JDK9為何要將String的底層實現由char[]改成了byte[]

更新時間：2022年03月25日 09:43:06 作者：公眾號_IT老哥

String 類的源碼已經由?char[]?優(yōu)化為了?byte[]?來存儲字符串內容，為什么要這樣做呢？本文就詳細的介紹一下，感興趣的可以了解一下

一、為什么要優(yōu)化 String 節(jié)省內存空間

我們使用 jmap -histo:live pid | head -n 10 命令就可以查看到堆內對象示例的統(tǒng)計信息、查看 ClassLoader 的信息以及 finalizer 隊列。

以我正在運行著的編程喵喵項目實例（基于 Java 8）來說，結果是這樣的。

其中 String 對象有 17638 個，占用了 423312 個字節(jié)的內存，排在第三位。

由于 Java 8 的 String 內部實現仍然是 char[]，所以我們可以看到內存占用排在第 1 位的就是 char 數組。

char[] 對象有 17673 個，占用了 1621352 個字節(jié)的內存，排在第一位。

那也就是說優(yōu)化 String 節(jié)省內存空間是非常有必要的，如果是去優(yōu)化一個使用頻率沒有 String 這么高的類庫，就顯得非常的雞肋。

二、byte[] 為什么就能節(jié)省內存空間呢？

眾所周知，char 類型的數據在 JVM 中是占用兩個字節(jié)的，并且使用的是 UTF-8 編碼，其值范圍在 '\u0000'（0）和 '\uffff'（65,535）（包含）之間。

也就是說，使用 char[] 來表示 String 就導致了即使 String 中的字符只用一個字節(jié)就能表示，也得占用兩個字節(jié)。

而實際開發(fā)中，單字節(jié)的字符使用頻率仍然要高于雙字節(jié)的。

當然了，僅僅將 char[] 優(yōu)化為 byte[] 是不夠的，還要配合 Latin-1 的編碼方式，該編碼方式是用單個字節(jié)來表示字符的，這樣就比 UTF-8 編碼節(jié)省了更多的空間。

換句話說，對于：

String name = "jack";

這樣的，使用 Latin-1 編碼，占用 4 個字節(jié)就夠了。

但對于：

String name = "小二";

這種，木的辦法，只能使用 UTF16 來編碼。

針對 JDK 9 的 String 源碼里，為了區(qū)別編碼方式，追加了一個 coder 字段來區(qū)分。

/**  
 * The identifier of the encoding used to encode the bytes in  
 * {@code value}. The supported values in this implementation are  
 *  
 * LATIN1  
 * UTF16  
 *  
 * @implNote This field is trusted by the VM, and is a subject to  
 * constant folding if String instance is constant. Overwriting this  
 * field after construction will cause problems.  
 */  
private final byte coder;

Java 會根據字符串的內容自動設置為相應的編碼，要么 Latin-1 要么 UTF16。

也就是說，從 char[] 到 byte[]，中文是兩個字節(jié)，純英文是一個字節(jié)，在此之前呢，中文是兩個字節(jié)，英文也是兩個字節(jié)。

三、為什么用UTF-16而不用UTF-8呢？

在 UTF-8 中，0-127 號的字符用 1 個字節(jié)來表示，使用和 ASCII 相同的編碼。只有 128 號及以上的字符才用 2 個、3 個或者 4 個字節(jié)來表示。

如果只有一個字節(jié)，那么最高的比特位為 0；
如果有多個字節(jié)，那么第一個字節(jié)從最高位開始，連續(xù)有幾個比特位的值為 1，就使用幾個字節(jié)編碼，剩下的字節(jié)均以 10 開頭。

具體的表現形式為：

0xxxxxxx：一個字節(jié)；
110xxxxx 10xxxxxx：兩個字節(jié)編碼形式（開始兩個 1）；- 1110xxxx 10xxxxxx 10xxxxxx：三字節(jié)編碼形式（開始三個 1）；
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx：四字節(jié)編碼形式（開始四個 1）。

也就是說，UTF-8 是變長的，那對于 String 這種有隨機訪問方法的類來說，就很不方便。所謂的隨機訪問，就是charAt、subString這種方法，隨便指定一個數字，String要能給出結果。如果字符串中的每個字符占用的內存是不定長的，那么進行隨機訪問的時候，就需要從頭開始數每個字符的長度，才能找到你想要的字符。

那有小伙伴可能會問，UTF-16也是變長的呢？一個字符還可能占用 4 個字節(jié)呢？

的確，UTF-16 使用 2 個或者 4 個字節(jié)來存儲字符。

對于 Unicode 編號范圍在 0 ~ FFFF 之間的字符，UTF-16 使用兩個字節(jié)存儲。
對于 Unicode 編號范圍在 10000 ~ 10FFFF 之間的字符，UTF-16 使用四個字節(jié)存儲，具體來說就是：將字符編號的所有比特位分成兩部分，較高的一些比特位用一個值介于 D800DBFF 之間的雙字節(jié)存儲，較低的一些比特位（剩下的比特位）用一個值介于 DC00DFFF 之間的雙字節(jié)存儲。

但是在 Java 中，一個字符（char）就是 2 個字節(jié)，占 4 個字節(jié)的字符，在 Java 里也是用兩個 char 來存儲的，而String的各種操作，都是以Java的字符（char）為單位的，charAt是取得第幾個char，subString取的也是第幾個到第幾個char組成的子串，甚至length返回的都是char的個數。

所以UTF-16在Java的世界里，就可以視為一個定長的編碼。

到此這篇關于JDK9為何要將String的底層實現由char[]改成了byte[]的文章就介紹到這了,更多相關JDK9 char[]改成了byte[]內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: