听说 String 的底层存储结构发生了改变,你知道么?

大家好,我是大明哥,一个专注「死磕 Java」系列文章创作的一线程序员。 本文已收录到我的小站:skjava.com


大明哥相信绝大数小伙伴一定看过 Java 8 的 String 源码,对于它的底层存储结构一定不陌生,在 Java 9 之前,String 的底层存储结构都是 char[]

arduino 复制代码
public final class String
     implements java.io.Serializable, Comparable<String>, CharSequence {

  //The value is used for character storage.
  private final char value[];

}

每个 char 都以 2 个字节存储在内存中。然而 Oracle 的 JDK 开发人员调研了成千上万个应用程序的 heap dump 信息,他们注意到大多数字符串都是以 Latin-1 字符编码表示的,它只需要一个字节存储就够了,两个字节完全是浪费,这比 char 数据类型存储少 50%(1 个字节)。

所以,在 Java 9 中将 String 的底层存储结构调整为 byte[]:

java 复制代码
public final class String
    implements java.io.Serializable, Comparable<String>, CharSequence,
               Constable, ConstantDesc {

    @Stable
    private final byte[] value;

    private final byte coder;
}

Java 9 这样调整的目的是减小字符串的内存占用,这样带来了两个好处:

  1. 节省内存 :对于包含大量ASCII字符的字符串,内存占用大幅减少,因为每个字符只占用一个字节而不是两个字节。
  2. 提高性能:由于字符串的存储结构与编码方式更加紧凑,字符串操作的性能也有所提高。

需要注意的是,这仅仅只是底层数据结构的变化,对于我们上层调用者完全是透明的,不会有任何影响,String 的方法以前怎么使用,现在还是怎么使用,例如:

typescript 复制代码
public class StringTest {
    public static void main(String[] args) {
        String skString1 = "skjava";
        String skString2 = "死磕Java";
        System.out.println(skString1.charAt(0));
        System.out.println(skString2.charAt(0));
    }
}
// 结果......
s
死

charAt() 源码如下:

arduino 复制代码
    public char charAt(int index) {
        if (isLatin1()) {
            return StringLatin1.charAt(value, index);
        } else {
            return StringUTF16.charAt(value, index); 
        }
    }

isLatin1() 用于判断编码格式是否为 Latin-1 字符编码,如果是则调用 StringLatin1.charAt(),否则调用 StringUTF16.charAt()。这里为什么要判断字符编码呢?Latin-1 字符编码也称 ISO 8859-1,它包括了拉丁字母(包括西欧、北欧和南欧语言的字母)以及一些常见的符号和特殊字符,但是它并不支持其他非拉丁字母的语言,例如希腊语、俄语或中文,对于这些我们只能使用其他字符编码了。

在 Java 9 中,String 支持的字符编码格式有两种:

  1. Latin-1Latin-1 编码用于存储只包含拉丁字符的字符串。它采用了一字节编码,每个字符占用一个字节(8位)。
  2. UTF-16UTF-16 编码用于存储包含非拉丁字符的字符串,以及当字符串包含不适合 Latin-1 编码的字符时。

在 Java 9 中,String 多了一个成员变量 coder,它代表编码的格式,0 表示 Latin-1 ,1 表示 UTF-16,我们在看 skString1skString2

从这张图可以清晰地看到 "skjava" 的字符编码是 Latin-1,而 "死磕Java" 的字符编码则是 UTF-16。不同的字符编码选择不同的方法来获取。其实你看下 String 里面的方法都是这种模式。

所以,Java 9 中的 String 使用 Latin-1UTF-16 两种字符编码方式,根据字符串的内容来选择合适的编码格式,以便在内部存储时提高效率。

但是,有小伙伴就喜欢硬扛,我就不喜欢 Latin-1,可以完全用UTF-16 么 ?可以。Java 满足你的一切不合理的要求。

-XX:-CompactStrings :禁用精简字符串特性

  1. 如果启用 Compact Strings(默认情况),JVM 会根据字符串的内容来选择 Latin-1 还是 UTF-16,以在内存中有效地存储字符串,减小内存占用。
  2. 如果禁用 Compact Strings(使用 -XX:-CompactStrings),JVM 将始终使用 UTF-16 编码来存储字符串。

一般来说,我们是不需要显式设置 -XX:-CompactStrings,开启 Compact Strings 能够帮组我们节约内存和提高性能。

相关推荐
new_daimond5 分钟前
二级缓存在实际项目中的应用
java
一只乔哇噻13 分钟前
java后端工程师进修ing(研一版 || day41)
java·开发语言·学习·算法
愿时间能学会宽恕14 分钟前
SpringBoot后端开发常用工具详细介绍——SpringSecurity认证用户保证安全
spring boot·后端·安全
CodeSheep29 分钟前
稚晖君又开始摇人了,有点猛啊!
前端·后端·程序员
User_芊芊君子31 分钟前
【Java】设计模式——单例、工厂、代理模式
java·设计模式·代理模式
小宁爱Python32 分钟前
Django 从环境搭建到第一个项目
后端·python·django
2301_8035545240 分钟前
正向代理,反向代理,负载均衡还有nginx
java·nginx·负载均衡
要开心吖ZSH41 分钟前
软件设计师备考-(十六)数据结构及算法应用(重要)
java·数据结构·算法·软考·软件设计师
uzong42 分钟前
深入浅出:画好技术图
后端·架构
向上的车轮1 小时前
基于Java Spring Boot的云原生TodoList Demo 项目,验证云原生核心特性
java·spring boot·云原生