Java 8 String重复数据删除与String.intern（）

Question

我正在阅读Java 8更新20中的字符串重复数据删除功能（ 更多信息 ），但我不确定这是否会使String.intern()过时。

我知道，这JVM功能需要的G1垃圾收集器，这可能不是很多的选择，但假设一个使用G1GC， 是有自动重复数据删除的由JVM完成VS手动有任何差异/优势/劣势intern您字符串 （一个明显的优点是不必通过调用intern()来污染代码）？

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，所有对象具有相同的内容"abc" ，JVM可以使它们在内部共享相同的char[] 。 但是，您仍然有1000个不同的String对象。

使用intern() ，您将只有一个String对象。 因此，如果您关注内存节省， intern()会更好。 它将节省空间，以及GC时间。

然而，上次我听说， intern()的表现并不是那么好。 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，但我不确定它的结论是否“一刀切”。 每个方面都取决于您自己的应用程序的需求 - 强烈建议您测量实际的输入数据！

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，使用Serial GC仍然有很强的理由。 （该过程的总内存占用空间要低得多 - 对于中等复杂的应用程序，请考虑400 MB与~1 GB，并且更愿意释放内存，例如在使用瞬间激增之后）。 所以你可以选择它或给你的用户选择。 （如果堆仍然很小，暂停不应该是一个大问题）。

• 你有完全控制代码吗？ G1GC选项非常适合您无法编辑的第三方库（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必须只能去除它们的私有char[]字段。

第三个考虑因素可能是CPU使用率，例如，如果您的用户可能会对笔记本电脑电池寿命产生影响。 G1GC将运行一个专门用于重复堆栈的额外线程。 例如，我使用它来运行Eclipse并发现它在启动后导致初始阶段的CPU活动增加（想想1 - 2分钟）但它确定在一个较小的堆“使用中”并且没有明显的（只是眼睛 - 对任务管理器进行计算）此后CPU开销或减速。 所以我想在CPU内核的某个百分比将被用于重复数据删除（在？之后？）高内存流失期间。 （当然，如果你到处调用String.intern，可能会有相似的开销，这也会串行运行，但是......）

您可能不需要在任何地方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， 和
• 创建高比例的重复字符串

通过有选择地使用String.intern ，代码的其他部分（可能会创建临时或半临时字符串）不支付价格。

最后，快速插入Guava实用程序： Interner ，它：

为其他不可变类型提供String.intern()等效行为

您也可以将它用于字符串。 内存可能（并且应该）是您最关注的性能问题，因此这可能不经常适用：但是当您需要从某些热点区域挤出每一滴速度时，我的经验是基于Java的弱引用即使在调整jvm选项之后，HashMap解决方案也会比JVM的String.intern() C ++实现略微但一致地运行得更快。 （并且奖励：您不需要调整JVM选项以扩展到不同的输入。）

Answer 3

我想介绍另一个关于目标受众的决策因素：

• 对于具有由许多不同库/框架组成的系统的系统集成商，如果内存存在问题，StringDeDuplication可能是一个快速的赢家。 它会影响JVM中的所有字符串，但G1只会使用空闲时间来完成它。 您甚至可以通过使用其他参数（StringDeduplicationAgeThreshold）计算DeDuplication时进行调整
• 对于开发人员分析他自己的代码，String.intern可能会更有趣。 必须仔细审查域模型才能决定是否调用实习生，以及何时调用实习生。 根据经验，当您知道字符串将包含一组有限的值时，您可以使用实习生，例如一种枚举集（即国家名称，月份，星期几......）。