java6,7,8中String.intern进化史与深度剖析

这篇文章将要讨论 Java 6 中是如何实现String.intern方法的，以及这个方法在 Java 7 以及 Java 8 中做了哪些调整。

字符串池

字符串池（有名字符串标准化）是通过使用唯一的共享String对象来使用相同的值不同的地址表示字符串的过程。你可以使用自己定义的Map<String, String>（根据需要使用 weak 引用或者 soft 引用）并使用 map 中的值作为标准值来实现这个目标，或者你也可以使用 JDK 提供的String.intern()。

很多标准禁止在 Java 6 中使用String.intern()因为如果频繁使用池会失去控制，有很大的几率触发OutOfMemoryException。Oracle Java 7 对字符串池做了很多改进，你可以通过以下地址进行了解http://bugs.sun.com/view_bug.do?bug_id=6962931以及http://bugs.sun.com/view_bug.do?bug_id=6962930

Java 6 中的 String.intern()

在美好的过去所有共享的 String 对象都存储在 PermGen 中 — 堆中固定大小的部分主要用于存储加载的类对象和字符串池。除了明确的共享字符串，PermGen 字符串池还包含所有程序中使用过的字符串（这里要注意是使用过的字符串，如果类或者方法从未加载或者被条用，在其中定义的任何常量都不会被加载）

Java 6 中字符串池的最大问题是它的位置 — PermGen。PermGen 的大小是固定的并且在运行时是无法扩展的。你可以使用-XX:MaxPermSize=N配置来调整它的大小。据我了解，对于不同的平台默认的 PermGen 大小在 32M 到 96M 之间。你可以扩展它的大小，不过大小使用都是固定的。这个限制需要你在使用String.intern时需要非常小心 — 你最好不要使用这个方法 intern 任何无法控制的用户输入。这是为什么在 JAVA6 中大部分使用手动管理Map来实现字符串池

Java 7 中的 String.intern()

Java 7 中 Oracle 的工程师对字符串池的逻辑做了很大的改变 — 字符串池的位置被调整到 heap 中了。这意味着你再也不会被固定的内存空间限制了。所有的字符串都保存在堆（heap）中同其他普通对象一样，这使得你在调优应用时仅需要调整堆大小。这 个改动使得我们有足够的理由让我们重新考虑在 Java 7 中使用 String.intern()。

字符串池中的数据会被垃圾收集

没错，在 JVM 字符串池中的所有字符串会被垃圾收集，如果这些值在应用中没有任何引用。这是用于所有版本的 Java，这意味着如果interned 的字符串在作用域外并且没有任何引用 — 它将会从 JVM 的字符串池中被垃圾收集掉。

因为被重新定位到堆中以及会被垃圾收集，JVM 的字符串池看上去是存放字符串的合适位置，是吗？理论上是 — 违背使用的字符串会从池中收集掉，当外部输入一个字符传且池中存在时可以节省内存。看起来是一个完美的节省内存的策略？在你回答这个之前，可以肯定的是你 需要知道字符串池是如何实现的。

在 Java 6，7，8 中 JVM 字符串池的实现

字符串池是使用一个拥有固定容量的HashMap每个元素包含具有相同 hash 值的字符串列表。一些实现的细节可以从 Java bug 报告中获得http://bugs.sun.com/view_bug.do?bug_id=6962930

默认的池大小是 1009 (出现在上面提及的 bug 报告的源码中，在 Java7u40 中增加了)。在 JAVA 6 早期版本中是一个常量，在随后的java6u30 至 java6u41 中调整为可配置的。而在java 7中一开始就是可以配置的（至少在java7u02中是可以配置的）。你需要指定参数-XX:StringTableSize=N, N 是字符串池Map的大小。确保它是为性能调优而预先准备的大小。

