系统优化专题2——String

字符串性能优化

String对象是我们使用最频繁的一个对象类型，但它的性能问题却是最容易被忽略的。String对象作为Java语言中重要的数据类型，可以说是在内存中占据空间最大的一个对象。高效地使用字符串，可以提升系统的整体性能。

我们从String对象的实现、特性以及实际使用中的优化这三个方面入手，深入了解。

先看如下代码，创建3个对象，依次两两匹配，每组的结果是否相等？

String str1 = "abc";
String str2 = new String("abc");
String str3 = str2.intern();
asserSame(str1 == str2);
asserSame(str2 == str3);
asserSame(str1 == str3);

String对象是如何实现的？

在Java语言中，对String对象做了大量优化，来节约内存空间，提升String对象在系统中的性能，优化过程如图所示：

image.png

• 在Java6及之前版本中，String对象是对char数组进行封装实现的对象，主要有四个成员变量：char数组、偏移量offset、字符数量count、哈希值hash。String对象通过offset和count 两个属性来定位char[]数组，获取字符串。这样做可以高效、快速地共享数组对象，同时节省内存空间，但这种方式很有可能会导致内存泄漏。
• Java7版本和Java8版本，Java对String类做了一些改变。String类中不再有offset和count两个变量了。这样做的好处是String对象占用的内存减少了，同时String.substring()方法不再共享原对象的char[]，从而解决了使用该方法可能导致的内存泄露问题。
• 从Java9开始，Java将char[]改为了byte[]字段，维护了新的属性coder，它是一个编码格式的标识。我们知道一个char字符占16位，2个字节。这个情况下，存储单字节编码内的字符就显得非常浪费。JDK9的String类为了节约内存空间，使用了占8位，一个字节的byte数组来存放字符串。新属性coder的作用是，在计算字符串长度或者使用indexOf()函数时，需要根据这个字段，判断如何计算字符串长度。coder属性默认0或1，0代表Latin-1单字节，1代表UTF-16。如果String判断字符串只含有Latin-1则coder等于0否则等于1。

String对象的不可变性

观察源码可以知道，String类是被final关键字修饰的，并且变量char[]也被final修饰了。我们知道被final修饰的类不可继承，变量被final+private修饰就不可更改。Java实现的这个特性叫做String对象的不可变性，即String对象一旦创建成功，就不能修改。这样做有什么好处呢？

1. 保证了String对象的安全性。保证不会被恶意修改。
2. 保证hash属性值不会频繁变更，使得类似HashMap容器能实现key-value缓存。
3. 能够实现字符串常量池，当代码使用String str = "abc"; 创建对象时，JVM首先会检查该对象是否在字符串常量池中，如果在，则返回其引用，否则在常量池中被创建，这种实现可以减少相同对象的重复创建，节约内存。当使用String str = new String("abc");创建对象时，首先在编译类文件时，会将"abc"常量放到常量结构中，在类加载时，"abc"会在常量池中创建；其次，在调用new时，JVM将会调用String的构造函数，同时引用常量池的"abc"，在堆中创建一个String对象；最后str会引用String对象。
   而我们平时的使用中会发现，String str="abc";str="bcd";这样的语句，这里str是可变的。其实，这里的str只是对String对象的引用，原来的对象仍旧存在于内存中。

String对象的优化

接下来我们根据String对象的特性，看看如何优化String对象，优化的过程中有什么需要注意的地方。

1. 构建超大字符串

   String str = "a"+"b"+"c";
   

   对于上面的代码，我们知道，JVM首先会生成a、b、c三个对象，最后生成abc对象，理论上来讲这样的代码效率会很低。但在实际运行中，我们就会发现，编译器自动将这条语句优化为

   String str = "abc";
   

   上述代码是字符串常量的累加，那么对于字符串变量，编译器是否会进行同样的优化呢？
   对于

   String str="abc";
   for(int i=0;i<100;i++){
        str+=i;
   }
   

   这段代码，编译器同样会进行优化，优化的结果是这样的

   String str="abc";
   for(int i=0;i<100;i++){
        str=(new StringBuilder(String.valueOf(str))).append(i).toString();
   }
   

   综上，即使使用+进行字符串拼接，也同样会被编译器优化为StringBuilder方式，但我们发现，编译器的优化，每次循环就会创建一个新的StringBuilder对象，同样会降低系统性能。所以，平时进行字符串拼接的时候，建议显式使用StringBuilder提升系统性能。在多线程编程中String对象的拼接涉及到线程安全，我们可以使用StringBuffer，但是StringBuffer涉及到锁竞争，所以从性能上来说，要比StringBuilder差一些。

2. 使用String.intern节省内存，每次赋值时使用String的intern方法，可以大幅度降低重复信息的内存占用率。调用intern方法，JVM回去检查字符串常量池中是否有等于该对象的字符串的引用，如果没有，在JDK1.6中会复制堆内存中的字符串到常量池中，并返回引用，堆内存中的字符串会通过垃圾回收器回收。在JDK1.7后，常量池合并到堆中，不需要再复制字符串，只会把首次遇到的字符串的引用添加到常量池中；如果有，就返回引用。

   
   image.png

   使用intern方法需要注意，一定要结合场景。常量池是类似HashTable的实现，存储的数据越大，遍历的时间复杂度越大，数据如果过大，会增大字符串常量池的负担。

3. 谨慎选择字符串分割，Split()作为分割字符串的方法，其内部是使用正则表达式来实现的，会出现回溯的风险，建议使用indexOf方法代替Split方法完成分割。如果一定要使用Split方法，就需要对回溯问题加以重视。