前言
当你看到这个问题“String长度限制是多少”时是不是感觉很无聊？的确，这就是我第一眼看到时的感觉。
但当深入追踪该问题时，才发现String的长度限制本身的意义并不重要，重要的是在此过程中会将大量知识点串联起来，简直是一个完美的问题。难怪在高阶段的面试中会出现类似的问题。
本篇文章就来带大家追寻String长度的限制，需要提醒读者的是，结论并不重要，重要的是分析的过程，以及涉及到的知识储备。比如，String的底层实现、int类型的范围、《Java虚拟机规范》、Java编译器源码实现等大量知识点。
String源码追踪
要看String类的长度限制，肯定要先从String的源码实现看起，这里就以目前使用最多的JDK8为例来进行说明。JDK9及以后String的底层实现有所变化，大家可参考《JDK9对String字符串的新一轮优化》一文。
我们都知道，String类提供了一个length方法，我们是否可以直接通过这个方法得知String的最大长度？
/**
* Returns the length of this string.
* The length is equal to the number of <a href="Character.html#unicode">Unicode
* code units</a> in the string.
*
* @return the length of the sequence of characters represented by this
* object.
*/
public int length() {
return value.length;
}
这里文档并没有说明最大长度是多少，但我们可以从返回的结果类型得知一些线索。结果类型为int，也就是说int的取值范围便是限制之一。
如果你知道int在正整数部分的取值范围为2^31 -1那很好，如果不知道，可以查看对应的包装类Integer：
public final class Integer extends Number implements Comparable<Integer> {
/**
* A constant holding the minimum value an {@code int} can
* have, -2<sup>31</sup>.
*/
@Native public static final int MIN_VALUE = 0x80000000;
/**
* A constant holding the maximum value an {@code int} can
* have, 2<sup>31</sup>-1.
*/
@Native public static final int MAX_VALUE = 0x7fffffff;
// ...
}
无论MIN_VALUE和MAX_VALUE的值或注释都说明了int的取值范围。此时计算一下String的最大长度应该是：
2^31 - 1 = 2147483647
回到length方法，我们看到length的值是通过是value获得的，而value在JDK8中是以char数组实现的：
public final class String
implements java.io.Serializable, Comparable<String>, CharSequence {
/** The value is used for character storage. */
private final char value[];
// ...
}
Java中内码（运行内存）中的char使用UTF16的方式编码，一个char占用两个字节。所以，还需要从将上面计算的值乘以2。
此时的计算公式为：
2^31-1 =2147483647 个16-bit Unicodecharacter
2147483647 * 2 = 4294967294 (Byte)
4294967294 / 1024 = 4194303.998046875 (KB)
4194303.998046875 / 1024 = 4095.9999980926513671875 (MB)
4095.9999980926513671875 / 1024 = 3.99999999813735485076904296875 (GB)
也就是说最大字符串占用内存空间约等于4GB。但此时，如果你声明一个长度为10万的字符串，你会发现编译器会抛出异常，提示信息如下：
错误: 常量字符串过长
不是说好的21亿吗？怎么10万个就异常了呢？其实这个异常是由编译期的限制决定的。
字符串常量池的编译期限制
了解过JVM虚拟机的朋友肯定知道，当通过字面量进行字符串声明时，在编译之后会以常量的形式进入到Class常量池。
String s = "程序新视界";
而常量池对String的长度是有限制的。常量池中的每一种数据项都有自己的类型。Java中的UTF-8编码的Unicode字符串在常量池中以CONSTANT_Utf8类型表示。
在《Java虚拟机规范》中可以看到对String是通过CONSTANT_String_info来定义的。
[图片上传失败...(image-cf8887-1620222492113)]
可以看到“string_index项的值必须是对常量池的有效索引，常量池在该索引处的项必须是CONSTANT_Utf8_info(§4.4.7)结构”。
继续看对CONSTANT_Utf8_info的定义：
[图片上传失败...(image-a841af-1620222492113)]
length则指明了bytes[]数组的长度，类型为u2。同样是在《Java虚拟机规范》中可以找到对u2的定义：
[图片上传失败...(image-d5f78e-1620222492113)]
u2表示两个字节的无符号数，1个字节有8位，2个字节就有16位。因此，u2可表示的最大值为2^16 - 1= 65535。
到这里，已经得出了第二个限制，也就是Class文件中常量池的格式规定了，其字符串常量的长度不能超过65535。
此时，如果尝试通过字面量声明一个65535长度的字符串：
String s = "8888...8888";//其中有65535万个字符"8"
编译器还会抛出同样的异常。这又是为什么呢？
这个问题我们同样可以从《Java虚拟机规范》（4.7.3节）中找到答案：
[图片上传失败...(image-b9d5f0-1620222492113)]
原来是为了弥补早期设计时的一个bug，“长度刚好65535个字节，且以1个字节长度的指令结束，这条指令不能被异常处理器处理”，因此就将数组的最大长度限制到了65534了。
如果你能够查看JVM中编译器部分的源码，可以在Gen类中看到对此限制的代码实现：
/** Check a constant value and report if it is a string that is
* too large.
*/
private void checkStringConstant(DiagnosticPosition pos, Object constValue) {
if (nerrs != 0 || // only complain about a long string once
constValue == null ||
!(constValue instanceof String) ||
((String)constValue).length() < Pool.MAX_STRING_LENGTH)
return;
log.error(pos, "limit.string");
nerrs++;
}
其中Pool.MAX_STRING_LENGTH的定义如下：
public class Pool {
public static final int MAX_STRING_LENGTH = 0xFFFF;
//...
}
再次尝试声明一个长度为65534的字符串，会发现可以正常编译了。此时，可以得出结论，在编译期字符串的最大长度为65534。
我们知道，Java是区分编译期和运行期的，那么在运行期是否有长度限制呢？
运行期的长度限制
String运行期的限制主要体现在String的构造函数上。String的一个构造函数如下：
public String(char value[], int offset, int count) {
// ...
}
其中参数count就是字符串的最大长度。此时的计算与前面的算法一致，这里先转换为bit，然后再转换为GB：
(2^31-1)*16/8/1024/1024/1024 = 4GB
也就是说，运行时理论上可以支持4GB大小的字符串，超过这个限制就会抛出异常的。JDK9对String的存储进行了优化，底层使用byte数组替代了char数组，对于纯Latin1字符来说可以节省一半的空间。
当然，这个4GB的限制是基于JVM能够分配这么多可用的内存的前提下的。
小结
通过上述的分析，可以得出结论：第一，在编译期字符串的长度不能超过65534；第二，在运行期，字符串的长度不能超过2^31-1，占用内存（4GB）不能超过虚拟机所分配的最大内存。
结论很简单，但本篇文章分析时所使用的知识和思路你学到了吗？如果没有，赶紧补一补吧。
网友评论