String性能提升10倍的幾個(gè)方法！(源碼+原理分析)
來(lái)自：Java中文社群
String 類型是我們使用最頻繁的數(shù)據(jù)類型，沒(méi)有之一。那么提高 String 的運(yùn)行效率，無(wú)疑是提升程序性能的最佳手段。
我們本文將從 String 的源碼入手，一步步帶你實(shí)現(xiàn)字符串優(yōu)化的小目標(biāo)。不但教你如何有效的使用字符串，還為你揭曉這背后的深層次原因。
字符串的特性
想要了解 String 的特性就必須從它的源碼入手，如下所示：
// 源碼基于 JDK 1.8
public final class String
implements java.io.Serializable, Comparable<String>, CharSequence {
// String 值的實(shí)際存儲(chǔ)容器
private final char value[];
public String() {
this.value = "".value;
}
public String(String original) {
this.value = original.value;
this.hash = original.hash;
}
// 忽略其他信息
}
從他的源碼我們可以看出，String 類以及它的 value[] 屬性都被 final 修飾了，其中 value[] 是實(shí)現(xiàn)字符串存儲(chǔ)的最終結(jié)構(gòu)，而 final 則表示“最后的、最終的”。
我們知道，被 final 修飾的類是不能被繼承的，也就是說(shuō)此類將不能擁有子類，而被 final 修飾的變量即為常量，它的值是不能被改變的。這也就說(shuō)當(dāng) String 一旦被創(chuàng)建之后，就不能被修改了。
String 為什么不能被修改？
String 的類和屬性 value[] 都被定義為 final 了，這樣做的好處有以下三點(diǎn)：
-
安全性：當(dāng)你在調(diào)用其他方法時(shí)，比如調(diào)用一些系統(tǒng)級(jí)操作指令之前，可能會(huì)有一系列校驗(yàn)，如果是可變類的話，可能在你校驗(yàn)過(guò)后，它的內(nèi)部的值又被改變了，這樣有可能會(huì)引起嚴(yán)重的系統(tǒng)崩潰問(wèn)題，所以迫使 String 設(shè)計(jì)為 final 類的一個(gè)重要原因就是出于安全考慮； -
高性能：String 不可變之后就保證的 hash 值的唯一性，這樣它就更加高效，并且更適合做 HashMap 的 key- value 緩存； -
節(jié)約內(nèi)存：String 的不可變性是它實(shí)現(xiàn)字符串常量池的基礎(chǔ)，字符串常量池指的是字符串在創(chuàng)建時(shí)，先去“常量池”查找是否有此“字符串”，如果有，則不會(huì)開(kāi)辟新空間創(chuàng)作字符串，而是直接把常量池中的引用返回給此對(duì)象，這樣就能更加節(jié)省空間。例如，通常情況下 String 創(chuàng)建有兩種方式，直接賦值的方式，如 String str="Java"；另一種是 new 形式的創(chuàng)建，如 String str = new String("Java")。當(dāng)代碼中使用第一種方式創(chuàng)建字符串對(duì)象時(shí)，JVM 首先會(huì)檢查該對(duì)象是否在字符串常量池中，如果在，就返回該對(duì)象引用，否則新的字符串將在常量池中被創(chuàng)建。這種方式可以 減少同一個(gè)值的字符串對(duì)象的重復(fù)創(chuàng)建，節(jié)約內(nèi)存。String str = new String("Java") 這種方式，首先在編譯類文件時(shí)，“Java”常量字符串將會(huì)放入到常量結(jié)構(gòu)中，在類加載時(shí)，“Java”將會(huì)在常量池中創(chuàng)建；其次，在調(diào)用 new 時(shí)，JVM 命令將會(huì)調(diào)用 String 的構(gòu)造函數(shù)，同時(shí)引用常量池中的“Java”字符串，在堆內(nèi)存中創(chuàng)建一個(gè) String 對(duì)象，最后 str 將引用 String 對(duì)象。
1.不要直接+=字符串
通過(guò)上面的內(nèi)容，我們知道了 String 類是不可變的，那么在使用 String 時(shí)就不能頻繁的 += 字符串了。
優(yōu)化前代碼：
public static String doAdd() {
String result = "";
for (int i = 0; i < 10000; i++) {
result += (" i:" + i);
}
return result;
}
有人可能會(huì)問(wèn)，我的業(yè)務(wù)需求是這樣的，那我該如何實(shí)現(xiàn)？
官方為我們提供了兩種字符串拼加的方案：StringBuffer 和 StringBuilder，其中 StringBuilder 為非線程安全的，而 StringBuffer 則是線程安全的，StringBuffer 的拼加方法使用了關(guān)鍵字 synchronized 來(lái)保證線程的安全，源碼如下：
@Override
public synchronized StringBuffer append(CharSequence s) {
