Java9后String的空间优化

3,218 阅读3分钟

前言

据我所知 Java 开发人员几乎任何时候都会想到 String,字符串确实已经成为最常用的类了,而且是大量使用。我们都知道,String 其实是封装了字符,里面必须由字符或字节数组来存放,从 Java9 开始 Java 语言开发者对 String 做了一些空间的优化。

从char到byte

JDK9 之前的库的 String 类的实现使用了 char 数组来存放字符串,char 占用16位,即两字节。

private final char value[];

这种情况下,如果我们要存储字符A,则为0x00 0x41,此时前面的一个字节空间浪费了。但如果保存中文字符则不存在浪费的情况,也就是说如果保存 ISO-8859-1 编码内的字符则浪费,之外的字符则不会浪费。

而 JDK9 后 String 类的实现使用了 byte 数组存放字符串,每个 byte 占用8位,即1字节。

private final byte[] value

编码

String 支持多种编码,但如果不指定编码的话,它可能使用两种编码,分别为 LATIN1 和 UTF16。LATIN1 可能比较陌生,其实就是 ISO-8859-1 编码,属于单字节编码。而 UTF16 为双字节编码,它使用1个或2个16位长的空间存储。

压缩空间

压缩的字符对象主要是在 ISO-8859-1 编码内的字符,比如英语字母数字还有其他常见符号。为了更好理解我们看下图,假如我们有一个“what”字符串,那么如果在 Java9 之前,它的存储是按如下队列排列的,可以看到每个字符都需要16位来存储,而高字节位都为0,这个其实就是浪费了。

这里写图片描述

而在 Java9 后,它的存储的排列则很紧凑了,如下图,只需四个字节即可。

这里写图片描述

但如果是“哈a”,则布局为下图,所以如果字符串中的字符一旦包含了不在 ISO-8859-1 编码内的字符,则同样还是统一使用16位长度来保存。

这里写图片描述

Java9 的 String 默认是使用了上述紧凑的空间布局的,看如下代码,默认将 COMPACT_STRINGS 设置为 true。而如果要取消紧凑的布局可以通过配置 VM 参数-XX:-CompactStrings实现。

static final boolean COMPACT_STRINGS;
static {
    COMPACT_STRINGS = true;
}

字符串长度

因为改变了 String 的实现,使用了 UTF-16 或 LATIN-1 编码,所以内部需要一个标识coder来表示使用了哪种编码,LATIN1 值为0,UTF16 值为1。

private final byte coder;
static final byte LATIN1 = 0;
static final byte UTF16  = 1;

而字符串的长度也与编码相关,计算时通过右移来实现。如果是 LATIN-1 编码,则右移0位,数组长度即为字符串长度。而如果是 UTF16 编码,则右移1位,数组长度的二分之一为字符串长度。

public int length() {
    return value.length >> coder();
}

总结

字符串对象是 Java 中大量使用的对象,而且我们会轻易大量使用它而从不考虑它的代价,所以对其的空间优化是有必要的,Java9 开始对 这能帮助我们减少字符串在堆中占用的空间,而且还能减轻GC压力。同时也能看到该空间优化对中文来说意义不大。

-------------推荐阅读------------

我的2017文章汇总——机器学习篇

我的2017文章汇总——Java及中间件

我的2017文章汇总——深度学习篇

我的2017文章汇总——JDK源码篇

我的2017文章汇总——自然语言处理篇

我的2017文章汇总——Java并发篇


跟我交流,向我提问:

这里写图片描述

公众号的菜单已分为“读书总结”、“分布式”、“机器学习”、“深度学习”、“NLP”、“Java深度”、“Java并发核心”、“JDK源码”、“Tomcat内核”等,可能有一款适合你的胃口。

为什么写《Tomcat内核设计剖析》

欢迎关注:

这里写图片描述