Java (JDK7)中的String常量和String.intern的实现

在java中有constantPool常量池，常量池里存放的是类，方法，接口的等常量，而对于存放字符串常量通常存放的符号链接Symbol 或者真实的String的对象的引用。

我们来看一段简单的代码和反编译字节码

public class test {
	public static void main(String[] args) {
		String test = "test";
	}

}

Constant pool:
   #1 = Class              #2             //  test
   #2 = Utf8               test
   #3 = Class              #4             //  java/lang/Object
   #4 = Utf8               java/lang/Object
   #5 = Utf8               <init>
   #6 = Utf8               ()V
   #7 = Utf8               Code
   #8 = Methodref          #3.#9          //  java/lang/Object."<init>":()V
   #9 = NameAndType        #5:#6          //  "<init>":()V
  #10 = Utf8               LineNumberTable
  #11 = Utf8               LocalVariableTable
  #12 = Utf8               this
  #13 = Utf8               Ltest;
  #14 = Utf8               main
  #15 = Utf8               ([Ljava/lang/String;)V
  #16 = String             #2             //  test
  #17 = Utf8               args
  #18 = Utf8               [Ljava/lang/String;
  #19 = Utf8               Ljava/lang/String;
  #20 = Utf8               SourceFile
  #21 = Utf8               test.java
{
  public test();
    flags: ACC_PUBLIC
    Code:
      stack=1, locals=1, args_size=1
         0: aload_0
         1: invokespecial #8                  // Method java/lang/Object."<init>":()V
         4: return
      LineNumberTable:
        line 2: 0
      LocalVariableTable:
        Start  Length  Slot  Name   Signature
               0       5     0  this   Ltest;

  public static void main(java.lang.String[]);
    flags: ACC_PUBLIC, ACC_STATIC
    Code:
      stack=1, locals=2, args_size=1
         0: ldc           #16                 // String test
         2: astore_1
         3: return
      LineNumberTable:
        line 6: 0
        line 15: 3
      LocalVariableTable:
        Start  Length  Slot  Name   Signature
               0       4     0  args   [Ljava/lang/String;
               3       1     1  test   Ljava/lang/String;
}

在反编译字节码中，我们看到了常量池的定义

#16 = String  #2

#2 =utf8 test

当这个字符串常量内容test在类初始化的时候是以符号链接Symbol存放，存放的是UTF-8编码的c里的char数组，存放的索引是在#16而不是#2，这在类的初始化的时候已经直接关联好了。

对于 String test="test" 代码所相应的调用指令

0: ldc  #16

2: astore_1

能够看到一个语句拆成了2个部分，一个是ldc #16 和保存引用到參数test

那我们来看看ldc指令是怎样运行的，在interpreterRuntime.cpp中我们看到了ldc的运行

IRT_ENTRY(void, InterpreterRuntime::ldc(JavaThread* thread, bool wide))
  // access constant pool
  constantPoolOop pool = method(thread)->constants();
  int index = wide ? get_index_u2(thread, Bytecodes::_ldc_w) : get_index_u1(thread, Bytecodes::_ldc);
  constantTag tag = pool->tag_at(index);

  if (tag.is_unresolved_klass() || tag.is_klass()) {
    klassOop klass = pool->klass_at(index, CHECK);
    oop java_class = klass->java_mirror();
    thread->set_vm_result(java_class);
  } else {
#ifdef ASSERT
    // If we entered this runtime routine, we believed the tag contained
    // an unresolved string, an unresolved class or a resolved class.
    // However, another thread could have resolved the unresolved string
    // or class by the time we go there.
    assert(tag.is_unresolved_string()|| tag.is_string(), "expected string");
#endif
    oop s_oop = pool->string_at(index, CHECK);
    thread->set_vm_result(s_oop);
  }
IRT_END

