JDK9為何要將String的底層實現由char[]改成了byte[]？ - 網安 - 專業的網絡安全產業、社區、知識平臺

如果你不是 Java8 的釘子戶，你應該早就發現了：String 類的源碼已經由 char[] 優化為了 byte[] 來存儲字符串內容，為什么要這樣做呢？

開門見山地說，從 char[] 到 byte[]，最主要的目的是為了節省字符串占用的內存。內存占用減少帶來的另外一個好處，就是 GC 次數也會減少。

為什么要優化 String 節省內存空間

我們使用 jmap -histo:live pid | head -n 10 命令就可以查看到堆內對象示例的統計信息、查看 ClassLoader 的信息以及 finalizer 隊列。

以我正在運行著的編程喵喵項目實例（基于 Java 8）來說，結果是這樣的：

其中 String 對象有 17638 個，占用了 423312 個字節的內存，排在第三位。

由于 Java 8 的 String 內部實現仍然是 char[]，所以我們可以看到內存占用排在第 1 位的就是 char 數組。

char[] 對象有 17673 個，占用了 1621352 個字節的內存，排在第一位。

那也就是說優化 String 節省內存空間是非常有必要的，如果是去優化一個使用頻率沒有 String 這么高的類庫，就顯得非常的雞肋。

byte[] 為什么就能節省內存空間呢？

眾所周知，char 類型的數據在 JVM 中是占用兩個字節的，并且使用的是 UTF-8 編碼，其值范圍在 '\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 中的字符只用一個字節就能表示，也得占用兩個字節。

而實際開發中，單字節的字符使用頻率仍然要高于雙字節的。

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字節來表示字符的，這樣就比 UTF-8 編碼節省了更多的空間。

換句話說，對于：

String name = "jack";

這樣的，使用 Latin-1 編碼，占用 4 個字節就夠了。

但對于：

String name = "小明";

這種，木的辦法，只能使用 UTF16 來編碼。

針對 JDK 9 的 String 源碼里，為了區別編碼方式，追加了一個 coder 字段來區分。

/**  
 * 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 會根據字符串的內容自動設置為相應的編碼，要么 Latin-1 要么 UTF16。

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

為什么用 UTF-16 而不用 UTF-8 呢？

在 UTF-8 中，0-127 號的字符用 1 個字節來表示，使用和 ASCII 相同的編碼。

只有 128 號及以上的字符才用 2 個、3 個或者 4 個字節來表示：

如果只有一個字節，那么最高的比特位為 0。
如果有多個字節，那么第一個字節從最高位開始，連續有幾個比特位的值為 1，就使用幾個字節編碼，剩下的字節均以 10 開頭。

具體的表現形式為：

0xxxxxxx：一個字節
110xxxxx 10xxxxxx：兩個字節編碼形式（開始兩個 1）；- 1110xxxx 10xxxxxx 10xxxxxx：三字節編碼形式（開始三個 1）
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx：四字節編碼形式（開始四個 1）

也就是說，UTF-8 是變長的，那對于 String 這種有隨機訪問方法的類來說，就很不方便。

所謂的隨機訪問，就是 charAt、subString 這種方法，隨便指定一個數字，String 要能給出結果。

如果字符串中的每個字符占用的內存是不定長的，那么進行隨機訪問的時候，就需要從頭開始數每個字符的長度，才能找到你想要的字符。

那有小伙伴可能會問，UTF-16 也是變長的呢？一個字符還可能占用 4 個字節呢？

的確，UTF-16 使用 2 個或者 4 個字節來存儲字符：

對于 Unicode 編號范圍在 0 ~ FFFF 之間的字符，UTF-16 使用兩個字節存儲。
對于 Unicode 編號范圍在 10000 ~ 10FFFF 之間的字符，UTF-16 使用四個字節存儲，具體來說就是：將字符編號的所有比特位分成兩部分，較高的一些比特位用一個值介于 D800~DBFF 之間的雙字節存儲，較低的一些比特位（剩下的比特位）用一個值介于 DC00~DFFF 之間的雙字節存儲。

但是在 Java 中，一個字符（char）就是 2 個字節，占 4 個字節的字符，在 Java 里也是用兩個 char 來存儲的。

而 String 的各種操作，都是以 Java 的字符（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 的世界里，就可以視為一個定長的編碼。

-End-

最近有一些小伙伴，讓我幫忙找一些面試題資料，于是我翻遍了收藏的 5T 資料后，匯總整理出來，可以說是程序員面試必備！所有資料都整理到網盤了，歡迎下載！

點擊?卡片，關注后回復【面試題】即可獲取

在看點這里好文分享給更多人↓↓