toStringCache = null;
super.append(s);
return this;
}
也因?yàn)槭褂?nbsp;synchronized 修飾，所以 StringBuffer 的拼加性能會(huì)比 StringBuilder 低。
那我們就用 StringBuilder 來(lái)實(shí)現(xiàn)字符串的拼加，優(yōu)化后代碼：
public static String doAppend() {
StringBuilder sb = new StringBuilder();
for (int i = 0; i < 10000; i++) {
sb.append(" i:" + i);
}
return sb.toString();
}
我們通過(guò)代碼測(cè)試一下，兩個(gè)方法之間的性能差別：
public class StringTest {
public static void main(String[] args) {
for (int i = 0; i < 5; i++) {
// String
long st1 = System.currentTimeMillis(); // 開(kāi)始時(shí)間
doAdd();
long et1 = System.currentTimeMillis(); // 開(kāi)始時(shí)間
System.out.println("String 拼加，執(zhí)行時(shí)間：" + (et1 - st1));
// StringBuilder
long st2 = System.currentTimeMillis(); // 開(kāi)始時(shí)間
doAppend();
long et2 = System.currentTimeMillis(); // 開(kāi)始時(shí)間
System.out.println("StringBuilder 拼加，執(zhí)行時(shí)間：" + (et2 - st2));
System.out.println();
}
}
public static String doAdd() {
String result = "";
for (int i = 0; i < 10000; i++) {
result += ("Java中文社群:" + i);
}
return result;
}
public static String doAppend() {
StringBuilder sb = new StringBuilder();
for (int i = 0; i < 10000; i++) {
sb.append("Java中文社群:" + i);
}
return sb.toString();
}
}
以上程序的執(zhí)行結(jié)果如下：
String 拼加，執(zhí)行時(shí)間：429
StringBuilder 拼加，執(zhí)行時(shí)間：1String 拼加，執(zhí)行時(shí)間：325
StringBuilder 拼加，執(zhí)行時(shí)間：1String 拼加，執(zhí)行時(shí)間：287
StringBuilder 拼加，執(zhí)行時(shí)間：1String 拼加，執(zhí)行時(shí)間：265
StringBuilder 拼加，執(zhí)行時(shí)間：1String 拼加，執(zhí)行時(shí)間：249
StringBuilder 拼加，執(zhí)行時(shí)間：1
從結(jié)果可以看出，優(yōu)化前后的性能相差很大。
注意：此性能測(cè)試的結(jié)果與循環(huán)的次數(shù)有關(guān)，也就是說(shuō)循環(huán)的次數(shù)越多，他們性能相除的結(jié)果也越大。
接下來(lái)，我們要思考一個(gè)問(wèn)題：為什么 StringBuilder.append() 方法比 += 的性能高？而且拼接的次數(shù)越多性能的差距也越大？
當(dāng)我們打開(kāi) StringBuilder 的源碼，就可以發(fā)現(xiàn)其中的“小秘密”了，StringBuilder 父類 AbstractStringBuilder 的實(shí)現(xiàn)源碼如下：
abstract class AbstractStringBuilder implements Appendable, CharSequence {
char[] value;
int count;
@Override
public AbstractStringBuilder append(CharSequence s, int start, int end) {
if (s == null)
s = "null";
if ((start < 0) || (start > end) || (end > s.length()))
throw new IndexOutOfBoundsException(
"start " + start + ", end " + end + ", s.length() "
+ s.length());
int len = end - start;
ensureCapacityInternal(count + len);
for (int i = start, j = count; i < end; i++, j++)
value[j] = s.charAt(i);
count += len;
return this;
}
// 忽略其他信息...
