Java String 对象，你真的了解了吗？

string 对象的实现

string对象是 java 中使用最频繁的对象之一，所以 java 公司也在不断的对string对象的实现进行优化，以便提升string对象的性能，看下面这张图，一起了解一下string对象的优化过程。

1. 在 java6 以及之前的版本中

string对象是对 char 数组进行了封装实现的对象，主要有四个成员变量： char 数组、偏移量 offset、字符数量 count、哈希值 hash。

string对象是通过 offset 和 count 两个属性来定位 char[] 数组，获取字符串。这么做可以高效、快速地共享数组对象，同时节省内存空间，但这种方式很有可能会导致内存泄漏。

2. 从 java7 版本开始到 java8 版本

从 java7 版本开始,java 对string类做了一些改变。string类中不再有 offset 和 count 两个变量了。这样的好处是string对象占用的内存稍微少了些，同时 string.substring 方法也不再共享 char[]，从而解决了使用该方法可能导致的内存泄漏问题。

3. 从 java9 版本开始

将 char[] 数组改为了 byte[] 数组，为什么需要这样做呢？我们知道 char 是两个字节，如果用来存一个字节的字符有点浪费，为了节约空间，java 公司就改成了一个字节的byte来存储字符串。这样在存储一个字节的字符是就避免了浪费。

在 java9 维护了一个新的属性 coder，它是编码格式的标识，在计算字符串长度或者调用 indexof() 函数时，需要根据这个字段，判断如何计算字符串长度。coder 属性默认有 0 和 1 两个值， 0 代表latin-1（单字节编码），1 代表 utf-16 编码。如果 string判断字符串只包含了 latin-1，则 coder 属性值为 0 ，反之则为 1。

string 对象的创建方式

1、通过字符串常量的方式

string str= "pingtouge"的形式，使用这种形式创建字符串时， jvm 会在字符串常量池中先检查是否存在该对象，如果存在，返回该对象的引用地址，如果不存在，则在字符串常量池中创建该字符串对象并且返回引用。使用这种方式创建的好处是：避免了相同值的字符串重复创建，节约了内存

2、string()构造函数的方式

string str = new string("pingtouge")的形式，使用这种方式创建字符串对象过程就比较复杂，分成两个阶段，首先在编译时，字符串pingtouge会被加入到常量结构中，类加载时候就会在常量池中创建该字符串。然后就是在调用new()时，jvm 将会调用string的构造函数，同时引用常量池中的pingtouge字符串，
在堆内存中创建一个string对象并且返回堆中的引用地址。

了解了string对象两种创建方式，我们来分析一下下面这段代码，加深我们对这两种方式的理解，下面这段代码片中，str是否等于str1呢？

  string str = "pingtouge";
  string str1 = new string("pingtouge");
  system.out.println(str==str1)

我们逐一来分析这几行代码，首先从string str = "pingtouge"开始，这里使用了字符串常量的方式创建字符串对象，在创建pingtouge字符串对象时，jvm会去常量池中查找是否存在该字符串，这里的答案肯定是没有的，所以jvm将会在常量池中创建该字符串对象并且返回对象的地址引用，所以str指向的是pingtouge字符串对象在常量池中的地址引用。

然后是string str1 = new string("pingtouge")这行代码，这里使用的是构造函数的方式创建字符串对象，根据我们上面对构造函数方式创建字符串对象的理解，str1得到的应该是堆中pingtouge字符串的引用地址。由于str指向的是pingtouge字符串对象在常量池中的地址引用而str1指向的是堆中pingtouge字符串的引用地址，所以str肯定不等于str1。

string 对象的不可变性

从我们知道string对象的那一刻起，我想大家都知道了string对象是不可变的。那它不可变是怎么做到的呢？java 这么做能带来哪些好处？我们一起来简单的探讨一下，先来看看string 对象的一段源码：

public final class string
    implements java.io.serializable, comparable<string>, charsequence {
    /** the value is used for character storage. */
    private final char value[];

    /** cache the hash code for the string */
    private int hash; // default to 0

    /** use serialversionuid from jdk 1.0.2 for interoperability */
    private static final long serialversionuid = -6849794470754667710l;
    }

从这段源码中可以看出，string类用了 final 修饰符，我们知道当一个类被 final 修饰时，表明这个类不能被继承，所以string类不能被继承。这是string不可变的第一点

再往下看，用来存储字符串的char value[]数组被private 和final修饰，我们知道对于一个被final的基本数据类型的变量，则其数值一旦在初始化之后便不能更改。这是string不可变的第二点。

java 公司为什么要将string设置成不可变的，主要从以下三方面考虑：

• 1、保证 string 对象的安全性。假设 string 对象是可变的，那么 string 对象将可能被恶意修改。
• 2、保证 hash 属性值不会频繁变更，确保了唯一性，使得类似 hashmap 容器才能实现相应的 key-value 缓存功能。
• 3、可以实现字符串常量池

string 对象的优化

字符串是我们常用的java类型之一，所以对字符串的操作也是避免不了的，在对字符串的操作过程中，如果使用不当，性能会天差地别。那么在字符串的操作过程中，有哪些地方需要我们注意呢？

