20

短版：如果调用string.substring(n,m).intern()，字符串表是保留子字符串还是原始字符串？

...但我不确定这是一个正确的问题，所以这里是长版本：

我正在使用遗留 Java 代码 (PCGen)，它通过将每个文件作为一个大字符串来解析文件，然后使用 String.split、.trim、.substring 和 StringTokenizer 将它们分解为令牌。这对于解析非常有效，因为这些方法都不会复制原始字符串，而是都指向共享 char[] 的一部分。

解析结束后，我想回收一些内存。只需要原始大字符串的几个小子字符串，但强引用阻止了大字符串被收集。后来我遭受了OOM，我相信部分是由于大量已解析文件的巨大堆影响。

new String(String)我知道我可以通过（写时复制）修剪大字符串。而且我知道我可以通过 String.intern 减少字符串重复（这很重要，因为解析的文件中有很多冗余）。我需要同时使用两者来回收最大数量的堆，还是 .intern() 两者都做？阅读 OpenJDK7 热点源代码（hotspot/src/share/vm/classfile/symbolTable.cpp），看起来字符串表保留了整个字符串，并且根本没有修剪它的偏移量/长度。所以我想我需要制作一个新的字符串，然后实习这个结果。对？

综上所述，切换到流式解析器在内存方面将是一个巨大的胜利，但这对于短期而言变化太大了。

4

2 回答 2

10

您可以使用 new String(String) 和 intern() 方法，这将根据需要获取 Java 7 update 4 的副本。从 Java 7 update 5 开始，子字符串将获取更深的副本，但您可能仍想使用 intern ()。注意：Java 7 使用堆而不是 perm gen 来存储字符串文字。

public static void main(String[] args) {
    char[] chars = new char[128];
    Arrays.fill(chars, 'A');
    String a128 = new String(chars);
    printValueFor("a128", a128);
    String a16 = a128.substring(0, 16);
    printValueFor("a16", a16);
}

public static void printValueFor(String desc, String s) {
    try {
        Field value = String.class.getDeclaredField("value");
        value.setAccessible(true);
        char[] valueArr = (char[]) value.get(s);
        System.out.println(desc + ": " + Integer.toHexString(System.identityHashCode(valueArr)) + ", len=" + valueArr.length);
    } catch (Exception e) {
        throw new AssertionError(e);
    }
}

在 Java 7 更新 4 打印

a128: 513e86ec, len=128
a16: 53281264, len=16

我希望 Java 6 不会这样做。

于 2013-01-25T06:48:15.150 回答
3

我们可以测试一下。字符串将其字符数组保存在一个字段中

   private final char value[];

让我们看看在 substring() 之后会发生什么；实习生（）;

    Field f = String.class.getDeclaredField("value");
    f.setAccessible(true);
    String s1 = "12345";
    String s2 = s1.substring(1, 2);
    String s3 = s2.intern();
    System.out.println(f.get(s2) == f.get(s1));
    System.out.println(f.get(s3) == f.get(s2));

输出

true
true

也就是说，所有 3 个字符串共享同一个字符数组

于 2013-01-25T06:59:14.553 回答