Eclipse 的字符串分区共享优化机制

　　在 Java/C# 这样基于引用语义处理字符串的语言中，作为不可变对象存在的字符串，如果内容相同，则可以通过某种机制实现重用。因为对这类语言来说，指向内存中两块内存位置不同内容相同的字符串，与同时指向一个字符串并没有任何区别。特别是对大量使用字符串的 XML 文件解析类似场合，这样的优化能够很大程度上降低程序的内存占用，如 SAX 解析引擎标准中就专门定义了一个 http://xml.org/sax/features/string-interning 特性用于字符串重用。

　　在语言层面，Java/C# 中都直接提供了 String.Intern 的支持。而对 Java 来说，实现上的非常类似。由 String.intern 方法，将当前字符串以内容为键，对象引用为值，放入一个全局性的哈希表中。

　　代码:

//
// java/lang/String.java
//

public final class String
{
　//...
　public native String intern(); // 使用 JNI 函数实现以保障效率
}

//
// hotspot/src/share/vm/prims/jvm.cpp
//

JVM_ENTRY(jstring, JVM_InternString(JNIEnv *env, jstring str))
JVMWrapper("JVM_InternString");
if (str == NULL) return NULL;
　oop string = JNIHandles::resolve_non_null(str); // 将引用解析为内部句柄
　oop result = StringTable::intern(string, CHECK_0); // 进行实际的字符串 intern 操作
　return (jstring) JNIHandles::make_local(env, result); // 获取内部句柄的引用
　JVM_END
　//
　// hotspot/src/share/vm/memory/symbolTable.cpp
　//
　oop StringTable::intern(oop string, TRAPS)
　{
　　if (string == NULL) return NULL;
　　ResourceMark rm(THREAD); // 保护线程资源区域
　　int length;
　　Handle h_string (THREAD, string);
　　jchar* chars = java_lang_String::as_unicode_string(string, length); // 获取实际字符串内容
　　oop result = intern(h_string, chars, length, CHECK_0); // 完成字符串 intern 操作
　　return result;
　}
　oop StringTable::intern(Handle string_or_null, jchar* name, int len, TRAPS)
　{
　　int hashValue = hash_string(name, len); // 首先根据字符串内容计算哈希值
　　stringTableBucket* bucket = bucketFor(hashValue); // 根据哈希值获取目标容器
　　oop string = bucket->lookup(name, len); // 然后检测字符串是否已经存在
　　// Found
　　if (string != NULL) return string;
　　// Otherwise, add to symbol to table
　　return basic_add(string_or_null, name, len, hashValue, CHECK_0); // 将字符串放入哈希表
　}

　　对全局字符串表中的字符串，是没有办法显式手动清除的。只能在不使用此字符串后，由垃圾回收线程在进行不可达对象标记时进行分析，并最终调用 StringTable::unlink 方法去遍历清除。

　　代码：

//
// hotspot/src/share/vm/memory/genMarkSweep.cpp
//

void GenMarkSweep::mark_sweep_phase1(...)
{
　//...
　StringTable::unlink();
}

//
// hotspot/src/share/vm/memory/symbolTable.cpp
//

void StringTable::unlink() {
　// Readers of the string table are unlocked, so we should only be
　// removing entries at a safepoint.
　assert(SafepointSynchronize::is_at_safepoint(), "must be at safepoint")
　for (stringTableBucket* bucket = firstBucket(); bucket <= lastBucket(); bucket++) {
　　for (stringTableEntry** p = bucket->entry_addr(); *p != NULL;) {
　　　stringTableEntry* entry = *p;
　　　assert(entry->literal_string() != NULL, "just checking");
　　　if (entry->literal_string()->is_gc_marked()) { // 字符串对象是否可达
　　　　// Is this one of calls those necessary only for verification? (DLD)
　　　　entry->oops_do(&MarkSweep::follow_root_closure);
　　　　p = entry->next_addr();
　　　} else { // 如不可达则将其内存块回收到内存池中
　　　　*p = entry->next();
　　　　entry->set_next(free_list);
　　　　free_list = entry;
　　　}
　　}
　}
}

　　通过上面的代码，我们可以直观了解到，对 JVM (Sun JDK 1.4.2) 来说，String.intern 提供的是全局性的基于哈希表的共享支持。这样的实现虽然简单，并能够在最大限度上进行字符串共享;但同时也存在共享粒度太大，优化效果无法度量，大量字符串可能导致全局字符串表性能降低等问题。