在 Java 6 中这个参数没有太多帮助，因为你仍任被限制在固定的 PermGen 内存大小中。后续的讨论将直接忽略 Java 6

Java 7 （直至 Java7u40）

在 Java7 中，换句话说，你被限制在一个更大的堆内存中。这意味着你可以预先设置好 String 池的大小（这个值取决于你的应用程序需求）。通常说来，一旦程序开始内存消耗，内存都是成百兆的增长，在这种情况下，给一个拥有 100 万字符串对象的字符串池分配 8-16M 的内存看起来是比较适合的（不要使用1,000,000 作为-XX:StringTaleSize的值 – 它不是质数；使用1,000,003代替）

你可能期待关于 String 在 Map 中的分配 — 可以阅读我之前关于 HashCode 方法调优的经验。

你必须设置一个更大的-XX:StringTalbeSize值(相比较默认的 1009 ),如果你希望更多的使用 String.intern() — 否则这个方法将很快递减到 0 （池大小）。

我没有注意到在 intern 小于 100 字符的字符串时的依赖情况（我认为在一个包含 50 个重复字符的字符串与现实数据并不相似，因此 100 个字符看上去是一个很好的测试限制）

下面是默认池大小的应用程序日志：第一列是已经 intern 的字符串数量，第二列 intern 10,000 个字符串所有的时间（秒）

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

0; time = 0.0sec 50000; time = 0.03sec 100000; time = 0.073sec 150000; time = 0.13sec 200000; time = 0.196sec 250000; time = 0.279sec 300000; time = 0.376sec 350000; time = 0.471sec 400000; time = 0.574sec 450000; time = 0.666sec 500000; time = 0.755sec 550000; time = 0.854sec 600000; time = 0.916sec 650000; time = 1.006sec 700000; time = 1.095sec 750000; time = 1.273sec 800000; time = 1.248sec 850000; time = 1.446sec 900000; time = 1.585sec 950000; time = 1.635sec 1000000; time = 1.913sec

测试是在 Core i5-3317U@1.7Ghz CPU 设备上进行的。你可以看到，它成线性增长，并且在 JVM 字符串池包含一百万个字符串时，我仍然可以近似每秒intern5000 个字符串，这对于在内存中处理大量数据的应用程序来说太慢了。

现在，调整-XX:StringTableSize=100003参数来重新运行测试：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

50000; time = 0.017sec 100000; time = 0.009sec 150000; time = 0.01sec 200000; time = 0.009sec 250000; time = 0.007sec 300000; time = 0.008sec 350000; time = 0.009sec 400000; time = 0.009sec 450000; time = 0.01sec 500000; time = 0.013sec 550000; time = 0.011sec 600000; time = 0.012sec 650000; time = 0.015sec 700000; time = 0.015sec 750000; time = 0.01sec 800000; time = 0.01sec 850000; time = 0.011sec 900000; time = 0.011sec 950000; time = 0.012sec 1000000; time = 0.012sec

可以看到，这时插入字符串的时间近似于常量（在 Map 的字符串列表中平均字符串个数不超过 10 个），下面是相同设置的结果，不过这次我们将向池中插入 1000 万个字符串（这意味着 Map 中的字符串列表平均包含 100 个字符串）

1 2 3 4 5 6 7 8 9

2000000; time = 0.024sec 3000000; time = 0.028sec 4000000; time = 0.053sec 5000000; time = 0.051sec 6000000; time = 0.034sec 7000000; time = 0.041sec 8000000; time = 0.089sec 9000000; time = 0.111sec 10000000; time = 0.123sec

现在让我们将池的大小增加到 100 万（精确的说是 1,000,003）

1 2 3 4 5 6 7 8 9 10

1000000; time = 0.005sec 2000000; time = 0.005sec 3000000; time = 0.005sec 4000000; time = 0.004sec 5000000; time = 0.004sec 6000000; time = 0.009sec 7000000; time = 0.01sec 8000000; time = 0.009sec 9000000; time = 0.009sec 10000000; time = 0.009sec

