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
一只叫煤球的猫4 小时前
写代码很6,面试秒变菜鸟?不卖课,面试官视角走心探讨
前端·后端·面试
bobz9654 小时前
tcp/ip 中的多路复用
后端
bobz9654 小时前
tls ingress 简单记录
后端
皮皮林5515 小时前
IDEA 源码阅读利器,你居然还不会?
java·intellij idea
你的人类朋友5 小时前
什么是OpenSSL
后端·安全·程序员
bobz9656 小时前
mcp 直接操作浏览器
后端
前端小张同学8 小时前
服务器部署 gitlab 占用空间太大怎么办,优化思路。
后端
databook8 小时前
Manim实现闪光轨迹特效
后端·python·动效
武子康9 小时前
大数据-98 Spark 从 DStream 到 Structured Streaming:Spark 实时计算的演进
大数据·后端·spark
该用户已不存在9 小时前
6个值得收藏的.NET ORM 框架
前端·后端·.net