String性能提升10倍的幾個方法！(源碼+原理分析)
<div>
在看如何優化 String 之前，我們先來了解一下 String 的特性，畢竟知己知彼，才能百戰不殆。
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：// 源碼基於 JDK 1.8
public final class String
implements java.io.Serializable, Comparable<String>, CharSequence {
// String 值的實際存儲容器
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[] 是實現字符串存儲的最終結構，而 final 則表示“最後的、最終的”。
我們知道，被 final 修飾的類是不能被繼承的，也就是說此類將不能擁有子類，而被 final 修飾的變量即爲常量，它的值是不能被改變的。 這也就說當 String 一旦被創建之後，就不能被修改了 。
String 爲什麼不能被修改？
String 的類和屬性value[] 都被定義爲 final 了，這樣做的好處有以下三點：
-
安全性：當你在調用其他方法時，比如調用一些系統級操作指令之前，可能會有一系列校驗，如果是可變類的話，可能在你校驗過後，它的內部的值又被改變了，這樣有可能會引起嚴重的系統崩潰問題，所以迫使 String 設計爲 final 類的一個重要原因就是出於安全考慮；
-
高性能：String 不可變之後就保證 hash 值的唯一性，這樣它就更加高效，並且更適合做 HashMap 的 key- value 緩存；
-
節約內存：String 的不可變性是它實現 字符串常量池 的基礎，字符串常量池指的是字符串在創建時，先去“常量池”查找是否有此“字符串”，如果有，則不會開闢新空間創作字符串，而是直接把常量池中的引用返回給此對象，這樣就能更加節省空間。例如，通常情況下 String 創建有兩種方式， 直接賦值 的方式，如 String str="Java"；另一種是 new 形式的創建 ，如 String str = new String("Java")。當代碼中使用第一種方式創建字符串對象時，JVM 首先會檢查該對象是否在字符串常量池中，如果在，就返回該對象引用，否則新的字符串將在常量池中被創建。這種方式可以 減少同一個值的字符串對象的重複創建，節約內存 。 String str = new String("Java") 這種方式，首先在編譯類文件時，“Java”常量字符串將會放入到常量結構中，在類加載時，“Java”將會在常量池中創建；其次，在調用 new 時，JVM 命令將會調用 String 的構造函數，同時引用常量池中的“Java”字符串，在堆內存中創建一個 String 對象，最後 str 將引用 String 對象。
1.不要直接+=字符串
通過上面的內容，我們知道了 String 類是不可變的，那麼在使用 String 時就不能頻繁的 += 字符串了。優化前代碼：
public static String doAdd() {
String result = "";
for (int i = 0; i < 10000; i++) {
result += (" i:" + i);
}
return result;
}
有人可能會問，我的業務需求是這樣的，那我該如何實現？
官方爲我們提供了兩種字符串拼加的方案： StringBuffer 和 StringBuilder ，其中 StringBuilder 爲非線程安全的，而 StringBuffer 則是線程安全的， StringBuffer 的拼加方法使用了關鍵字 synchronized 來保證線程的安全，源碼如下：
@Override
public synchronized StringBuffer append(CharSequence s) {
toStringCache = null;
super.append(s);
return this;
}
也因爲使用 synchronized 修飾，所以 StringBuffer 的拼加性能會比 StringBuilder 低。
那我們就用 StringBuilder 來實現字符串的拼加， 優化後代碼 ：
public static String doAppend() {
StringBuilder sb = new StringBuilder();
for (int i = 0; i < 10000; i++) {
sb.append(" i:" + i);
}
return sb.toString();
}
我們通過代碼測試一下，兩個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(); // 開始時間
doAdd();
long et1 = System.currentTimeMillis(); // 開始時間
System.out.println("String 拼加，執行時間：" + (et1 - st1));
// StringBuilder
long st2 = System.currentTimeMillis(); // 開始時間
doAppend();
long et2 = System.currentTimeMillis(); // 開始時間
System.out.println("StringBuilder 拼加，執行時間：" + (et2 - st2));
System.out.println();
}
}
public static String doAdd() {
String result = "";
for (int i = 0; i < 10000; i++) {
result += ("Java中文社羣:" + i);
}
return result;
}
public static String doAppend() {
StringBuilder sb = new StringBuilder();
for (int i = 0; i < 10000; i++) {
sb.append("Java中文社羣:" + i);
}
return sb.toString();
}
}
以上程序的執行結果如下：
