什么是重复的字符串？25％的Java应用程序内存中填充了字符串，其中13.5％是重复的字符串。在本文中，Ram Lakshmanan讨论了为什么有这么多重复的字符串，常见的模式是什么，以及如何处理它。
让我从一篇有趣的统计数据开始本文（基于JDK开发团队的研究）：
+ 25％的Java应用程序内存中充满了字符串。 |
您可以使用HeapHero之类的工具，它可以报告由于重复字符串和其他低效编程实践而浪费了多少内存。
什么是重复的字符串？
首先，让我们了解重复字符串的含义。请看下面的代码片段：
String string1 = new String("Hello World"); |
在上面的代码中有两个字符串对象string1和string2它们具有相同的内容，即“Hello World”，但它们存储在两个不同的对象中。当你执行string1.equals（string2）时，它将返回'true'，但'string1 == string2'将返回'false'。这就是我们所说的重复字符串。
为什么有这么多重复的字符串？
应用程序最终会出现大量重复字符串的原因有多种。在本节中，我们将回顾两种最常见的模式：
1. 开发人员为每个请求创建新的字符串对象，而不是引用/重用“public static final string literal”。上面的示例可以使用字符串文字模式进行最佳编写：
public static final String HELLO_WORLD = "Hello World"; |
2.假设您正在构建银行/电子商务应用程序。您正在为数据库中的每个交易记录存储货币（即“USD”，“EUR”，“INR”，......）。现在说客户登录您的应用程序，他正在查看他的交易历史页面。现在，您的应用程序将最终从数据库中读取与此客户相关的所有事务。假设这个客户住在美国（那么大部分（如果不是全部）他的交易将以美元为单位）。由于每个交易记录都有货币，因此您的应用程序最终会为从数据库读取的每个交易记录创建一个“USD”字符串对象。如果这个客户有成千上万的交易，你最终会在内存中创建数千个重复的'USD'字符串对象，这对于这一个客户来说也是如此。
同样，您的应用程序可能会多次从数据库中读取多个列（客户名称，地址，州，国家/地区，帐号，ID，......）。它们之间可能存在重复。您的应用程序使用外部应用程序读取和写入XML / JSON，它操纵了很多字符串。所有这些操作都可以/将创建重复的字符串。
自从JDK团队组建开始（20世纪90年代中期）以来，这个问题一直被人们认可，因此到目前为止已经提出了多种解决方案。此解决方案列表的最新成员是'-XX：+ UseStringDeduplication'
-XX:+UseStringDeduplication
尝试消除重复字符串的最小努力是传递'-XX：+ UseStringDeduplication'JVM参数。在应用程序启动期间传递此JVM参数时，JVM将尝试在垃圾收集过程中消除重复的字符串。在垃圾收集过程中，JVM会检查内存中的所有对象，因此作为该过程的一部分，它会尝试识别它们中的重复字符串并尝试消除它。
是否意味着如果你只是传递'-XX：+ UseStringDeduplication'JVM参数你能立即节省13.5％的内存吗？:-)听起来很容易，对吧？我们希望这很容易。但是这个'-XX：+ UseStringDeduplication'解决方案有一些问题。我们来讨论一下：
1.仅适用于G1 GC算法
有几种垃圾收集算法（串行，并行，CMS，G1，......）。'-XX：+ UseStringDeduplication'仅在您使用G1 GC算法时有效。因此，如果您使用其他GC算法，则需要切换到G1 GC算法以使用'-XX：+ UseStringDeduplication'。
2.仅适用于长寿命对象
'-XX：+ UseStringDeduplication'消除了较长时间内存在的重复字符串。它们不会消除短期字符串对象中的重复字符串。如果对象是短暂的，它们将很快消失，那么花费资源消除它们中的重复字符串的重点是什么。以下是对主要Java Web应用程序进行的真实案例研究，当使用'-XX：+ UseStringDeduplication'时，该应用程序没有显示任何内存缓解。但是，如果您的应用程序有很多缓存，那么'-XX：+ UseStringDeduplication'可能是有价值的（因为缓存对象通常往往是长期存在的对象）。
3. -XX：StringDeduplicationAgeThreshold
默认情况下，如果字符串在3次GC运行中幸存，则符合重复数据删除的条件。可以通过传递'-XX：StringDeduplicationAgeThreshold'来更改3次这个参数。例：
-XX:StringDeduplicationAgeThreshold=6
4.对GC暂停时间的影响
由于在重复垃圾收集期间执行字符串重复数据删除，因此可能会影响GC暂停时间。但是，假设足够高的重复数据删除成功率将平衡大部分或全部这种影响，因为重复数据删除可以减少GC暂停的其他阶段所需的工作量（例如减少撤离的对象数量）以及减少GC频率（由于堆上的压力减小）。
要分析GC暂停时间影响，您可以考虑使用GCeasy等工具。
5.只替换底层char []
java.lang.String类有两个字段：
private final char[] value |
'-XX：+ UseStringDeduplication'不会消除重复的字符串对象本身。它只替换了底层的char []。对String对象进行重复数据删除在概念上只是对value字段的重新赋值，即aString.value = anotherString.value。
每个字符串对象至少需要24个字节（字符串对象的确切大小取决于JVM配置，但最少24个字节）。因此，如果存在大量短重复字符串，则此功能可以节省更少的内存。
6. Java 8 update 20
'-XX：+ UseStringDeduplication'功能仅受Java 8 update 20中支持。因此，如果您在任何旧版本的Java上运行，您将无法使用此功能。
7. -XX：+ PrintStringDeduplicationStatistics
如果您希望查看字符串重复数据删除统计信息，例如运行所花费的时间，撤出的重复字符串数量，您获得了多少节省，您可以传递'-XX：+ PrintStringDeduplicationStatistics'JVM参数。在错误控制台中将打印统计信息。
结论
如果您的应用程序使用G1 GC并运行在Java 8更新20之上的版本，您可以考虑启用'-XX：+ UseStringDeduplication'。您可能会获得富有成效的结果，尤其是在长寿命对象中存在大量重复字符串的情况下。但是，在生产环境中启用此参数之前，请进行全面测试。