Java 8 String重复数据删除与String.intern()

Question

我正在阅读关于字符串重复数据删除的Java 8更新20中的功能(更多信息),但我不确定这是否基本上String.intern()已经过时了.

我知道这个JVM功能需要G1垃圾收集器,这对许多人来说可能不是一个选项,但假设一个人正在使用G1GC,那么JVM自动重复数据删除与手动拥有intern你的字符串有什么区别/优势/劣势(一个明显的优点是不必通过调用来污染您的代码intern())？

考虑到Oracle可能使G1GC成为java 9中的默认GC,这一点尤为有趣

Answer 1

使用此功能,如果您有1000个不同的String对象,所有对象都具有相同的内容"abc",JVM可以使它们在char[]内部共享相同的内容.但是,您仍然有1000个不同的String对象.

有了intern(),你将只有一个String对象.因此,如果您关注内存节省,intern()那就更好了.它将节省空间,以及GC时间.

但是,intern()上次我听说,表现并不是那么好.拥有自己的字符串缓存可能会更好,即使使用ConcurrentHashMap...但您需要对其进行基准测试以确保.

Answer 2

作为评论参考，请参阅：http : //java-performance.info/string-intern-in-java-6-7-8/。这是非常有见地的参考，我学到了很多东西，但是我不确定它的结论是否一定是“一刀切”。每个方面都取决于您自己的应用程序的需求 - 强烈建议对实际输入数据进行测量！

主要因素可能取决于您控制的内容：

• 您是否可以完全控制 GC 的选择？例如，在 GUI 应用程序中，仍然有充分的理由使用串行 GC。（该进程的总内存占用要低得多——对于中等复杂的应用程序来说，想想 400 MB 对 ~1 GB，并且更愿意释放内存，例如在使用量出现短暂峰值之后）。因此，您可以选择该选项或为您的用户提供选项。（如果堆仍然很小，暂停应该不是什么大问题）。

• 您是否可以完全控制代码？G1GC 选项非常适合您无法编辑的 3rd 方库（和应用程序！）。

第二个考虑因素（根据@ZhongYu 的回答）是String.intern可以对String对象本身进行重复数据删除，而 G1GC 必然只能对其私有char[]字段进行重复数据删除。

第三个考虑因素可能是 CPU 使用率，比如您的用户是否关心对笔记本电脑电池寿命的影响。G1GC 将运行一个额外的线程，专门用于对堆进行重复数据删除。例如，我用它来运行 Eclipse 并发现它在启动后导致 CPU 活动的初始阶段增加（想想 1 - 2 分钟），但它解决了一个较小的“使用中”堆并且没有明显的（只是眼睛-球任务管理器） CPU 开销或此后变慢。所以我想一定百分比的 CPU 核心将用于重复数据删除（期间？之后？）高内存流失期间。（当然，如果你在任何地方调用 String.intern 可能会有类似的开销，它也可以串行运行，但是……）

您可能不需要到处都进行字符串重复数据删除。可能只有某些代码区域：

• 真正影响长期堆使用，并且
• 创建高比例的重复字符串

通过String.intern有选择地使用，代码的其他部分（可能会创建临时或半临时字符串）不会付出代价。

最后，Guava 实用程序的快速插件：Interner，它：

String.intern()为其他不可变类型提供等效的行为

您也可以将其用于字符串。内存可能是（并且应该是）您最关心的性能问题，因此这可能并不经常适用：但是，当您需要从某个热点区域挤出每一滴速度时，我的经验是基于 Java 的弱引用String.intern()即使在调整了 jvm 选项之后，HashMap 解决方案的运行速度确实比 JVM 的 C++ 实现略快，但始终比。（还有一个好处：您不需要调整 JVM 选项来扩展到不同的输入。）