聊聊Java String.intern 背后你不知道的知识

Posted 2020-12-21

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了聊聊Java String.intern 背后你不知道的知识相关的知识，希望对你有一定的参考价值。

聊聊Java String.intern 背后你不知道的知识

导读：String.intern是一个JDK中的常用方法，通常用于缓存字符串，优化内存使用，然而频繁使用该方法也会导致别的问题，本文从该方法的实现入手，深入分析了可能出现的问题和解决方案。

Java的 String类有个有意思的public方法：

public String intern()

返回标准表示的字符串对象。String类维护私有字符串池。

调用此方法时，如果字符串池已经包含等于此字符串对象的字符串（通过equals方法确定），则返回池中的字符串。否则，将此String对象添加到池中，并返回对此String对象的引用。

这个功能为String提供了字符串池，我们可以使用它来优化内存。但是，这有一个缺点：在OpenJDK中，String.intern()是本地方法，它实际上调用了JVM的相关方法来实现该功能。这样实现的原因是，当VM和JDK代码必须就特定String对象的标识达成一致时，String interning就必须是JDK-VM接口的一部分。

这样的实现意味着：
1.您需要在每个intern调用使用JDK-JVM接口，这会浪费CPU。
2.性能受本地HashTable实现的影响，可能落后于高性能Java版本，特别是在并发访问的情况下。
3.由于Java Strings是来自VM的引用，因此它们成为GC root set的一部分。在许多情况下，这需要在GC停顿期间执行额外的工作。

吞吐量实验

我们可以构建简单的实验来说明问题。使用HashMap和ConcurrentHashMap实现intern方法，这为我们提供了一个非常好的JMH基准：
技术图片

该测试试图在很多字符串上执行intern方法，但实际的intern仅在第一次遍历循环时发生，之后只访问map中的字符串。 size参数用于控制我们intern的字符串数量，从而限制我们正在处理的字符串表大小。对于intern来说，通常都这样使用。

使用JDK 8u131运行它：
技术图片
可以看出 String.intern()明显更慢。慢的原因在于本地实现，这在perf record -g中清晰可见：

虽然JNI转换成本相当高，但似乎在StringTable实现上也花了相当多的时间。使用 -XX:+PrintStringTableStatistics，将输出如下内容：

注意最后一行，平均每个bucket 16个元素表示已经过载。更糟糕的是，字符串表不可调整大小（虽然有实验工作使它们可以调整大小，但是因为“其他原因”而被移除）。通过设置更大的-XX:StringTableSize可能会减轻该问题：
技术图片
然而这只能暂时缓解问题，因为你必须提前做好规划。如果盲目地将String表大小设置为较大值，并且不使用它，则会浪费内存。即使您使用很大的StringTable，JNI本地调用仍然会消耗CPU。

GC停顿实验

本地字符串表最大问题在于它是GC root的一部分。也就是说，它应该需要垃圾收集器进行特殊扫描/更新。在OpenJDK中，这意味着在暂停期间额外工作。实际上，对于Shenandoah（译者注：对于ZGC也如此），暂停主要依赖于GC root set大小，在String表中存在1M记录会导致以下结果：
技术图片
因为我们在root set中添加了内容，每次暂停会增加13ms。

某些GC实现仅在完成重要操作时执行String表清理。比如，如果不进行卸载类，从JVM角度来看清理String表是没有意义的（因为加载的类是intern字符串的主要来源）。因此，此工作负载在G1和CMS中会也会表现出有趣的行为：
技术图片
用CMS跑一遍：

看起来结果还可以。遍历重载的字符串表需要一段时间。蛋疼的事情会在使用-XX:-ClassUnloading禁用类卸载后发生。你猜猜接下来会发生什么：

FULL GC! 对于CMS，假设用户会调用System.gc()，使用ExplicitGCInvokesConcurrentAndUnloadsClasses会缓解这一情况。

意见

在假设改进内存占用空间或低级==优化的情况下，我们讨论了实现intern的方法。有关Java String的更多详细信息，可以参考我的演讲“java.lang.String Catechism”。

对于OpenJDK，String.intern()是本机JVM字符串表的代理，使用它需要注意：吞吐量，内存占用，暂停时间等问题。很容易低估这些问题的影响。手动控制的intern工作更加可靠，因为它们在Java端工作，只是普通Java对象，通常更容易调整大小，并且在不再需要时也可以完全丢弃。 GC辅助字符串去重复数据（http://openjdk.java.net/jeps/192）确实可以减少很多问题。

几乎在在我们进行每个项目中，从热路径中删除String.intern()，或者用手动方式替代它，都有很大的性能提升。不要无脑使用String.intern()，好吗？

原文地址：

https://shipilev.net/jvm/anatomy-quarks/10-string-intern/

本文作者Aleksey Shipilёv，由方圆翻译。转载本文请注明出处，欢迎更多小伙伴加入翻译及投稿文章的行列，详情请戳公众号菜单「联系我们」。

参考阅读：