Java中字符串去重的特性介紹

更新時間：2015年07月10日 10:18:36 投稿：goldensun

這篇文章主要介紹了Java中字符串去重的特性,是Java8中引入的一個新特性,至于是否真的用起來順手就見仁見智了...需要的朋友可以參考下

字符串在任何應用中都占用了大量的內存。尤其數包含獨立UTF-16字符的char[]數組對JVM內存的消耗貢獻最多——因為每個字符占用2位。

內存的30%被字符串消耗其實是很常見的，不僅是因為字符串是與我們互動的最好的格式，而且是由于流行的HTTP API使用了大量的字符串。使用Java 8 Update 20，我們現在可以接觸到一個新特性，叫做字符串去重，該特性需要G1垃圾回收器，該垃圾回收器默認是被關閉的。

字符串去重利用了字符串內部實際是char數組，并且是final的特性，所以JVM可以任意的操縱他們。

對于字符串去重，開發(fā)者考慮了大量的策略，但最終的實現采用了下面的方式：

無論何時垃圾回收器訪問了String對象，它會對char數組進行一個標記。它獲取char數組的hash value并把它和一個對數組的弱引用存在一起。只要垃圾回收器發(fā)現另一個字符串，而這個字符串和char數組具有相同的hash code，那么就會對兩者進行一個字符一個字符的比對。

如果他們恰好匹配，那么一個字符串就會被修改，指向第二個字符串的char數組。第一個char數組就不再被引用，也就可以被回收了。

這整個過程當然帶來了一些開銷，但是被很緊實的上限控制了。例如，如果一個字符未發(fā)現有重復，那么一段時間之內，它會不再被檢查。

那么該特性實際上是怎么工作的呢？首先，你需要剛剛發(fā)布的Java 8 Update 20，然后按照這個配置: -Xmx256m -XX:+UseG1GC 去運行下列的代碼:

public class LotsOfStrings {
 
 private static final LinkedList<String> LOTS_OF_STRINGS = new LinkedList<>();
 
 public static void main(String[] args) throws Exception {
  int iteration = 0;
  while (true) {
   for (int i = 0; i < 100; i++) {
    for (int j = 0; j < 1000; j++) {
     LOTS_OF_STRINGS.add(new String("String " + j));
    }
   }
   iteration++;
   System.out.println("Survived Iteration: " + iteration);
   Thread.sleep(100);
  }
 }
}

這段代碼會執(zhí)行30個迭代之后報OutOfMemoryError。

現在，開啟字符串去重，使用如下配置去跑上述代碼：

-Xmx256m -XX:+UseG1GC -XX:+UseStringDeduplication -XX:+PrintStringDeduplicationStatistics

此時它已經可以運行更長的時間，而且在50個迭代之后才終止。

JVM現在同樣打印出了它做了什么，讓我們一起看一下：

[GC concurrent-string-deduplication, 4658.2K->0.0B(4658.2K), avg 99.6%, 0.0165023 secs]
  [Last Exec: 0.0165023 secs, Idle: 0.0953764 secs, Blocked: 0/0.0000000 secs]
   [Inspected:     119538]
     [Skipped:       0( 0.0%)]
     [Hashed:     119538(100.0%)]
     [Known:        0( 0.0%)]
     [New:       119538(100.0%)  4658.2K]
   [Deduplicated:    119538(100.0%)  4658.2K(100.0%)]
     [Young:       372( 0.3%)   14.5K( 0.3%)]
     [Old:       119166( 99.7%)  4643.8K( 99.7%)]
  [Total Exec: 4/0.0802259 secs, Idle: 4/0.6491928 secs, Blocked: 0/0.0000000 secs]
   [Inspected:     557503]
     [Skipped:       0( 0.0%)]
     [Hashed:     556191( 99.8%)]
     [Known:       903( 0.2%)]
     [New:       556600( 99.8%)   21.2M]
   [Deduplicated:    554727( 99.7%)   21.1M( 99.6%)]
     [Young:       1101( 0.2%)   43.0K( 0.2%)]
     [Old:       553626( 99.8%)   21.1M( 99.8%)]
  [Table]
   [Memory Usage: 81.1K]
   [Size: 2048, Min: 1024, Max: 16777216]
   [Entries: 2776, Load: 135.5%, Cached: 0, Added: 2776, Removed: 0]
   [Resize Count: 1, Shrink Threshold: 1365(66.7%), Grow Threshold: 4096(200.0%)]
   [Rehash Count: 0, Rehash Threshold: 120, Hash Seed: 0x0]
   [Age Threshold: 3]
  [Queue]
   [Dropped: 0]

為了方便，我們不需要自己去計算所有數據的加和，使用方便的總計就可以了。

上面的代碼段規(guī)定執(zhí)行了字符串去重，花了16ms的時間，查看了約 120 k 字符串。

上面的特性是剛推出的，意味著可能并沒有被全面的審視。具體的數據在實際的應用中可能看起來有差別，尤其是那些應用中字符串被多次使用和傳遞，因此一些字符串可能被跳過或者早就有了hashcode（正如你可能知道的那樣，一個String的hash code是被懶加載的）。

在上述的案例中，所有的字符串都被去重了，在內存中移除了4.5MB的數據。

[Table]部分給出了有關內部跟蹤表的統(tǒng)計信息，[Queue]則列出了有多少對去重的請求由于負載被丟棄，這也是開銷減少機制中的一部分。

那么，字符串去重和字符串駐留相比又有什么差別呢？事實上，字符串去重和駐留看起來差不多，除了暫留的機制重用了整個字符串實例，而不僅僅是字符數組。

JDK Enhancement Proposal 192的創(chuàng)造者的爭論點在于開發(fā)者們常常不知道將駐留字符串放在哪里合適,或者是合適的地方被框架所隱藏.就像我寫的那樣,當碰到復制字符串(像國家名字)的時候,你需要一些常識.字符串去重,對于在同一個JVM中的應用程序的字符串復制也有好處,同樣包括像XML Schemas,urls以及jar名字等一般認為不會出現多次的字符串.

當字符串駐留發(fā)生在應用程序線程中的時候,垃圾回收異步并發(fā)處理時,字符串去重也不會增加運行時的消耗.這也解釋了,為什么我們會在上面的代碼中發(fā)現Thread.sleep().如果沒有sleep會給GC增加太多的壓力,這樣字符串去重根本就不會發(fā)生.但是,這只是示例代碼才會出現的問題.實際的應用程序,常常會在運行字符串去重的時候使用幾毫秒的時間.

您可能感興趣的文章: