Java 8 String重復數據刪除與String.intern（）

Question

我正在閱讀Java 8更新20中的字符串重復數據刪除功能（ 更多信息 ），但我不確定這是否會使String.intern()過時。

我知道，這JVM功能需要的G1垃圾收集器，這可能不是很多的選擇，但假設一個使用G1GC， 是有自動重復數據刪除的由JVM完成VS手動有任何差異/優勢/劣勢intern您字符串 （一個明顯的優點是不必通過調用intern()來污染代碼）？

考慮到Oracle可能使G1GC成為java 9中的默認GC，這一點尤為有趣

Answer 1

使用此功能，如果您有1000個不同的String對象，所有對象具有相同的內容"abc" ，JVM可以使它們在內部共享相同的char[] 。 但是，您仍然有1000個不同的String對象。

使用intern() ，您將只有一個String對象。 因此，如果您關注內存節省， intern()會更好。 它將節省空間，以及GC時間。

然而，上次我聽說， intern()的表現並不是那么好。 擁有自己的字符串緩存可能會更好，即使使用ConcurrentHashMap ......但您需要對其進行基准測試以確保。

Answer 2

作為評論參考，請參閱： http ： //java-performance.info/string-intern-in-java-6-7-8/ 。 這是非常有見地的參考，我學到了很多，但我不確定它的結論是否“一刀切”。 每個方面都取決於您自己的應用程序的需求 - 強烈建議您測量實際的輸入數據！

主要因素可能取決於您控制的內容：

• 您是否可以完全控制GC的選擇？ 例如，在GUI應用程序中，使用Serial GC仍然有很強的理由。 （該過程的總內存占用空間要低得多 - 對於中等復雜的應用程序，請考慮400 MB與~1 GB，並且更願意釋放內存，例如在使用瞬間激增之后）。 所以你可以選擇它或給你的用戶選擇。 （如果堆仍然很小，暫停不應該是一個大問題）。

• 你有完全控制代碼嗎？ G1GC選項非常適合您無法編輯的第三方庫（和應用程序！）。

第二個考慮因素（根據@ ZhongYu的回答）是String.intern可以對String對象本身進行重復數據刪除，而G1GC必須只能去除它們的私有char[]字段。

第三個考慮因素可能是CPU使用率，例如，如果您的用戶可能會對筆記本電腦電池壽命產生影響。 G1GC將運行一個專門用於重復堆棧的額外線程。 例如，我使用它來運行Eclipse並發現它在啟動后導致初始階段的CPU活動增加（想想1 - 2分鍾）但它確定在一個較小的堆“使用中”並且沒有明顯的（只是眼睛 - 對任務管理器進行計算）此后CPU開銷或減速。 所以我想在CPU內核的某個百分比將被用於重復數據刪除（在？之后？）高內存流失期間。 （當然，如果你到處調用String.intern，可能會有相似的開銷，這也會串行運行，但是......）

您可能不需要在任何地方進行字符串重復數據刪除。 可能只有某些代碼區域：

• 真正影響長期堆使用， 和
• 創建高比例的重復字符串

通過有選擇地使用String.intern ，代碼的其他部分（可能會創建臨時或半臨時字符串）不支付價格。

最后，快速插入Guava實用程序： Interner ，它：

為其他不可變類型提供String.intern()等效行為

您也可以將它用於字符串。 內存可能（並且應該）是您最關注的性能問題，因此這可能不經常適用：但是當您需要從某些熱點區域擠出每一滴速度時，我的經驗是基於Java的弱引用即使在調整jvm選項之后，HashMap解決方案也會比JVM的String.intern() C ++實現略微但一致地運行得更快。 （並且獎勵：您不需要調整JVM選項以擴展到不同的輸入。）

Answer 3

我想介紹另一個關於目標受眾的決策因素：

• 對於具有由許多不同庫/框架組成的系統的系統集成商，如果內存存在問題，StringDeDuplication可能是一個快速的贏家。 它會影響JVM中的所有字符串，但G1只會使用空閑時間來完成它。 您甚至可以通過使用其他參數（StringDeduplicationAgeThreshold）計算DeDuplication時進行調整
• 對於開發人員分析他自己的代碼，String.intern可能會更有趣。 必須仔細審查域模型才能決定是否調用實習生，以及何時調用實習生。 根據經驗，當您知道字符串將包含一組有限的值時，您可以使用實習生，例如一種枚舉集（即國家名稱，月份，星期幾......）。