如你所看到的,时间非常平均，并且与 “0 到 100万” 的表没有太大差别。甚至在池大小足够大的情况下，我的笔记本也能每秒添加1,000,000个字符对象。

我们还需要手工管理字符串池吗？

现在我们需要对比 JVM 字符串池和WeakHashMap<String, WeakReference<String>>它可以用来模拟 JVM 字符串池。下面的方法用来替换String.intern：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

privatestaticfinal WeakHashMap<String, WeakReference<String>> s_manualCache = newWeakHashMap<String, WeakReference<String>>( 100000); privatestaticString manualIntern( finalString str ) { finalWeakReference<String> cached = s_manualCache.get( str ); if( cached != null) { finalString value = cached.get(); if( value != null) returnvalue; } s_manualCache.put( str, newWeakReference<String>( str ) ); returnstr; }

下面针对手工池的相同测试：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

0; manual time = 0.001sec 50000; manual time = 0.03sec 100000; manual time = 0.034sec 150000; manual time = 0.008sec 200000; manual time = 0.019sec 250000; manual time = 0.011sec 300000; manual time = 0.011sec 350000; manual time = 0.008sec 400000; manual time = 0.027sec 450000; manual time = 0.008sec 500000; manual time = 0.009sec 550000; manual time = 0.008sec 600000; manual time = 0.008sec 650000; manual time = 0.008sec 700000; manual time = 0.008sec 750000; manual time = 0.011sec 800000; manual time = 0.007sec 850000; manual time = 0.008sec 900000; manual time = 0.008sec 950000; manual time = 0.008sec 1000000; manual time = 0.008sec

当 JVM 有足够内存时，手工编写的池提供了良好的性能。不过不幸的是，我的测试（保留String.valueOf(0 < N < 1,000,000,000)）保留非常短的字符串，在使用-Xmx1280M参数时它允许我保留月为 2.5M 的这类字符串。JVM 字符串池 (size=1,000,003）从另一方面讲在 JVM 内存足够时提供了相同的性能特性，知道 JVM 字符串池包含 12.72M 的字符串并消耗掉所有内存（5倍多）。我认为，这非常值得你在你的应用中去掉所有手工字符串池。

在 Java 7u40+ 以及 Java 8 中的 String.intern()

Java7u40 版本扩展了字符串池的大小（这是组要的性能更新）到 60013.这个值允许你在池中包含大约 30000 个独立的字符串。通常来说，这对于需要保存的数据来说已经足够了，你可以通过-XX:+PrintFlagsFinalJVM 参数获得这个值。

我尝试在原始发布的 Java 8 中运行相同的测试，Java 8 仍然支持-XX:StringTableSize参数来兼容 Java 7 特性。主要的区别在于 Java 8 中默认的池大小增加到 60013：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

50000; time = 0.019sec 100000; time = 0.009sec 150000; time = 0.009sec 200000; time = 0.009sec 250000; time = 0.009sec 300000; time = 0.009sec 350000; time = 0.011sec 400000; time = 0.012sec 450000; time = 0.01sec 500000; time = 0.013sec 550000; time = 0.013sec 600000; time = 0.014sec 650000; time = 0.018sec 700000; time = 0.015sec 750000; time = 0.029sec 800000; time = 0.018sec 850000; time = 0.02sec 900000; time = 0.017sec 950000; time = 0.018sec 1000000; time = 0.021sec

测试代码

这篇文章的测试代码很简单，一个方法中循环创建并保留新字符串。你可以测量它保留 10000 个字符串所需要的时间。最好配合-verbose:gcJVM 参数来运行这个测试，这样可以查看垃圾收集是何时以及如何发生的。另外最好使用-Xmx参数来执行堆的最大值。

这里有两个测试：testStringPoolGarbageCollection将显示 JVM 字符串池被垃圾收集 — 检查垃圾收集日志消息。在 Java 6 的默认 PermGen 大小配置上，这个测试会失败，因此最好增加这个值，或者更新测试方法，或者使用 Java 7.