　　为此 Eclipse 舍弃了 JVM 一级的字符串共享优化机制，而通过提供细粒度、完全可控、可测量的字符串分区共享优化机制，一定程度上缓解此问题。Eclipse 核心的 IStringPoolParticipant 接口由使用者显式实现，在其 shareStrings 方法中提交需要共享的字符串。

　　代码:

//
// org.eclipse.core.runtime.IStringPoolParticipant
//

public interface IStringPoolParticipant {
　/**
　* Instructs this participant to share its strings in the provided
　* pool.
　*/
　public void shareStrings(StringPool pool);
}

　　例如 MarkerInfo 类型实现了 IStringPoolParticipant 接口，在其 shareStrings 方法中，提交自己需要共享的字符串 type，并通知其下级节点进行相应的提交。

　　代码:

//
// org.eclipse.core.internal.resources.MarkerInfo
//

public class MarkerInfo implements ..., IStringPoolParticipant
{
　public void shareStrings(StringPool set) {
　　type = set.add(type);
　　Map map = attributes;
　　if (map instanceof IStringPoolParticipant)
　　((IStringPoolParticipant) map).shareStrings(set);
　}
}

　　这样一来，只要一个对象树各级节点选择性实现 IStringPoolParticipant 接口，就可以一次性将所有需要共享的字符串，通过递归提交到一个字符串缓冲池中进行复用优化。如 Workspace 就是这样一个字符串共享根入口，其 open 方法在完成工作区打开操作后，将需要进行字符串共享优化的缓存管理对象，加入到全局字符串缓冲区分区优化列表中。

　　代码:

//
// org.eclipse.core.internal.resources
//

public class Workspace ...
{
　protected SaveManager saveManager;
　public IStatus open(IProgressMonitor monitor) throws CoreException
　{
　　// 打开工作空间
　　// 最终注册一个新的字符串缓冲池分区
　　InternalPlatform.getDefault().addStringPoolParticipant(saveManager, getRoot());
　　return Status.OK_STATUS;
　}
}

　　在 Java/C# 这样基于引用语义处理字符串的语言中，作为不可变对象存在的字符串，如果内容相同，则可以通过某种机制实现重用。因为对这类语言来说，指向内存中两块内存位置不同内容相同的字符串，与同时指向一个字符串并没有任何区别。特别是对大量使用字符串的 XML 文件解析类似场合，这样的优化能够很大程度上降低程序的内存占用，如 SAX 解析引擎标准中就专门定义了一个 http://xml.org/sax/features/string-interning 特性用于字符串重用。

　　在语言层面，Java/C# 中都直接提供了 String.Intern 的支持。而对 Java 来说，实现上的非常类似。由 String.intern 方法，将当前字符串以内容为键，对象引用为值，放入一个全局性的哈希表中。

　　代码:

//
// java/lang/String.java
//

public final class String
{
　//...
　public native String intern(); // 使用 JNI 函数实现以保障效率
}

//
// hotspot/src/share/vm/prims/jvm.cpp
//

JVM_ENTRY(jstring, JVM_InternString(JNIEnv *env, jstring str))
JVMWrapper("JVM_InternString");
if (str == NULL) return NULL;
　oop string = JNIHandles::resolve_non_null(str); // 将引用解析为内部句柄
　oop result = StringTable::intern(string, CHECK_0); // 进行实际的字符串 intern 操作
　return (jstring) JNIHandles::make_local(env, result); // 获取内部句柄的引用
　JVM_END
　//
　// hotspot/src/share/vm/memory/symbolTable.cpp
　//
　oop StringTable::intern(oop string, TRAPS)
　{
　　if (string == NULL) return NULL;
　　ResourceMark rm(THREAD); // 保护线程资源区域
　　int length;
　　Handle h_string (THREAD, string);
　　jchar* chars = java_lang_String::as_unicode_string(string, length); // 获取实际字符串内容
　　oop result = intern(h_string, chars, length, CHECK_0); // 完成字符串 intern 操作
　　return result;
　}
　oop StringTable::intern(Handle string_or_null, jchar* name, int len, TRAPS)
　{
　　int hashValue = hash_string(name, len); // 首先根据字符串内容计算哈希值
　　stringTableBucket* bucket = bucketFor(hashValue); // 根据哈希值获取目标容器
　　oop string = bucket->lookup(name, len); // 然后检测字符串是否已经存在
　　// Found
　　if (string != NULL) return string;
　　// Otherwise, add to symbol to table
　　return basic_add(string_or_null, name, len, hashValue, CHECK_0); // 将字符串放入哈希表
　}