}
而 StringBuilder 使用了父類提供的 char[] 作為自己值的實(shí)際存儲(chǔ)單元，每次在拼加時(shí)會(huì)修改 char[] 數(shù)組，StringBuilder toString() 源碼如下：
@Override
public String toString() {
// Create a copy, don't share the array
return new String(value, 0, count);
}
綜合以上源碼可以看出：StringBuilder 使用了 char[] 作為實(shí)際存儲(chǔ)單元，每次在拼加時(shí)只需要修改 char[] 數(shù)組即可，只是在 toString() 時(shí)創(chuàng)建了一個(gè)字符串；而 String 一旦創(chuàng)建之后就不能被修改，因此在每次拼加時(shí)，都需要重新創(chuàng)建新的字符串，所以 StringBuilder.append() 的性能就會(huì)比字符串的 += 性能高很多。
2.善用 intern 方法
善用 String.intern() 方法可以有效的節(jié)約內(nèi)存并提升字符串的運(yùn)行效率，先來(lái)看 intern() 方法的定義與源碼：
/**
* Returns a canonical representation for the string object.
* <p>
* A pool of strings, initially empty, is maintained privately by the
* class {@code String}.
* <p>
* When the intern method is invoked, if the pool already contains a
* string equal to this {@code String} object as determined by
* the {@link #equals(Object)} method, then the string from the pool is
* returned. Otherwise, this {@code String} object is added to the
* pool and a reference to this {@code String} object is returned.
* <p>
* It follows that for any two strings {@code s} and {@code t},
* {@code s.intern() == t.intern()} is {@code true}
* if and only if {@code s.equals(t)} is {@code true}.
* <p>
* All literal strings and string-valued constant expressions are
* interned. String literals are defined in section 3.10.5 of the
* <cite>The Java™ Language Specification</cite>.
*
* @return a string that has the same contents as this string, but is
* guaranteed to be from a pool of unique strings.
*/
public native String intern();
可以看出 intern() 是一個(gè)高效的本地方法，它的定義中說(shuō)的是，當(dāng)調(diào)用 intern 方法時(shí)，如果字符串常量池中已經(jīng)包含此字符串，則直接返回此字符串的引用，如果不包含此字符串，先將字符串添加到常量池中，再返回此對(duì)象的引用。
那什么情況下適合使用 intern() 方法？
Twitter 工程師曾分享過(guò)一個(gè) String.intern() 的使用示例，Twitter 每次發(fā)布消息狀態(tài)的時(shí)候，都會(huì)產(chǎn)生一個(gè)地址信息，以當(dāng)時(shí) Twitter 用戶的規(guī)模預(yù)估，服務(wù)器需要 32G 的內(nèi)存來(lái)存儲(chǔ)地址信息。
public class Location {
private String city;
private String region;
