您好,登錄后才能下訂單哦!
不懂JVM系列String.intern的性能分析?其實(shí)想解決這個(gè)問(wèn)題也不難,下面讓小編帶著大家一起學(xué)習(xí)怎么去解決,希望大家閱讀完這篇文章后大所收獲。
String對(duì)象有個(gè)特殊的StringTable字符串常量池,為了減少Heap中生成的字符串的數(shù)量,推薦盡量直接使用String Table中的字符串常量池中的元素。
String.intern和G1字符串去重的區(qū)別
之前我們提到了,String.intern方法會(huì)返回字符串常量池中的字符串對(duì)象的引用。
而G1垃圾回收器的字符串去重的功能其實(shí)和String.intern有點(diǎn)不一樣,G1是讓兩個(gè)字符串的底層指向同一個(gè)byte[]數(shù)組。
有圖為證:
上圖中的String1和String2指向的是同一個(gè)byte[]數(shù)組。
String.intern的性能
我們看下intern方法的定義:
public native String intern();
大家可以看到這是一個(gè)native的方法。native底層肯定是C++實(shí)現(xiàn)的。
那么是不是native方法一定會(huì)比java方法快呢?
其實(shí)native方法有這樣幾個(gè)耗時(shí)點(diǎn):
舉個(gè)例子
還是用JMH工具來(lái)進(jìn)行性能分析,我們使用String.intern,HashMap,和ConcurrentHashMap來(lái)對(duì)比分析,分別調(diào)用1次,100次,10000次和1000000。
代碼如下:
@State(Scope.Benchmark) @BenchmarkMode(Mode.AverageTime) @OutputTimeUnit(TimeUnit.NANOSECONDS) @Fork(value = 1, jvmArgsPrepend = "-XX:+PrintStringTableStatistics") @Warmup(iterations = 5) @Measurement(iterations = 5) public class StringInternBenchMark { @Param({"1", "100", "10000", "1000000"}) private int size; private StringInterner str; private ConcurrentHashMapInterner chm; private HashMapInterner hm; @Setup public void setup() { str = new StringInterner(); chm = new ConcurrentHashMapInterner(); hm = new HashMapInterner(); } public static class StringInterner { public String intern(String s) { return s.intern(); } } @Benchmark public void useIntern(Blackhole bh) { for (int c = 0; c < size; c++) { bh.consume(str.intern("doit" + c)); } } public static class ConcurrentHashMapInterner { private final Map<String, String> map; public ConcurrentHashMapInterner() { map = new ConcurrentHashMap<>(); } public String intern(String s) { String exist = map.putIfAbsent(s, s); return (exist == null) ? s : exist; } } @Benchmark public void useCurrentHashMap(Blackhole bh) { for (int c = 0; c < size; c++) { bh.consume(chm.intern("doit" + c)); } } public static class HashMapInterner { private final Map<String, String> map; public HashMapInterner() { map = new HashMap<>(); } public String intern(String s) { String exist = map.putIfAbsent(s, s); return (exist == null) ? s : exist; } } @Benchmark public void useHashMap(Blackhole bh) { for (int c = 0; c < size; c++) { bh.consume(hm.intern("doit" + c)); } } public static void main(String[] args) throws RunnerException { Options opt = new OptionsBuilder() .include(StringInternBenchMark.class.getSimpleName()) .build(); new Runner(opt).run(); } }
輸出結(jié)果:
Benchmark (size) Mode Cnt Score Error Units
StringInternBenchMark.useCurrentHashMap 1 avgt 5 34.259 ± 7.191 ns/op
StringInternBenchMark.useCurrentHashMap 100 avgt 5 3623.834 ± 499.806 ns/op
StringInternBenchMark.useCurrentHashMap 10000 avgt 5 421010.654 ± 53760.218 ns/op
StringInternBenchMark.useCurrentHashMap 1000000 avgt 5 88403817.753 ± 12719402.380 ns/op
StringInternBenchMark.useHashMap 1 avgt 5 36.927 ± 6.751 ns/op
StringInternBenchMark.useHashMap 100 avgt 5 3329.498 ± 595.923 ns/op
StringInternBenchMark.useHashMap 10000 avgt 5 417959.200 ± 62853.828 ns/op
StringInternBenchMark.useHashMap 1000000 avgt 5 79347127.709 ± 9378196.176 ns/op
StringInternBenchMark.useIntern 1 avgt 5 161.598 ± 9.128 ns/op
StringInternBenchMark.useIntern 100 avgt 5 17211.037 ± 188.929 ns/op
StringInternBenchMark.useIntern 10000 avgt 5 1934203.794 ± 272954.183 ns/op
StringInternBenchMark.useIntern 1000000 avgt 5 418729928.200 ± 86876278.365 ns/op
從結(jié)果我們可以看到,intern要比其他的兩個(gè)要慢。
所以native方法不一定快。intern的用處不是在于速度,而是在于節(jié)約Heap中的內(nèi)存使用。
感謝你能夠認(rèn)真閱讀完這篇文章,希望小編分享JVM系列String.intern的性能分析內(nèi)容對(duì)大家有幫助,同時(shí)也希望大家多多支持億速云,關(guān)注億速云行業(yè)資訊頻道,遇到問(wèn)題就找億速云,詳細(xì)的解決方法等著你來(lái)學(xué)習(xí)!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。