第二个测试显示内存中保留了多少字符串。在 Java 6 中执行需要两个不同的内存配置 比如：-Xmx128M以及-Xmx1280M（10 倍以上）。你可能发现这个值不会影响放入池中字符串的数量。另一方面，在 Java 7 中你能够在堆中填满你的字符串。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90

/** - Testing String.intern. * - Run this class at least with -verbose:gc JVM parameter. */ publicclassInternTest { publicstaticvoid main( String[] args ) { testStringPoolGarbageCollection(); testLongLoop(); } /** - Use this method to see where interned strings are stored - and how many of them can you fit for the given heap size. */ privatestaticvoid testLongLoop() { test(1000*1000*1000); //uncomment the following line to see the hand-written cache performance //testManual( 1000 * 1000 * 1000 ); } /** - Use this method to check that not used interned strings are garbage collected. */ privatestaticvoid testStringPoolGarbageCollection() { //first method call - use it as a reference test(1000*1000); //we are going to clean the cache here. System.gc(); //check the memory consumption and how long does it take to intern strings //in the second method call. test(1000*1000); } privatestaticvoid test( finalintcnt ) { finalList<String> lst = newArrayList<String>(100); longstart = System.currentTimeMillis(); for(inti = 0; i < cnt; ++i ) { finalString str = "Very long test string, which tells you about something " + "very-very important, definitely deserving to be interned #" + i; //uncomment the following line to test dependency from string length // final String str = Integer.toString( i ); lst.add( str.intern() ); if( i % 10000==0) { System.out.println( i + "; time = " + ( System.currentTimeMillis() - start ) / 1000.0+" sec" ); start = System.currentTimeMillis(); } } System.out.println("Total length = " + lst.size() ); } privatestaticfinal WeakHashMap<String, WeakReference<String>> s_manualCache = newWeakHashMap<String, WeakReference<String>>( 100000); privatestaticString manualIntern( finalString str ) { finalWeakReference<String> cached = s_manualCache.get( str ); if( cached != null) { finalString value = cached.get(); if( value != null) returnvalue; } s_manualCache.put( str, newWeakReference<String>( str ) ); returnstr; } privatestaticvoid testManual( finalintcnt ) { finalList<String> lst = newArrayList<String>(100); longstart = System.currentTimeMillis(); for(inti = 0; i < cnt; ++i ) { finalString str = "Very long test string, which tells you about something " + "very-very important, definitely deserving to be interned #" + i; lst.add( manualIntern( str ) ); if( i % 10000==0) { System.out.println( i + "; manual time = " + ( System.currentTimeMillis() - start ) / 1000.0+" sec" ); start = System.currentTimeMillis(); } } System.out.println("Total length = " + lst.size() ); } }

总结

• 由于 Java 6 中使用固定的内存大小（PermGen）因此不要使用String.intern()方法
• Java7 和 8 在堆内存中实现字符串池。这以为这字符串池的内存限制等于应用程序的内存限制。
• 在 Java 7 和 8 中使用-XX:StringTableSize来设置字符串池 Map 的大小。它是固定的，因为它使用HashMap实现。近似于你应用单独的字符串个数（你希望保留的）并且设置池的大小为最接近的质数并乘以 2 （减少碰撞的可能性）。它是的String.intern可以使用相同（固定）的时间并且在每次插入时消耗更小的内存(同样的任务，使用javaWeakHashMap将消耗4-5倍的内存)。
• 在 Java 6 和 7（Java7u40以前） 中-XX:StringTableSize参数的值是 1009。Java7u40 以后这个值调整为 60013 （Java 8 中使用相同的值）
• 如果你不确定字符串池的用量，参考：-XX:+PrintStringTableStatisticsJVM 参数，当你的应用挂掉时它告诉你字符串池的使用量信息。

原文：http://java-performance.info/string-intern-in-java-6-7-8/

译文：http://www.4byte.cn/learning/84930/java-xing-neng-you-hua-shou-ce-ti-gao-java-dai-ma-xing-neng-de-ge-zhong-ji-qiao.html