麼問題，但是由於正則表達式的性能是非常不穩定的，使用不恰當會引起回溯問題，很可能導致 CPU 居高不下。在以下兩種情況下 Split() 方法不會使用正則表達式：

  • 傳入的參數長度為1，且不包含「.$|()[{^?*+」regex元字符的情況下，不會使用正則表達式
  • 傳入的參數長度為2，第一個字符是反斜杠，並且第二個字符不是ASCII數字或ASCII字母的情況下，不會使用正則表達式

所以我們在字符串分割時，應該慎重使用 Split() 方法，首先考慮使用 String.indexOf() 方法進行字符串分割，如果 String.indexOf() 無法滿足分割要求，再使用 Split() 方法，使用 Split() 方法分割字符串時，需要注意回溯問題。

文章不足之處，望大家多多指點，共同學習，共同進步

參考資料

  • Java性能調優實戰 劉超

最後

打個小廣告，歡迎掃碼關注微信公眾號：「平頭哥的技術博文」，一起進步吧。
平頭哥的技術博文

VirMach 便宜 VPS

QNews

QNews