由于这是个字符串常量，代码调用了pool->string_at(index, CHECK) ，最后代码调用了string_at_impl方法

oop constantPoolOopDesc::string_at_impl(constantPoolHandle this_oop, int which, TRAPS) {
  oop str = NULL;
  CPSlot entry = this_oop->slot_at(which);
  if (entry.is_metadata()) {
    ObjectLocker ol(this_oop, THREAD);
    if (this_oop->tag_at(which).is_unresolved_string()) {
      // Intern string
      Symbol* sym = this_oop->unresolved_string_at(which);
      str = StringTable::intern(sym, CHECK_(constantPoolOop(NULL)));
      this_oop->string_at_put(which, str);
    } else {
      // Another thread beat us and interned string, read string from constant pool
      str = this_oop->resolved_string_at(which);
    }
  } else {
    str = entry.get_oop();
  }
  assert(java_lang_String::is_instance(str), "must be string");
  return str;
}

在代码中。我们能够看到在没有调用ldc 之前，字符串常量值是用symbol 来表示的，而当调用ldc之后。通过调用StringTable::intern产生了String的引用，而且存放在常量池中。

假设在调用ldc指令的话，直接从常量池依据索引#16中取出String的引用(this_oop->resolved_string_at(which))，而避免再次从StringTable中去查找一次。

StringTable不是常量池

StringTable存放的是string的cache table, 用于存放字符串常量的引用的表，避免产生新的string的开销。

StringTable数据结构是我们经常使用的java中的hashtable, 先计算字符串的hashcode，依据hashcode到相应的数组，然后遍历里面的链表结构比較字符串里的每一个字符，直到找到同样的。

当数据比較多的时候，会导致查找效率变慢，java会在进入safepoint点的时候推断是否须要做一次rehash。就是扩大数组的容量来提高查找的效率。

在调用ldc指令后，会把symbol 的c++ char 数组转化成新的unicode的java char 数组,并生成新的string的引用，将这个引用保存到StringTable中。当然同一时候这个引用也保存到了常量池中。

String.intern方法

String.intern()的方法原理是通过找到字符串所在Stringtable里保存的引用，代码例如以下

JVM_ENTRY(jstring, JVM_InternString(JNIEnv *env, jstring str))
  JVMWrapper("JVM_InternString");
  JvmtiVMObjectAllocEventCollector oam;
  if (str == NULL) return NULL;
  oop string = JNIHandles::resolve_non_null(str);
  oop result = StringTable::intern(string, CHECK_NULL);
  return (jstring) JNIHandles::make_local(env, result);
JVM_END

我们又看到了熟悉的StringTable:intern 的方法，而在这里和ldc有点不同的是，这时候引用已经存在，假设StringTable里不存在这个字符串的时候，会直接将该String的引用存放到StringTable中。

释疑

前段时间看到有博客提到了这句话“使用String.intern()方法则能够将一个String类的保存到一个全局String表中，假设具有同样值的Unicode字符串已经在这个表中，那么该方法返回表中已有字符串的地址，假设在表中没有同样值的字符串，则将自己的地址注冊到表中”，博客中阐述这个解释是错误的。同一时候举了样例

String s1=new String("kvill");
System.out.println( s1==s1.intern() );  

但实际上这个样例举的是错误的。

我们来看字节码。

0: new           #16                 // class java/lang/String
         3: dup
         4: ldc           #18                 // String kvill
         6: invokespecial #20                 // Method java/lang/String."<init>":(Ljava/lang/String;)V
         9: astore_1     

我们看到了什么？ldc指令，也就是说"kvill" 这句话已经在常量池中生成了String的引用，而代码实际已经等同于

String test="kvill";
String s1 = new String(test);

这种代码就能够比較清楚的看到这已经是全然两个不同的String对象了

而要证明原话是否正确，仅仅要将程序改成

char[] test={'k','v','i','l','l'};
String s1=new String(test);
System.out.println(s1==s1.intern());

我们能够清楚的看到返回的结果是true,也就是说Stringtable里保存的是s1这个引用。