Java 9 中压缩字符串和压缩字符串之间的区别

压缩字符串（Java 6）和压缩字符串（Java 9）都有相同的动机（字符串通常是有效的拉丁语-1，所以一半的空间被浪费了）和目标（使这些字符串变小），但实现差异很大。

压缩字符串

在一次采访中，Aleksey Shipilëv（负责实现Java 9功能）对压缩字符串有这样的看法：

UseCompressedStrings功能相当保守：在区分和大小写的同时，并试图在构造上压缩，它完成了大多数操作，这需要解压缩因此，它只受益于一种特殊类型的工作负载，其中大多数字符串是可压缩的（因此压缩不会浪费），并且只对它们执行有限数量的已知操作（因此不需要解压缩）。在许多工作负载中，启用是一种悲观。char[]byte[]char[]byte[]StringStringchar[]String.String-XX:+UseCompressedStrings

[...]UseCompressedStrings 实现基本上是一个可选功能，它维护了 一个完全不同的实现，一旦提供了 VM 选项，就会加载该实现。可选功能更难测试，因为它们使要尝试的选项组合数量增加了一倍。Stringalt-rt.jar

紧凑字符串

另一方面，在Java 9中，紧凑的字符串完全集成到JDK源代码中。 始终由 支持，其中字符使用一个字节（如果它们是拉丁语-1），否则使用两个字节。大多数操作都会进行检查以查看哪种情况，例如：Stringbyte[]charAt

public char charAt(int index) {
    if (isLatin1()) {
        return StringLatin1.charAt(value, index);
    } else {
        return StringUTF16.charAt(value, index);
    }
}

默认情况下，紧凑字符串处于启用状态，并且可以部分禁用 - “部分”，因为它们仍由 a 支持，返回 s 的操作仍必须将它们从两个单独的字节放在一起（由于内部函数，很难说这是否对性能有影响）。byte[]char

更多

如果你对紧凑字符串的更多背景感兴趣，我建议你阅读我上面链接的采访和/或观看同一位Aleksey Shipilëv的精彩演讲（这也解释了新的字符串串联）。

XX：+UseCompressedStrings和Compact Strings是不同的东西。

UseCompressedStrings意味着只有 ASCII 的字符串可以转换为 ，但默认情况下这是关闭的。在jdk-9中，这种优化始终处于打开状态，但不是通过标志本身，而是内置的。byte[]

直到 java-9 字符串以 UTF-16 编码的形式存储在内部。从java-9及更高版本开始，它们将被存储为.为什么？char[]byte[]

因为每个字符都可以编码为单个字节（8位），而它曾经是直到现在（16位，每个8位从未使用过）。这仅适用于 ，但这是大多数使用的字符串。ISO_LATIN_1ISO_LATIN_1

因此，这是为了空间使用而完成的。

下面是一个小示例，应该可以使事情更清楚：

class StringCharVsByte {
    public static void main(String[] args) {
        String first = "first";
        String russianFirst = "первыи";

        char[] c1 = first.toCharArray();
        char[] c2 = russianFirst.toCharArray();

        for (char c : c1) {
            System.out.println(c >>> 8);
        }

        for (char c : c2) {
            System.out.println(c >>> 8);
        }
    }
}

在第一种情况下，我们将只得到零，这意味着最重要的8位是零;在第二种情况下，将有一个非零值，这意味着存在最高有效8中的至少一位。

这意味着，如果我们在内部将 Strings 存储为字符数组，则存在实际上会浪费每个 char 的一半的字符串文本。事实证明，由于这个原因，有多个应用程序实际上浪费了大量空间。

您有一个由10个拉丁1字符组成的字符串吗？您刚刚丢失了 80 位或 10 个字节。为了缓解这种字符串压缩。现在，这些字符串不会丢失空间。

在内部，这也意味着一些非常好的事情。要区分字符串和有一个字段：LATIN1UTF-16coder

/**
 * 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;

现在基于此计算方式不同：length

public int length() {
    return value.length >> coder();
}

如果我们的字符串只是 Latin1，则编码器将为零，因此值的长度（字节数组）是字符的大小。对于非拉丁语1除以2。