一文带你读懂String类源码

String 是日常开发非常频繁的类，此外我们常用的操作还有字符串连接操作符等等。String对象是不可变的，查看JDK文档，我们不难发现String类的每个修改值的方法，其实都是创建了一个新的String对象，以包含修改后的字符串内容。

我们分析String源码，除了要理解它提供的方法是如何被使用，如果结合JVM内存结构的设计思路来一起分析，可以举一反三。

开讲前，我们先回顾下JVM的基本结构。

根据《Java虚拟机规范（Java SE 7版）》。（这章重点是堆、方法区、运行时常量池）

Java虚拟机所管理的内存将会包括以下几个运行时数据区域：

• 程序计数器（Program Counter Register）：当前线程执行的字节码指示器
• Java虚拟机栈（Java Virtual Machine Stacks）：Java方法执行的内存模型，每个方法会创建一个栈帧用于存储局部变量表、操作数栈、动态链接、方法出口等信息
• 本地方法栈（Native Method Stack）：（虚拟机使用到的）本地方法执行的内存模型
• Java堆（Java Heap）：虚拟机启动时创建的内存区域，唯一目的是存放对象实例，处于逻辑连续但物理不连续内存空间中
• 方法区（Method Area）：堆的一个逻辑部分。存储被虚拟机加载的Class信息：类名、访问修饰符、常量池(静态变量/常量)、字段描述、方法描述等数据
• 运行时常量池（Runtime Constant Pool）：方法区的一部分，存放：编译器生成的各种字面值和符号引用，这部分内容会在类加载后进入方法区的运行时常量池中存放

String类

且看JDK8下，String的类源码，我们能对其全貌了解一二了：

public final class String
    implements java.io.Serializable, Comparable<String>, CharSequence{ 
    /** The value is used for character storage. */
    private final char value[];
 }

• final 修饰类名：String 作为不可重写类它保证了线程安全。
• Serializable 实现接口：String 默认支持序列化。
• Comparable<String> 实现接口：String 支持与同类型对象的比较与排序。
• CharSequence 实现接口：String 支持字符标准接口，具备以下行为：length/charAt/subSequence/toString，在jdk8之后，CharSequence 接口默认实现了chars()/codePoints() 方法：返回 String对象的输入流。

另外，JDK9与JDK8的类声明比较也有差异，下面是JDK9的类描述源码部分：

 public final class String
    implements java.io.Serializable, Comparable<String>, CharSequence {
    /** The value is used for character storage. */
    @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;
    static {
        COMPACT_STRINGS = true;
    }
 }

• 在JDK8中：String 底层最终使用字符数组 char[] 来存储字符值；但在JDK9之后，JDK维护者将其改为了 byte[] 数组作为底层存储（究其原因是JDK开发人员调研了成千上万的应用程序的heap dump信息，然后得出结论：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）。
• 在JDK9之后，String 类多了一个成员变量 coder，它代表编码的格式，目前String支持两种编码格式LATIN1和UTF16。LATIN1需要用一个字节来存储。而UTF16需要使用2个字节或者4个字节来存储。 而实际上，JDK对String类的存储优化由来已久了：

String类常用方法列表

String 类(JDK8)提供了很多实用方法，碍于篇幅，这里以列表形式概括总结：

编译器优化字符串拼接

我们看个例子1：

/**
 * <p>"+" 和 "+=" 是Java重载过的操作符，编译器会自动优化引用StringBuilder，更高效</p >
 */
public class Concatenation {
    public static void main(String[] args) {
        String mango = "mango";
        String s = "abc" + mango + "def" + 47;
        System.out.print(s);
    }
}

我们使用javac编译结果：

得出结论：在java文件中，进行字符串拼接时，编译器会帮我们进行一次优化：new一个StringBuilder，再调用append方法对之后拼接的字符串进行连接。低版本的java编译器，是通过不断创建StringBuilder来实现新的字符串拼接。

