JDK9对String字符串的新一轮优化，不可不知

程序新视界

发布于 2021-03-22 11:23:55

6280

发布于 2021-03-22 11:23:55

文章被收录于专栏：丑胖侠丑胖侠

String类可以说是Java编程中使用最多的类了，如果能对String字符串的性能进行优化，那么程序的性能必然能大幅提升。

这不JDK9就对String字符串进行了改进升级，在某些场景下可以让String字符串内存减少一半，进而减少JVM的GC次数。

String的底层存储

在面试的时候我们通常会说String字符串有不可变的特性，每次都要创建新的字符串。那么，为什么String字符串是不可变的呢？

先来看一下String字符串的底层存储结构：

public final class String
    implements java.io.Serializable, Comparable<String>, CharSequence {
    
    private final char value[];

    public String() {
        this.value = "".value;
    }

    public String(String original) {
        this.value = original.value;
        this.hash = original.hash;
    }
    // ...
}

看到什么了？当我们new一个String对象时，对应的字符串其实是以char数组的形式存储在String对象内部。而这个char数组是final的，也就是说不可变的。

这也就是为什么我们说String字符串拥有不可变的特性，当字符串改变了，char数组不可变，就只能创建一个新的对象，新的char数组了。

底层存储的优化

上面说的情况是JDK8及以前版本，到了JDK9，String中字符串的存储不再用char数组了，改用byte数组。

public final class String
    implements java.io.Serializable, Comparable<String>, CharSequence {

    @Stable
    private final byte[] value;

    private final byte coder;
    
    @Native static final byte LATIN1 = 0;
    @Native static final byte UTF16  = 1;
    
    static final boolean COMPACT_STRINGS;
  
    public String() {
        this.value = "".value;
        this.coder = "".coder;
    }

    @HotSpotIntrinsicCandidate
    public String(String original) {
        this.value = original.value;
        this.coder = original.coder;
        this.hash = original.hash;
    }
    
    // ...
}

不仅将char数组改为byte数组，而且新增了一个coder的成员变量。

在程序中，绝大多数字符串只包含英文字母数字等字符，使用Latin-1编码，一个字符占用一个byte。如果使用char，一个char要占用两个byte，会占用双倍的内存空间。

但是，如果字符串中使用了中文等超出Latin-1表示范围的字符，使用Latin-1就没办法表示了。这时JDK会使用UTF-16编码，那么占用的空间和旧版（使用char[]）是一样的。

coder变量代表编码的格式，目前String支持两种编码格式Latin-1和UTF-16。Latin-1需要用一个字节来存储，而UTF-16需要使用2个字节或者4个字节来存储。

据说这一改进方案是JDK的开发人员用大数据和人工能智能，调研了成千上万的应用程序的heapdump信息后，得出：大部分的String都是以Latin-1字符编码来表示的，只需要一个字节存储就够了，两个字节完全是浪费。

COMPACT_STRINGS属性则是用来控制是否开启String的compact功能。默认情况下是开启的。可以使用-XX:-CompactStrings参数来对此功能进行关闭。