private String countryCode;
private double longitude;
private double latitude;
}
考慮到其中有很多用戶在地址信息上是有重合的，比如，國(guó)家、省份、城市等，這時(shí)就可以將這部分信息單獨(dú)列出一個(gè)類，以減少重復(fù)，代碼如下：
public class SharedLocation {
private String city;
private String region;
private String countryCode;
}
public class Location {
private SharedLocation sharedLocation;
double longitude;
double latitude;
}
通過(guò)優(yōu)化，數(shù)據(jù)存儲(chǔ)大小減到了 20G 左右。但對(duì)于內(nèi)存存儲(chǔ)這個(gè)數(shù)據(jù)來(lái)說(shuō)，依然很大，怎么辦呢？
Twitter 工程師使用 String.intern() 使重復(fù)性非常高的地址信息存儲(chǔ)大小從 20G 降到幾百兆，從而優(yōu)化了 String 對(duì)象的存儲(chǔ)。
實(shí)現(xiàn)的核心代碼如下：
SharedLocation sharedLocation = new SharedLocation();
sharedLocation.setCity(messageInfo.getCity().intern());
sharedLocation.setCountryCode(messageInfo.getRegion().intern());
sharedLocation.setRegion(messageInfo.getCountryCode().intern());
從 JDK1.7 版本以后，常量池已經(jīng)合并到了堆中，所以不會(huì)復(fù)制字符串副本，只是會(huì)把首次遇到的字符串的引用添加到常量池中。此時(shí)只會(huì)判斷常量池中是否已經(jīng)有此字符串，如果有就返回常量池中的字符串引用。
這就相當(dāng)于以下代碼：
String s1 = new String("Java中文社群").intern();
String s2 = new String("Java中文社群").intern();
System.out.println(s1 == s2);
執(zhí)行的結(jié)果為：true
此處如果有人問(wèn)為什么不直接賦值（使用 String s1 = "Java中文社群"），是因?yàn)檫@段代碼是簡(jiǎn)化了上面 Twitter 業(yè)務(wù)代碼的語(yǔ)義而創(chuàng)建的，他使用的是對(duì)象的方式，而非直接賦值的方式。更多關(guān)于 intern() 的內(nèi)容可以查看《別再問(wèn)我new字符串創(chuàng)建了幾個(gè)對(duì)象了！我來(lái)證明給你看！》這篇文章。
3.慎重使用 Split 方法
之所以要?jiǎng)窀魑簧饔?Split 方法，是因?yàn)?Split 方法大多數(shù)情況下使用的是正則表達(dá)式，這種分割方式本身沒(méi)有什么問(wèn)題，但是由于正則表達(dá)式的性能是非常不穩(wěn)定的，使用不恰當(dāng)會(huì)引起回溯問(wèn)題，很可能導(dǎo)致 CPU 居高不下。
例如以下正則表達(dá)式：
String badRegex = "^([hH][tT]{2}[pP]://|[hH][tT]{2}[pP][sS]://)(([A-Za-z0-9-~]+).)+([A-Za-z0-9-~\\\\/])+$";
String bugUrl = "http://www.apigo.com/dddp-web/pdf/download?request=6e7JGxxxxx4ILd-kExxxxxxxqJ4-CHLmqVnenXC692m74H38sdfdsazxcUmfcOH2fAfY1Vw__%5EDadIfJgiEf";
if (bugUrl.matches(badRegex)) {
System.out.println("match!!");
} else {
System.out.println("no match!!");
}
