Java 8 字符串重复数据删除与 String.intern()
Java 8 String deduplication vs. String.intern()
我正在阅读 Java 8 update 20 中有关字符串重复数据删除 (more info) 的功能，但我不确定这是否基本上使 String.intern() 过时了。
我知道此 JVM 功能需要 G1 垃圾收集器，这对许多人来说可能不是一个选项，但假设有人使用 G1GC，是否有任何 difference/advantage/disadvantage 自动重复数据删除由 JVM 完成 vs 手动必须 intern 你的字符串 （一个明显的优点是不必通过调用 intern() 污染你的代码）？
考虑到 Oracle 可能会在 java 9
中将 G1GC 设为默认 GC，这尤其有趣
使用此功能，如果您有 1000 个不同的 String 对象，并且所有对象都具有相同的内容 "abc"，JVM 可以使它们在内部共享相同的内容 char[]。但是，您仍然有 1000 个不同的 String 个对象。
使用 intern()，您将只有一个 String 对象。因此，如果您关心节省内存，intern() 会更好。它将节省 space，以及 GC 时间。
不过，intern()的性能不是很好，上次听说。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。
我想介绍另一个关于目标受众的决定因素：
- 对于系统集成商而言，其系统由许多不同 libraries/frameworks 组成，影响这些库内部开发的能力较低，如果内存有问题，StringDeDuplication 可能是一个快速的赢家。它会影响 JVM 中的所有 String，但 G1 只会使用空闲时间来做它。您甚至可以在使用另一个参数 (StringDeduplicationAgeThreshold)
计算重复数据删除时进行调整
- 对于分析自己代码的开发人员来说，String.intern 可能更有趣。有必要对领域模型进行全面审查，以决定是否调用 intern 以及何时调用。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 intern，例如一种枚举集（即国家/地区名称、月份、星期几...）。
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，我学到了很多东西，但是我不确定它的结论是否一定 "one size fits all"。每个方面都取决于您自己的应用程序的需求 - 强烈建议对实际输入数据进行测量！
主要因素可能取决于您能控制什么：
您对 GC 的选择有完全的控制权吗？例如，在 GUI 应用程序中，仍然有充分的理由使用串行 GC。 （该进程的总内存占用量要低得多——对于一个中等复杂的应用程序来说，400 MB vs ~1 GB，并且更愿意释放内存，例如在使用量出现短暂峰值之后）。所以你可以选择那个或者给你的用户选择。 （如果堆仍然很小，暂停应该不是什么大问题）。
您对代码有完全的控制权吗？ G1GC 选项非常适合您无法编辑的第 3 方库（和应用程序！）。
第二个考虑（根据@ZhongYu的回答）是String.intern可以去重String对象本身，而G1GC必然只能去重它们的私有char[]领域。
第三个考虑因素可能是 CPU 使用情况，比如您的用户是否关心对笔记本电脑电池寿命的影响。 G1GC 将 运行 一个额外的线程专用于对堆进行去重。例如，我在 运行 Eclipse 上玩这个，发现它在启动后导致 CPU activity 的初始阶段增加（想想 1 - 2 分钟），但它稳定在一个较小的堆上"in-use" 并且没有明显的（只是观察任务管理器）CPU 开销或此后减速。所以我想一定百分比的 CPU 内核将用于重复数据删除（期间？之后？）高内存流失期间。 （当然，如果你在任何地方调用 String.intern 可能会有相当的开销，这也将是串行的 运行s，但是......）
您可能不需要在任何地方都进行字符串重复数据删除。可能只有某些代码区域：
- 真正影响堆的长期使用，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）不会付出代价。
最后，Guava 实用程序的快速插件：Interner，其中：
Provides equivalent behavior to String.intern() for other immutable types
您也可以将其用于字符串。内存可能是（并且应该是）您最关心的性能问题，因此这可能并不经常适用：但是，当您需要从某些热点区域中挤出每一滴速度时，我的经验是 Java-基于弱引用的 HashMap 解决方案 运行 比 String.intern() 的 JVM 的 C++ 实现稍快但始终如一，即使在调整了 jvm 选项之后也是如此。 （还有好处：您不需要调整 JVM 选项来扩展到不同的输入。）