实际上：

• 字符串拼接从jdk5开始就已经完成了优化，并且没有进行新的优化。
• 我们java循环内的String拼接，在编译器解析之后，都会每次循环中new一个StringBuilder，再调用append方法；这样的弊端是多次循环之后，产生大量的失效对象（即使GC会回收）。
• 我们编写java代码时，如果有循环体的话，好的做法是在循环外声明StringBuilder对象，在循环内进行手动append。这样不论外面循环多少层，编译器优化之后都只有一个StringBuilder对象。

字符串与JVM内存分配

不同版本的JVM的内存分配设计略有差异。当前主流jdk版本是jdk7和jdk8，结合JVM内存分配图，我们可以从底层上剖析字符串在JVM的内存分配流程。

不过首先，我们得捋顺3种常量池的关系和存在：

• 全局字符串常量池（string pool，也做string literal pool）
• class文件常量池（class constant pool）
• 运行时常量池（runtime constant pool）

一、全局字符串常量池（String Pool）-- 位于方法区

全局字符串池里的内容是，string pool中存的是引用值而不是具体的实例对象，具体的实例对象是在堆中开辟的一块空间存放的。 在HotSpot VM里实现的string pool功能的是一个StringTable类，它是一个哈希表，里面存的是驻留字符串(也就是我们常说的用双引号括起来，如"java")的引用，也就是说在堆中的某些字符串实例被这个StringTable引用之后，就等同被赋予了”驻留字符串”的身份。 这个StringTable在每个HotSpot VM的实例只有一份，被所有的类共享。

字符串常量池的作用：为了提高匹配速度，也就是为了更快地查找某个字符串是否在常量池中，Java在设计常量池的时候，还搞了张stringTable，这个有点像我们的hashTable，根据字符串的hashCode定位到对应的桶，然后遍历数组查找该字符串对应的引用。如果找得到字符串，则返回引用，找不到则会把字符串常量放到常量池中，并把引用保存到stringTable了里面。

在JDK7、8中，可以通过-XX:StringTableSize参数StringTable大小

二、class文件常量池（Constant Pool Table）--位于本地

class文件常量池(constant pool table)：用于存放编译器生成的各种字面量(Literal)和符号引用(Symbolic References)。 1、字面量就是我们所说的常量概念，如文本字符串、被声明为final的常量值等。 2、符号引用是一组符号来描述所引用的目标，符号可以是任何形式的字面量，只要使用时能无歧义地定位到目标即可（它与直接引用区分一下，直接引用一般是指向方法区的本地指针，相对偏移量或是一个能间接定位到目标的句柄）。 符号引用一般包括下面三类常量： 2.1、 类和接口的全限定名 2.2、 字段的名称和描述符 2.3、 方法的名称和描述符

常量池是最繁琐的数据，因为下面的14种常量类型各自均有自己的结构，下面仅列出类型列表，每种类型的常量结构可以参考《深入理解Java虚拟机》(P169)。

结合我们以上面例1的类文件为例，看下class文件常量池有以下信息：

三、运行时常量池 -- 与JVM版本相关

运行时常量池，在JVM1.6内存模型中位于方法区，JVM1.7内存模型中位于堆，在JVM1.8内存模型中位于元空间（堆的另一种实现方式）。 而永久代是Hotspot虚拟机特有的概念，是方法区的一种实现，别的JVM都没有这个东西。 字符串常量池和运行时常量池逻辑上属于方法区，但是实际存放在堆内存中，因此既可以说两者存放在堆中，也可以说两则存在于方法区中，这就是造成误解的地方。

• 在Java 6中，方法区中包含的数据，除了JIT编译生成的代码存放在native memory的CodeCache区域，其他都存放在永久代；
• 在Java 7中，Symbol的存储从PermGen移动到了native memory，并且把静态变量从instanceKlass末尾（位于PermGen内）移动到了java.lang.Class对象的末尾（位于普通Java heap内）；
• 在Java 8中，永久代被彻底移除，取而代之的是另一块与堆不相连的本地内存——元空间（Metaspace）；