Java 正則表達(dá)式使用的引擎實(shí)現(xiàn)是 NFA（Non deterministic Finite Automaton，不確定型有窮自動(dòng)機(jī)）自動(dòng)機(jī)，這種正則表達(dá)式引擎在進(jìn)行字符匹配時(shí)會(huì)發(fā)生回溯（backtracking），而一旦發(fā)生回溯，那其消耗的時(shí)間就會(huì)變得很長(zhǎng)，有可能是幾分鐘，也有可能是幾個(gè)小時(shí)，時(shí)間長(zhǎng)短取決于回溯的次數(shù)和復(fù)雜度。
為了更好地解釋什么是回溯，我們使用以下面例子進(jìn)行解釋：
text = "abbc";
regex = "ab{1,3}c";
上面的這個(gè)例子的目的比較簡(jiǎn)單，匹配以 a 開(kāi)頭，以 c 結(jié)尾，中間有 1-3 個(gè) b 字符的字符串。
NFA 引擎對(duì)其解析的過(guò)程是這樣子的：
-
首先，讀取正則表達(dá)式第一個(gè)匹配符 a和 字符串第一個(gè)字符a比較，匹配上了，于是讀取正則表達(dá)式第二個(gè)字符； -
讀取正則表達(dá)式第二個(gè)匹配符 b{1,3}和字符串的第二個(gè)字符 b 比較，匹配上了。但因?yàn)?b{1,3}表示 1-3 個(gè)b字符串，以及 NFA 自動(dòng)機(jī)的貪婪特性（也就是說(shuō)要盡可能多地匹配），所以此時(shí)并不會(huì)再去讀取下一個(gè)正則表達(dá)式的匹配符，而是依舊使用b{1,3}和字符串的第三個(gè)字符b比較，發(fā)現(xiàn)還是匹配上了，于是繼續(xù)使用b{1,3}和字符串的第四個(gè)字符c比較，發(fā)現(xiàn)不匹配了，此時(shí)就會(huì)發(fā)生回溯； -
發(fā)生回溯后，我們已經(jīng)讀取的字符串第四個(gè)字符 c將被吐出去，指針回到第三個(gè)字符串的位置，之后程序讀取正則表達(dá)式的下一個(gè)操作符c，然后再讀取當(dāng)前指針的下一個(gè)字符c進(jìn)行對(duì)比，發(fā)現(xiàn)匹配上了，于是讀取下一個(gè)操作符，然后發(fā)現(xiàn)已經(jīng)結(jié)束了。
這就是正則匹配執(zhí)行的流程和簡(jiǎn)單的回溯執(zhí)行流程，而上面的示例在匹配到“com/dzfp-web/pdf/download?request=6e7JGm38jf.....”時(shí)因?yàn)樨澙菲ヅ涞脑颍猿绦驎?huì)一直讀后面的字符串進(jìn)行匹配，最后發(fā)現(xiàn)沒(méi)有點(diǎn)號(hào)，于是就一個(gè)個(gè)字符回溯回去了，于是就會(huì)導(dǎo)致了 CPU 運(yùn)行過(guò)高。
所以我們應(yīng)該慎重使用 Split() 方法，我們可以用 String.indexOf() 方法代替 Split() 方法完成字符串的分割。如果實(shí)在無(wú)法滿足需求，你就在使用 Split() 方法時(shí)，對(duì)回溯問(wèn)題加以重視就可以了。
總結(jié)
本文通過(guò) String 源碼分析，發(fā)現(xiàn)了 String 的不可變特性，以及不可變特性的 3 大優(yōu)點(diǎn)講解；然后講了字符串優(yōu)化的三個(gè)手段：不要直接 += 字符串、善用 intern() 方法和慎重使用 Split() 方法。并且通過(guò) StringBuilder 的源碼分析，了解了 append() 性能高的主要原因，以及正則表達(dá)式不穩(wěn)定性導(dǎo)致回溯問(wèn)題，進(jìn)入導(dǎo)致 CPU 使用過(guò)高的案例分析，希望可以切實(shí)的幫助到你。
參考 & 鳴謝
https://time.geekbang.org/column/article/97215
https://blog.csdn.net/ityouknow/article/details/80851338
特別推薦一個(gè)分享架構(gòu)+算法的優(yōu)質(zhì)內(nèi)容，還沒(méi)關(guān)注的小伙伴，可以長(zhǎng)按關(guān)注一下：
長(zhǎng)按訂閱更多精彩▼
如有收獲，點(diǎn)個(gè)在看，誠(chéng)摯感謝
免責(zé)聲明：本文內(nèi)容由21ic獲得授權(quán)后發(fā)布，版權(quán)歸原作者所有，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。文章僅代表作者個(gè)人觀點(diǎn)，不代表本平臺(tái)立場(chǎng)，如有問(wèn)題，請(qǐng)聯(lián)系我們，謝謝！
下載文檔
