对Java字符串的探究

问题的出发点

在网上看到一道题：

1	`String str = new String("abc");`

以上代码执行过程中生成了多少个 String 对象？

答案写的是两个。”abc”本身是一个，而 new 又生成了一个。

“abc”是什么

查看这句程序的字节码，如下：

NEW String
    DUP
    LDC "abc"
    INVOKESPECIAL String.<init>(String) : void
    ASTORE 1

指令ldc indexbyte的含义：将两字节的值从 indexbyte 索引的常量池中的项中推到方法栈上。

指令LDC "abc"说明了”abc”并不是直接以对象存在的，而是存在于常量池的索引中。String 的构造函数调用命令实际使用的就是 String 类型作为参数，那么，栈上应该有一个 String 类型的索引。

由此我们得出，在字节码中，ldc 命令在常量池中找到了能索引到“abc”那个 String 对象的索引值。

常量池

常量池是类文件（.class）文件中的一部分，记录了许多常量信息，索引的字符串信息。

由于 Java 是动态加载的，类文件并没有包含程序运行时的内存布局，方法调用等无法直接记录出方法的物理位置，常量池通过索引的方法解决了这个问题。

常量池中存着许多表，其中 Constant_Utf8_info 表中，记录着会被初始化为 String 对象的字符串的字面值（iteral）。
而在 String 的 java doc 中，有对 String 字面值的说明：

All string literals in Java programs, such as “abc”, are implemented as instances of this class.

在 Java 编译的过程中，确定下来的 String 字面值都先被优化记录在常量池中（那些双引号字符串，都是以 CONSTANT_utf8_info 的形式存储在常量池中的）。也就是说，Java 源代码文件中出现的那些诸如”abc”字符串，都已经被提前放在了常量池中。

可以使用如下代码验证这一点：

public class Program
{
    public static void main(String[] args)
    {
       String str1 = "Hello";
       String str2 = "Hello";
       System.out.print(str1 == str2);
    }
}

输出结果是 true.说明”Hello”作为对象是被程序从同一个内存空间读取出来的。

常量池是编译时产生的，存在于类文件中（*.class 文件）。运行时，JVM 中每个对象都拥有自己的运行时常量池（run time constant pool）。

字符串池

我在 String 的 java doc 中又发现了一个有趣的 method：intern() ,我翻译如下：

当 intern 方法被调用，如果池中已经拥有一个与该 String 的字符串值相等（即 equals()调用后为 true）的 String 对象时，那么池中的那个 String 对象会被返回。否则，池中会增加这个对象，并返回当前这个 String 对象。

其中有介绍一个字符串池的东西：字符串池（String pool），初始是空的，由类私有的控制。

查看 java.lang.String 的源代码，发现 Intern()方法是一个 native 方法，即本地实现的方法，而不是一个 java 方法，这让我们不能直观的看到字符串池的实现细节。不过能够理解字符串池其实是类似于线程池的缓冲器，可以起到节约内存的作用。如下代码可以验证

package biaobiaoqi.thinkingInJava;
public class Test {
    public static void main(String[] args){
        String strA1 = "ab";
        String strA2 = "c";
        String strB1 = "a";
        String strB2 = "bc" ;
        System.out.println((strA1+strA2).intern() == (strB1 + strB2).intern());
    }
}

输出结果为 true。

现代的 JVM 实现里，考虑到垃圾回收（Garbage Collection）的方便，将 heap 划分为三部分： young generation 、 tenured generation（old generation）和 permanent generation( permgen )

字符串池是为了解决字符串重复的问题，生命周期长，它存在于 permgen 中。

总结

编译 Java 源代码时，源文件中出现的双引号内的字符串都被收纳到常量池中，用 CONSTANT_utf8_info 项存储着。

JVM 中，相应的类被加载运行后，常量池对应的映射到 JVM 的运行时常量池中。其中每项 CONSTANT_utf8_info（也就试记录那些字符串的）都会在常量引用解析时，自动生成相应的 internal String，记录在字符串池中。

回过头来看看文章刚开始的那个问题。

1	`String str = new String("abc");`

这里确实是有两个 String 对象生成了。

new String("xxx") 创建的 String 对象会在 heap 中重新生成新的 String 对象，绕过字符串池的管辖。而如果使用String str = "xxx"则先查看字符串池是否已经存在，存在则直接返回 PermGen 中的该 String 对象，否则生成新的 String 对象，并将它加入字符串池中。

尽量使用String str = "abc";，而不是String str = new String("abc")；用 new 的方法肯定会开辟新的 heap 空间，而前者的方法，则会通过 string interning 优化。

参考资料

原文地址：http://biaobiaoqi.github.com/blog/2013/09/08/string-interning/
版权声明：自由转载-非商用-非衍生-保持署名| Creative Commons BY-NC-ND 3.0