我正在阅读 Java 8 update 20 中有关字符串重复数据删除 (more info) 的功能，但我不确定这是否基本上使 String.intern() 过时了。
我知道此 JVM 功能需要 G1 垃圾收集器，这对许多人来说可能不是一个选项，但假设有人使用 G1GC，是否有任何 difference/advantage/disadvantage 自动重复数据删除由 JVM 完成 vs 手动必须 intern 你的字符串 （一个明显的优点是不必通过调用 intern() 污染你的代码）？
考虑到 Oracle 可能会在 java 9
中将 G1GC 设为默认 GC，这尤其有趣使用此功能，如果您有 1000 个不同的 String 对象，并且所有对象都具有相同的内容 "abc"，JVM 可以使它们在内部共享相同的内容 char[]。但是，您仍然有 1000 个不同的 String 个对象。
使用 intern()，您将只有一个 String 对象。因此，如果您关心节省内存，intern() 会更好。它将节省 space，以及 GC 时间。
不过，intern()的性能不是很好，上次听说。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。
我想介绍另一个关于目标受众的决定因素：
- 对于系统集成商而言，其系统由许多不同 libraries/frameworks 组成，影响这些库内部开发的能力较低，如果内存有问题，StringDeDuplication 可能是一个快速的赢家。它会影响 JVM 中的所有 String，但 G1 只会使用空闲时间来做它。您甚至可以在使用另一个参数 (StringDeduplicationAgeThreshold) 计算重复数据删除时进行调整
- 对于分析自己代码的开发人员来说，String.intern 可能更有趣。有必要对领域模型进行全面审查，以决定是否调用 intern 以及何时调用。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 intern，例如一种枚举集（即国家/地区名称、月份、星期几...）。
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，我学到了很多东西，但是我不确定它的结论是否一定 "one size fits all"。每个方面都取决于您自己的应用程序的需求 - 强烈建议对实际输入数据进行测量！
主要因素可能取决于您能控制什么：
您对 GC 的选择有完全的控制权吗？例如，在 GUI 应用程序中，仍然有充分的理由使用串行 GC。 （该进程的总内存占用量要低得多——对于一个中等复杂的应用程序来说，400 MB vs ~1 GB，并且更愿意释放内存，例如在使用量出现短暂峰值之后）。所以你可以选择那个或者给你的用户选择。 （如果堆仍然很小，暂停应该不是什么大问题）。
您对代码有完全的控制权吗？ G1GC 选项非常适合您无法编辑的第 3 方库（和应用程序！）。
第二个考虑（根据@ZhongYu的回答）是String.intern可以去重String对象本身，而G1GC必然只能去重它们的私有char[]领域。
第三个考虑因素可能是 CPU 使用情况，比如您的用户是否关心对笔记本电脑电池寿命的影响。 G1GC 将 运行 一个额外的线程专用于对堆进行去重。例如，我在 运行 Eclipse 上玩这个，发现它在启动后导致 CPU activity 的初始阶段增加（想想 1 - 2 分钟），但它稳定在一个较小的堆上"in-use" 并且没有明显的（只是观察任务管理器）CPU 开销或此后减速。所以我想一定百分比的 CPU 内核将用于重复数据删除（期间？之后？）高内存流失期间。 （当然，如果你在任何地方调用 String.intern 可能会有相当的开销，这也将是串行的 运行s，但是......）
您可能不需要在任何地方都进行字符串重复数据删除。可能只有某些代码区域：
- 真正影响堆的长期使用，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）不会付出代价。
最后，Guava 实用程序的快速插件：Interner，其中：
Provides equivalent behavior to
String.intern()for other immutable types
您也可以将其用于字符串。内存可能是（并且应该是）您最关心的性能问题，因此这可能并不经常适用：但是，当您需要从某些热点区域中挤出每一滴速度时，我的经验是 Java-基于弱引用的 HashMap 解决方案 运行 比 String.intern() 的 JVM 的 C++ 实现稍快但始终如一，即使在调整了 jvm 选项之后也是如此。 （还有好处：您不需要调整 JVM 选项来扩展到不同的输入。）