优雅的拼接字符串

字符串的拼接是对字符串操作使用最频繁的操作之一，由于我们知道string对象的不可变性，所以我们在做拼接时尽可能少的使用+进行字符串拼接或者说潜意识里认为不能使用+进行字符串拼接，认为使用+进行字符串拼接会产生许多无用的对象。事实真的是这样吗？我们来做一个实验。我们使用+来拼接下面这段字符串。

string str8 = "ping" +"tou"+"ge";

一起来分析一下这段代码会产生多少个对象？如果按照我们理解的意思来分析的话，首先会创建ping对象，然后创建pingtou对象，最后才会创建pingtouge对象，一共创建了三个对象。真的是这样吗？其实不是这样的，java 公司怕我们程序员手误，所以对编译器进行了优化，上面的这段字符串拼接会被我们的编译器优化，优化成一个string str8 = "pingtouge";对象。除了对常量字符串拼接做了优化以外，对于使用+号动态拼接字符串，编译器也做了相应的优化，以便提升string的性能，例如下面这段代码：

string str = "pingtouge";

for(int i=0; i<1000; i++) {
      str = str + i;
}

编译器会帮我们优化成这样

string str = "pingtouge";

for(int i=0; i<1000; i++) {
              str = (new stringbuilder(string.valueof(str))).append(i).tostring();
}

可以看出 java 公司对这一块进行了不少的优化，防止由于程序员不小心导致string性能急速下降，尽管 java 公司在编译器这一块做了相应的优化，但是我们还是能看出 java 公司优化的不足之处，在动态拼接字符串时，虽然使用了 stringbuilder 进行字符串拼接，但是每次循环都会生成一个新的 stringbuilder 实例，同样也会降低系统的性能。

所以我们在做字符串拼接时，我们需要从代码的层面进行优化，在动态的拼接字符串时，如果不涉及到线程安全的情况下，我们显示的使用 stringbuilder 进行拼接，提升系统性能，如果涉及到线程安全的话，我们使用 stringbuffer 来进行字符串拼接

巧妙的使用 intern() 方法

     * <p>
     * when the intern method is invoked, if the pool already contains a
     * string equal to this {@code string} object as determined by
     * the {@link #equals(object)} method, then the string from the pool is
     * returned. otherwise, this {@code string} object is added to the
     * pool and a reference to this {@code string} object is returned.
     * <p>
     public native string intern();

这是 intern() 函数的官方注释说明，大概意思就是 intern 函数用来返回常量池中的某字符串，如果常量池中已经存在该字符串，则直接返回常量池中该对象的引用。否则，在常量池中加入该对象，然后 返回引用。

有一位twitter工程师在qcon全球软件开发大会上分享了一个他们对 string对象优化的案例，他们利用string.intern()方法将以前需要20g内存存储优化到只需要几百兆内存。这足以体现string.intern()的威力，我们一起来看一个例子，简单的了解一下string.intern()的用法。

    public static void main(string[] args) {
        string str = new string("pingtouge");
        string str1 = new string("pingtouge");
        system.out.println("未使用intern()方法："+(str==str1));
        system.out.println("未使用intern()方法,str："+str);
        system.out.println("未使用intern()方法,str1："+str1);

        string str2= new string("pingtouge").intern();
        string str3 = new string("pingtouge").intern();
        system.out.println("使用intern()方法："+(str2==str3));
        system.out.println("使用intern()方法,str2："+str2);
        system.out.println("使用intern()方法,str3："+str3);

    }

从结果中可以看出，未使用string.intern()方法时，构造相同值的字符串对象返回不同的对象引用地址，使用string.intern()方法后，构造相同值的字符串对象时，返回相同的对象引用地址。这能帮我们节约不少空间

string.intern()方法虽然好，但是我们要结合场景使用，不能乱用，因为常量池的实现是类似于一个hashtable的实现方式，hashtable 存储的数据越大，遍历的时间复杂度就会增加。如果数据过大，会增加整个字符串常量池的负担。

灵活的字符串的分割

字符串的分割是字符串操作的常用操作之一，对于字符串的分割，大部分人使用的都是 split() 方法，split() 方法大多数情况下使用的是正则表达式，这种分割方式本身没有什么问题，但是由于正则表达式的性能是非常不稳定的，使用不恰当会引起回溯问题，很可能导致 cpu 居高不下。在以下两种情况下 split() 方法不会使用正则表达式：

• 传入的参数长度为1，且不包含“.$|()[{^?*+\”regex元字符的情况下，不会使用正则表达式
• 传入的参数长度为2，第一个字符是反斜杠，并且第二个字符不是ascii数字或ascii字母的情况下，不会使用正则表达式

所以我们在字符串分割时，应该慎重使用 split() 方法，首先考虑使用 string.indexof() 方法进行字符串分割，如果 string.indexof() 无法满足分割要求，再使用 split() 方法，使用 split() 方法分割字符串时，需要注意回溯问题。

文章不足之处，望大家多多指点，共同学习，共同进步

参考资料

• java性能调优实战 刘超

最后

打个小广告，欢迎扫码关注微信公众号：「平头哥的技术博文」，一起进步吧。