Java 8字符串去重与String.intern()函数的区别

Question

Java 8字符串去重与String.intern()函数的区别

20

我正在阅读关于Java 8更新20中有关字符串去重功能的内容（更多信息），但我不确定这是否基本上使得String.intern()过时。

我知道这个JVM功能需要G1垃圾回收器，这对许多人来说可能不是一个选择，但假设使用G1GC，JVM自动去重和手动使用intern()你的字符串之间是否存在任何差异/优劣势 （一个明显的优势是不必在代码中污染调用intern()）。

考虑到Oracle可能会在Java 9中将G1GC作为默认GC，这尤其有趣。

- Hilikus

4

无论如何，结论总是一样：你不应该在意。 - fge

抱歉，不应该关心什么？是关于使用哪个（意味着它们是等价的）还是关于新功能（意味着它并不那么有用）？ - Hilikus

2

意思是：毫不犹豫地使用String类。 - fge

1

@DavidConrad 我的应用程序中都没有使用这两个功能。我只是想了解这个功能是如何工作的。你有什么见解，为什么我不必担心它？每个人都只是说不用担心，但没有解释。你是在暗示字符串去重并不是非常有用/有效吗？之前关于只考虑使用字符串而不考虑所有这些的评论与启用JVM中的功能无关（这不是开发时更改）。它更多地涉及调整运行时。 - Hilikus

1

@DavidConrad 在完整的引用中，Knuth实际上量化了他的建议：“我们应该忘记小的效率问题，大约有97%的时间。过早的优化是万恶之源”。因此，Knuth确实关心低级性能（非常关心-请参见《编程艺术》中的详细信息），以及将受益于一些关注和调整的3％代码（整个应用程序）。但是，是的，我们要牢记：优先考虑自己的时间，而不是CPU时间。 :-) - Luke Usherwood

显示剩余4条评论

3个回答

6

作为评论参考，请查看：http://java-performance.info/string-intern-in-java-6-7-8/。这是非常有见地的参考资料，我学到了很多，但我不确定它的结论是否一定适用于所有情况。每个方面都取决于您自己应用程序的需求-强烈建议对现实输入数据进行测量！可能的主要因素取决于您掌控的内容：

- 您是否完全控制GC的选择？例如，在GUI应用程序中，仍然有充分的理由使用Serial GC（进程的总内存占用更低-考虑到中等复杂度的应用程序的400 MB与约1 GB，并且更愿意释放内存，例如在瞬态使用量增加后）。因此，您可以选择它或为用户提供选项。（如果堆保持较小，则暂停不会成为大问题）。 - 您是否完全控制代码？ G1GC选项非常适用于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的答案）是，String.intern可以去重String对象本身，而G1GC必须去重它们的私有char []字段。第三个考虑因素可能是CPU使用率，例如如果影响笔记本电池寿命可能会引起用户关注。 G1GC将运行一个专用线程来去重堆。例如，我尝试使用它来运行Eclipse，并发现它在启动后导致了一段增加的CPU活动时间（大约1-2分钟），但它在较小的“正在使用”的堆上稳定下来，没有明显的（只是通过眼球观察任务管理器）CPU开销或减速。因此，我想象一个CPU核心的一定百分比将被用于去重（在？之后？）高内存翻转期间。（当然，如果您到处调用String.intern，则可能存在可比较的开销，这也是串行运行的，但是...）
您可能不需要在任何地方进行字符串去重。可能只有某些代码区域：
- 真正影响长期堆使用率，并且 - 创建高比例重复字符串
通过有选择地使用String.intern，其他部分的代码（可能创建临时或半临时字符串）不需要付出代价。
最后，快速推广Guava实用程序：Interner，它提供了与其他不变类型的String.intern()等效的行为。
你也可以用它来操作字符串。内存可能是（并且应该是）你最关心的性能问题，所以这种情况可能不经常出现：然而当你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的弱引用哈希映射解决方案比JVM的C++实现String.intern()运行略快但始终如一，即使调整了jvm选项。（另外：你不需要调整JVM选项来处理不同输入的规模。）

- Luke Usherwood

3

我想介绍另一个与目标受众相关的决策因素：

对于一个系统集成商而言，如果其系统由许多不同的库/框架组成，并且很难影响这些库的内部开发，如果内存是一个问题，那么StringDeDuplication可能会是一个快速解决方案。它将影响JVM中的所有字符串，但G1只会利用空闲时间来进行去重。您甚至可以通过使用另一个参数(StringDeduplicationAgeThreshold)来调整何时计算去重。
对于一位开发人员来说，如果他正在对自己的代码进行分析，那么String.intern可能更有趣。需要仔细审查领域模型才能决定是否调用intern以及何时调用。作为经验法则，当您知道字符串将包含一组有限的值（如国家名称、月份、星期几等）时，可以使用intern。

- Jaime Casero

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- ZhongYu · Accepted Answer

使用这个功能，如果你有1000个不同的String对象，它们的内容都相同"abc"，JVM可以使它们在内部共享同一个char[]。但是，你仍然有1000个不同的String对象。

使用intern()，你只会有一个String对象。因此，如果节省内存是你的关注点，intern()会更好。它可以节省空间，以及垃圾回收时间。

然而，intern()的性能并不太好，上次我听说是这样的。你最好自己建立字符串缓存，甚至使用ConcurrentHashMap...但你需要对其进行基准测试以确保。