JDK9為何要將String的底層實現由char[]改成了byte[]

如果你不是 Java8 的釘子戶，你應該早就發現了：String 類的原始碼已經由 char[] 優化為了 byte[] 來儲存字串內容，為什麼要這樣做呢？

開門見山地說，從 char[] 到 byte[]，最主要的目的是為了節省字串佔用的記憶體。記憶體佔用減少帶來的另外一個好處，就是 GC 次數也會減少。

一、為什麼要優化 String 節省記憶體空間

我們使用 jmap -histo:live pid | head -n 10 命令就可以檢視到堆內物件範例的統計資訊、檢視 ClassLoader 的資訊以及 finalizer 佇列。

以我正在執行著的程式設計喵喵專案範例（基於 Java 8）來說，結果是這樣的。

其中 String 物件有 17638 個，佔用了 423312 個位元組的記憶體，排在第三位。

由於 Java 8 的 String 內部實現仍然是 char[]，所以我們可以看到記憶體佔用排在第 1 位的就是 char 陣列。

char[] 物件有 17673 個，佔用了 1621352 個位元組的記憶體，排在第一位。

那也就是說優化 String 節省記憶體空間是非常有必要的，如果是去優化一個使用頻率沒有 String 這麼高的類庫，就顯得非常的雞肋。

二、byte[] 為什麼就能節省記憶體空間呢？

眾所周知，char 型別的資料在 JVM 中是佔用兩個位元組的，並且使用的是 UTF-8 編碼，其值範圍在 'u0000'（0）和 'uffff'（65,535）（包含）之間。

也就是說，使用 char[] 來表示 String 就導致了即使 String 中的字元只用一個位元組就能表示，也得佔用兩個位元組。

而實際開發中，單位元組的字元使用頻率仍然要高於雙位元組的。

當然了，僅僅將 char[] 優化為 byte[] 是不夠的，還要配合 Latin-1 的編碼方式，該編碼方式是用單個位元組來表示字元的，這樣就比 UTF-8 編碼節省了更多的空間。

換句話說，對於：

String name = "jack";  

這樣的，使用 Latin-1 編碼，佔用 4 個位元組就夠了。

但對於：

String name = "小二"; 

這種，木的辦法，只能使用 UTF16 來編碼。

針對 JDK 9 的 String 原始碼裡，為了區別編碼方式，追加了一個 coder 欄位來區分。

/**  
 * The identifier of the encoding used to encode the bytes in  
 * {@code value}. The supported values in this implementation are  
 *  
 * LATIN1  
 * UTF16  
 *  
 * @implNote This field is trusted by the VM, and is a subject to  
 * constant folding if String instance is constant. Overwriting this  
 * field after construction will cause problems.  
 */  
private final byte coder; 

Java 會根據字串的內容自動設定為相應的編碼，要麼 Latin-1 要麼 UTF16。

也就是說，從 char[] 到 byte[]，中文是兩個位元組，純英文是一個位元組，在此之前呢，中文是兩個位元組，英文也是兩個位元組。

三、為什麼用UTF-16而不用UTF-8呢？

在 UTF-8 中，0-127 號的字元用 1 個位元組來表示，使用和 ASCII 相同的編碼。只有 128 號及以上的字元才用 2 個、3 個或者 4 個位元組來表示。

• 如果只有一個位元組，那麼最高的位元位為 0；

• 如果有多個位元組，那麼第一個位元組從最高位開始，連續有幾個位元位的值為 1，就使用幾個位元組編碼，剩下的位元組均以 10 開頭。

具體的表現形式為：

• 0xxxxxxx：一個位元組；

• 110xxxxx 10xxxxxx：兩個位元組編碼形式（開始兩個 1）；- 1110xxxx 10xxxxxx 10xxxxxx：三位元組編碼形式（開始三個 1）；

• 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx：四位元組編碼形式（開始四個 1）。

也就是說，UTF-8 是變長的，那對於 String 這種有隨機存取方法的類來說，就很不方便。所謂的隨機存取，就是charAt、subString這種方法，隨便指定一個數位，String要能給出結果。如果字串中的每個字元佔用的記憶體是不定長的，那麼進行隨機存取的時候，就需要從頭開始數每個字元的長度，才能找到你想要的字元。

那有小夥伴可能會問，UTF-16也是變長的呢？一個字元還可能佔用 4 個位元組呢？

的確，UTF-16 使用 2 個或者 4 個位元組來儲存字元。

• 對於 Unicode 編號範圍在 0 ~ FFFF 之間的字元，UTF-16 使用兩個位元組儲存。

• 對於 Unicode 編號範圍在 10000 ~ 10FFFF 之間的字元，UTF-16 使用四個位元組儲存，具體來說就是：將字元編號的所有位元位分成兩部分，較高的一些位元位用一個值介於 D800DBFF 之間的雙位元組儲存，較低的一些位元位（剩下的位元位）用一個值介於 DC00DFFF 之間的雙位元組儲存。

但是在 Java 中，一個字元（char）就是 2 個位元組，佔 4 個位元組的字元，在 Java 裡也是用兩個 char 來儲存的，而String的各種操作，都是以Java的字元（char）為單位的，charAt是取得第幾個char，subString取的也是第幾個到第幾個char組成的子串，甚至length返回的都是char的個數。

所以UTF-16在Java的世界裡，就可以視為一個定長的編碼。

到此這篇關於JDK9為何要將String的底層實現由char[]改成了byte[]的文章就介紹到這了,更多相關JDK9 char[]改成了byte[]內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！