　　对全局字符串表中的字符串，是没有办法显式手动清除的。只能在不使用此字符串后，由垃圾回收线程在进行不可达对象标记时进行分析，并最终调用 StringTable::unlink 方法去遍历清除。

　　代码：

//
// hotspot/src/share/vm/memory/genMarkSweep.cpp
//

void GenMarkSweep::mark_sweep_phase1(...)
{
　//...
　StringTable::unlink();
}

//
// hotspot/src/share/vm/memory/symbolTable.cpp
//

void StringTable::unlink() {
　// Readers of the string table are unlocked, so we should only be
　// removing entries at a safepoint.
　assert(SafepointSynchronize::is_at_safepoint(), "must be at safepoint")
　for (stringTableBucket* bucket = firstBucket(); bucket <= lastBucket(); bucket++) {
　　for (stringTableEntry** p = bucket->entry_addr(); *p != NULL;) {
　　　stringTableEntry* entry = *p;
　　　assert(entry->literal_string() != NULL, "just checking");
　　　if (entry->literal_string()->is_gc_marked()) { // 字符串对象是否可达
　　　　// Is this one of calls those necessary only for verification? (DLD)
　　　　entry->oops_do(&MarkSweep::follow_root_closure);
　　　　p = entry->next_addr();
　　　} else { // 如不可达则将其内存块回收到内存池中
　　　　*p = entry->next();
　　　　entry->set_next(free_list);
　　　　free_list = entry;
　　　}
　　}
　}
}

　　通过上面的代码，我们可以直观了解到，对 JVM (Sun JDK 1.4.2) 来说，String.intern 提供的是全局性的基于哈希表的共享支持。这样的实现虽然简单，并能够在最大限度上进行字符串共享;但同时也存在共享粒度太大，优化效果无法度量，大量字符串可能导致全局字符串表性能降低等问题。

　　为此 Eclipse 舍弃了 JVM 一级的字符串共享优化机制，而通过提供细粒度、完全可控、可测量的字符串分区共享优化机制，一定程度上缓解此问题。Eclipse 核心的 IStringPoolParticipant 接口由使用者显式实现，在其 shareStrings 方法中提交需要共享的字符串。

　　代码:

//
// org.eclipse.core.runtime.IStringPoolParticipant
//

public interface IStringPoolParticipant {
　/**
　* Instructs this participant to share its strings in the provided
　* pool.
　*/
　public void shareStrings(StringPool pool);
}

　　例如 MarkerInfo 类型实现了 IStringPoolParticipant 接口，在其 shareStrings 方法中，提交自己需要共享的字符串 type，并通知其下级节点进行相应的提交。

　　代码:

//
// org.eclipse.core.internal.resources.MarkerInfo
//

public class MarkerInfo implements ..., IStringPoolParticipant
{
　public void shareStrings(StringPool set) {
　　type = set.add(type);
　　Map map = attributes;
　　if (map instanceof IStringPoolParticipant)
　　((IStringPoolParticipant) map).shareStrings(set);
　}
}

　　这样一来，只要一个对象树各级节点选择性实现 IStringPoolParticipant 接口，就可以一次性将所有需要共享的字符串，通过递归提交到一个字符串缓冲池中进行复用优化。如 Workspace 就是这样一个字符串共享根入口，其 open 方法在完成工作区打开操作后，将需要进行字符串共享优化的缓存管理对象，加入到全局字符串缓冲区分区优化列表中。

　　代码:

//
// org.eclipse.core.internal.resources
//

public class Workspace ...
{
　protected SaveManager saveManager;
　public IStatus open(IProgressMonitor monitor) throws CoreException
　{
　　// 打开工作空间
　　// 最终注册一个新的字符串缓冲池分区
　　InternalPlatform.getDefault().addStringPoolParticipant(saveManager, getRoot());
　　return Status.OK_STATUS;
　}