在Java中实习所有字符串对性能的影响是什么？

Question

我正在处理一个贸易处理应用程序，在那里我必须处理很多字符串。其中一些字符串是不重复的，例如贸易ID，而另一些字符串则经常重复，比如Product。

在解析trade message (JSON)时，我正在考虑将所有的贸易属性作为一个通用步骤，以减少内存使用并加快等式检查。

我的问题是，这样做是否会无意中降低绩效？

Answer 1

删除公共字符串通常是节省内存的一个好主意。

但千万不要使用String.intern来消除重复！

• String.intern是一个本机方法；每个调用都有额外的JNI间接费用。
• 它破坏了所有JVM部件之间共享的内部哈希表(例如，类加载)。
• string表的默认容量不够大，存储桶的数量也是恒定的。
• 它可能会增加GC暂停，因为JVM扫描这个内部哈希表，并可能在停止世界阶段重新散列它。
• 关于这份报告的更多细节。

常规的HashMap或ConcurrentHashMap可以更好地用于此任务的数量级。

下面的基准测试比较了String.intern和[Concurrent]HashMap.putIfAbsent在1M字符串集上的性能：

@State(Scope.Benchmark)
public class Dedup {
    private static final HashMap<String, String> HM = new HashMap<>();
    private static final ConcurrentHashMap<String, String> CHM = new ConcurrentHashMap<>();

    private static final int SIZE = 1024 * 1024;
    private static final String[] STRINGS = new Random(0).ints(SIZE)
            .mapToObj(Integer::toString)
            .toArray(String[]::new);

    int idx;

    @Benchmark
    public String intern() {
        String s = nextString();
        return s.intern();
    }

    @Benchmark
    public String hashMap() {
        String s = nextString();
        String prev = HM.putIfAbsent(s, s);
        return prev != null ? prev : s;
    }

    @Benchmark
    public String concurrentHashMap() {
        String s = nextString();
        String prev = CHM.putIfAbsent(s, s);
        return prev != null ? prev : s;
    }

    private String nextString() {
        return STRINGS[++idx & (SIZE - 1)];
    }
}

JDK 9(越小越好)的结果：

Benchmark                Mode  Cnt    Score    Error  Units
Dedup.concurrentHashMap  avgt   10   91,208 ±  0,569  ns/op
Dedup.hashMap            avgt   10   73,917 ±  0,602  ns/op
Dedup.intern             avgt   10  832,700 ± 73,402  ns/op