String 拼加，執行時間：429 StringBuilder 拼加，執行時間：1 String 拼加，執行時間：325 StringBuilder 拼加，執行時間：1 String 拼加，執行時間：287 StringBuilder 拼加，執行時間：1 String 拼加，執行時間：265 StringBuilder 拼加，執行時間：1 String 拼加，執行時間：249 StringBuilder 拼加，執行時間：1從結果可以看出，優化前後的性能相差很大。 注意：此性能測試的結果與循環的次數有關，也就是說循環的次數越多，他們性能相除的結果也越大。 接下來，我們要思考一個問題： 爲什麼 StringBuilder.append() 方法比 += 的性能高？而且拼接的次數越多性能的差距也越大？ 當我們打開 StringBuilder 的源碼，就可以發現其中的“小祕密”了，StringBuilder 父類 AbstractStringBuilder 的實現源碼如下：
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[] 作爲自己值的實際存儲單元，每次在拼加時會修改 char[] 數組，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[] 作爲實際存儲單元，每次在拼加時只需要修改 char[] 數組即可，只是在 toString() 時創建了一個字符串；而 String 一旦創建之後就不能被修改，因此在每次拼加時，都需要重新創建新的字符串，所以 StringBuilder.append() 的性能就會比字符串的 += 性能高很多 。
2.善用 intern 方法
善用 String.intern() 方法可以有效的節約內存並提升字符串的運行效率，先來看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() 是一個高效的本地方法，它的定義中說的是，當調用 intern 方法時，如果字符串常量池中已經包含此字符串，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，再返回此對象的引用。
那什麼情況下適合使用 intern() 方法？
Twitter 工程師曾分享過一個 String.intern() 的使用示例，Twitter 每次發佈消息狀態的時候，都會產生一個地址信息，以當時 Twitter 用戶的規模預估，服務器需要 32G 的內存來存儲地址信息。
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，國家、省份、城市等，這時就可以將這部分信息單獨列出一個類，以減少重複，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;
}
通過優化，數據存儲大小減到了 20G 左右。但對於內存存儲這個數據來說，依然很大，怎麼辦呢？
Twitter 工程師使用 String.intern() 使重複性非常高的地址信息存儲大小從 20G 降到幾百兆，從而優化了 String 對象的存儲。
實現的核心代碼如下：
SharedLocation sharedLocation = new SharedLocation(); sharedLocation.setCity(messageInfo.getCity().intern()); sharedLocation.setCountryCode(messageInfo.getRegion().intern()); sharedLocation.setRegion(messageInfo.getCountryCode().intern());從 JDK1.7 版本以後， 常量池已經合併到了堆中 ，所以不會複製字符串副本，只是會把首次遇到的字符串的引用添加到常量池中。此時只會判斷常量池中是否已經有此字符串，如果有就返回常量池中的字符串引用。 這就相當於以下代碼：
String s1 = new String("Java中文社羣").intern();
String s2 = new String("Java中文社羣").intern();
System.out.println(s1 == s2);
執行的結果爲：true
此處如果有人問爲什麼不直接賦值（使用 String s1 = "Java中文社羣"），是因爲這段代碼是簡化了上面 Twitter 業務代碼的語義而創建的，他使用的是對象的方式，而非直接賦值的方式。更多關於 intern() 的內容可以查看 《別再問我new字符串創建了幾個對象了！我來證明給你看！》 這篇文章。
3.慎重使用 Split 方法
之所以要勸各位慎用Split 方法，是因爲 Split 方法大多數情況下使用的是正則表達式，這種分割方式本身沒有什麼問題，但是 由於正則表達式的性能是非常不穩定的，使用不恰當會引起回溯問題，很可能導致 CPU 居高不下 。
例如以下正則表達式：
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!!");
}
執行效果如下圖所示：
可以看出，此代碼導致了 CPU 使用過高。
text = "abbc";
regex = "ab{1,3}c";
上面的這個例子的目的比較簡單，匹配以 a 開頭，以 c 結尾，中間有 1-3 個 b 字符的字符串。
NFA 引擎對其解析的過程是這樣子的：
-
首先，讀取正則表達式第一個匹配符
a和 字符串第一個字符a比較，匹配上了，於是讀取正則表達式第二個字符； -
b{1,3} b{1,3} b b{1,3} b b{1,3} c -
發生回溯後，我們已經讀取的字符串第四個字符
c將被吐出去，指針回到第三個字符串的位置，之後程序讀取正則表達式的下一個操作符c，然後再讀取當前指針的下一個字符c進行對比，發現匹配上了，於是讀取下一個操作符，然後發現已經結束了。
總結
本文通過 String 源碼分析，發現了 String 的不可變特性，以及不可變特性的 3 大優點講解；然後講了 字符串優化的三個手段：不要直接 += 字符串、善用 intern() 方法和慎重使用 Split() 方法 。並且通過 StringBuilder 的源碼分析，瞭解了 append() 性能高的主要原因，以及正則表達式不穩定性導致回溯問題，進入導致 CPU 使用過高的案例分析，希望可以切實的幫助到你。