四、总结字符串的生命周期

总结一下字符串的生命周期（JVM version>= 1.7）： 1、java文件中声明一个字符串常量：“java”； 2、经过编译，“java” 字符串进入到 类文件常量池里； 3、类文件加载到JVM后，“java”字符串会被加载到运行时常量池（保存的是内容）； 4、在JVM启动之后，随着业务进行，对于后续动态生成的字符串，它们通过创建一个对象（new的对象存在于堆，运行时常量池保留的是new的对象的地址，保存的是对象地址）； 5、字符串作为常量长期驻留在JVM内存模型的某个角落，或是永久代，或是元空间；（它们）或许会被GC所回收，或许永远不会被回收，这就取决于不同版本JVM的垃圾回收策略和内存管理算法了。

图解String.intern() 底层原理

String 类的 intern() 方法跟JVM内存模型设计息息相关：

JDK6：intern()方法，会把首次遇到的字符串实例复制到字符串常量池（永久代）中，返回的也是字符串常量池（永久代）中这个字符串实例的引用。

JDK6，常量池和堆是物理隔离的，常量池在永久代分配内存，永久代和Java堆的内存是物理隔离的。 此处的 intern() ，是将在堆上对象存的内容"abc"拷贝到常量池中。

JDK7及之后：intern()方法，如果字符串常量池中已经包含一个等于此String对象的字符串，则返回代表池中这个字符串的String对象，否则将此String对象包含的字符添加到常量池中，并返回此String对象的引用。

JDK7，常量池和堆已经不是物理分割了，字符串常量池已经被转移到了java Heap中了。 此处的 intern() 则是将在堆上的地址引用拷贝到常量池里。

我们得出结论，比较上面两者的差异是：String 的 intern() 方法分别拷贝了堆对象的内容和地址。

我们通过例子2，可以更好理解 intern() 方法的底层原理：

• 我们创建了一个 String 对象，并调用构造器，用字符串字面量初始化它
• 我们创建了一个 String 对象，并调用构造器，用字符数组初始化它

public class TestIntern {
  public static void main(String[] args){
    testIntern();
  }
  private static void testIntern() {
    String x =new String("def");
    String y = x.intern();
    System.out.println(x == y);
    String a =new String(new char[]{'a','b','c'});
    String b = a.intern();
    System.out.println(a == b);
  }
}

（JDK7/8）运行结果：

false
true

如何解析这个运行结果呢？

1）且先看 java文件 的编译结果：

结论：在类文件常量池中，存在字面量“def”，未存在数组 {'a','b','c'} 。也正是因为这个差异，在类加载过程中，前者会首先加载到字符串常量池中，而后者则是在对象创建后，才将拷贝对象的地址信息到字符串常量池。

2）两种初始化方式有何区别？

• 字符串 "def"，编译期后放在类文件常量池，因此会被自动加载到JVM的方法区的常量池内。调用 x.intern() 方法返回的是编译器已经创建好的对象，跟x不是一个对象。所以结果是false。
• 字符数组 new char[]{'a','b','c'}，是动态创建的字符串类，此前并未提前加载到JVM的方法区的常量池内。 因此String对象a创建完成之后，再将该字符串对象的引用拷贝常量池内（a对象的引用），调用 a.intern() 返回的是JVM的方法区的常量池内（a对象的引用）。所以结果是true。

总结

上文我们介绍了String类常用方法列表，结合JVM内存结构和案例分析了3个底层原理，希望大家有所收益：

• 编译器如何优化了字符串的拼接；
• 图解分析字符串与JVM内存分配之间的关系；
• 不同虚拟机版本下，String.intern() 的相同点与不同点。 参考文章：

1. JVM系列-（四）关于常量池中的String： https://zhuanlan.zhihu.com/p/51655449
2. JVM系列之:String.intern和stringTable： https://zhuanlan.zhihu.com/p/163762693
3. 字符串常量池、class常量池和运行时常量池： https://blog.csdn.net/u011552955/article/details/100079685
4. 字符串常量池和运行时常量池是在堆还是在方法区： https://www.cnblogs.com/cosmos-wong/p/12925299.html
5. String类型在JVM中的内存分配： https://www.cnblogs.com/talkingcat/p/13341967.html

—END—