避免Java中的重复字符串答案

【问题标题】：Avoid duplicate Strings in Java避免Java中的重复字符串
【发布时间】：2011-07-01 20:35:13
【问题描述】：

我想问一个关于在 Java 中避免字符串重复的问题。

context 是：一个带有如下标签和属性的 XML：

<product id="PROD" name="My Product"...></product>

使用 JibX，此 XML 在这样的类中编组/解组：

public class Product{
private String id;
private String name;
// constructor, getters, setters, methods  and so on
}

程序是一个长时间的批处理，所以Product对象被创建、使用、复制等。

嗯，问题是：当我使用 Eclipse 内存分析器 (MAT) 之类的软件分析执行时，我发现了几个重复的字符串。例如，在 id 属性中，PROD 值在 2000 个实例左右重复，等等。

如何避免这种情况？ Product 类中的其他属性可能会在执行过程中改变它们的值，但像 id、name 等属性不会如此频繁地改变。

我已经阅读了一些关于 String.intern() 方法的内容，但我还没有使用过，我不确定它是否可以解决这个问题。我可以在类中的 static final 常量等属性中定义最常见的值吗？

我希望我能以正确的方式表达我的问题。非常感谢任何帮助或建议。提前致谢。

【问题讨论】：

如果您有重复的 id，您如何区分两个 Product 对象？
@Suresh，产品是相同的，但它在不同的时刻和/或过程中的执行中被实例化。一个请求创建产品，另一个不同的请求创建其他实例，等等。因此，这些实例包含重复的字符串 PROD，并且内存分析器检测到内存浪费。

标签： java string duplicates

【解决方案1】：

如果您真的有问题，

实习将是正确的解决方案。 Java 将字符串字面量和许多其他字符串存储在内部池中，每当 将要创建一个新字符串时，JVM 首先检查该字符串是否已经在池中。如果是，它不会创建新实例，而是将引用传递给 interned String 对象。

有两种方法可以控制这种行为：

String interned = String.intern(aString); // returns a reference to an interned String
String notInterned = new String(aString); // creates a new String instance (guaranteed)

所以也许，这些库确实为所有 xml 属性值创建了新实例。这是可能的，您将无法更改它。

实习生具有全球影响力。实习字符串可立即“用于任何对象”（此视图实际上没有意义，但它可能有助于理解它）。

所以，假设我们在类Foo 中有一行，方法foolish：

String s = "ABCD";

字符串文字立即被实习。 JVM 检查“ABCD”是否已经在池中，如果没有，则“ABCD”存储在池中。 JVM 将对实习字符串的引用分配给s。

现在，也许在另一个类Bar，在方法@987654327@：

String t = "AB"+"CD";

然后JVM会像上面一样实习“AB”和“CD”，创建连接的String，看看，如果它已经被intered，嘿，是的，并将对interned String“ABCD”的引用分配给@ 987654329@.

调用"PROD".intern() 可能会成功，也可能会失败。是的，它将实习生字符串"PROD"。但是有一个机会，jibx 真的为属性值创建了新的字符串

String value = new String(getAttributeValue(attribute));

在这种情况下，value 将不会引用内部字符串（即使 "PROD" 在池中），而是引用堆上的新字符串实例。

而且，对于您命令中的另一个问题：这仅在运行时发生。编译只是创建类文件，字符串池是对象堆上的数据结构，由 JVM 使用，执行应用程序。

【讨论】：

@Andreas，我会尝试实习。也谢谢你
@Andreas_D，一个问题：String.intern() 是在类级别还是 JVM 级别实习？谢谢
@yaki_nuka - 池是 JVM 内部数据结构，我们无法通过字节码访问它（iaw - 使用 Java/Scala/... 程序）。没有人可以“看到”，实际上是哪些字符串被实习了。
@Andreas_D，好吧，我又在读了，也许我的问题格式不正确。我不想访问 JVM 数据结构。我的问题是：在 A 类中我写 "ABCD".intern() 并在 B 类中我再次写 "ABCD".intern() 。有多少个互联网字符串？阅读 JavaDoc（1.4.2 版本），我认为有一个“ABCD”实例（不是一个用于 A，另一个用于 B）。再次感谢
（对不起，我想写interned Strings，没有internet Strings）

【解决方案2】：

虽然String.intern() 可以通过将每个值减少到一个唯一的String 实例来解决这个问题，但它会引入另一个问题：每个intern()-ed String 都可以在JVM 中存活很长时间。如果 ID 变化很大（即它们不是有限集合的一部分，但可以是任何值），那么从长远来看，这可能会产生巨大的负面影响。

编辑：我曾经声称intern()-ed 字符串永远不能被GCed，但@nanda 证明我对this JavaWorld article 的错误。虽然这在一定程度上减少了intern() 引入的问题，但它仍未完全消除：intern() 提供的池无法控制，并且可能会在垃圾收集方面产生意想不到的结果。

幸运的是，Guava 以Interner 接口的形式提供了一个解决方案，它的帮助程序类Interners：使用Interners.newStrongInterner()，您可以创建一个可以充当唯一String 对象的“池”的对象与String.intern() 的方式非常相似，只是池绑定到该实例，如果您丢弃池，则内容也可以进行垃圾回收。

【讨论】：

好点。不过，我猜这对于批处理来说不一定是个问题......
实习生被垃圾回收：javaworld.com/javaworld/javaqa/2003-12/01-qa-1212-intern.html
@Lukas：如果批处理在其自己的 JVM 中启动，并且在批处理完成后停止并且批处理仅适用于单个工作单元，那么是的：这应该不是问题。但是我已经看到 JVM 运行一些调度软件来在单个长时间运行的 JVM 中运行本质上是“批处理”的东西。在这些情况下，它会成为一个问题。
@nanda：有趣的文章。我需要经历它并可能会调整我的答案。这可能会减少问题，但不会完全消除它。
@Joachim：对。这就是不一定的意思:-)

【解决方案3】：

是的，实习是正确的解决方案，而且您已经完成了作业（即通过分析器检查这是问题所在）。

如果存储过多，实习可能会导致问题。 permgen 内存需要增加。尽管有人说，interned Strings 也是被垃圾回收的，所以如果一些字符串不再使用，它就会成为被垃圾回收的对象。

一些支持文章：

我的博客：http://blog.firdau.si/2009/01/06/java-tips-memory-optimization-for-string/
是否收集了实习生垃圾？：http://www.javaworld.com/javaworld/javaqa/2003-12/01-qa-1212-intern.html
打破“打破 String.intern() 神话”：http://kohlerm.blogspot.com/2009/01/is-javalangstringintern-really-evil.html

【讨论】：

【解决方案4】：

另一种解决方案：

您可以尝试在您的@id 属性上定义<xs:enumeration/> 限制（如果您的域模型允许这样的事情）。如果 JibX 与 JAXB 或其他 XML-Java 映射标准一样智能，那么它可以映射为具有常量字面量的 Java enum，可以大量重用。

我会尝试使用 ID 值，因为它对我来说有点像枚举...

【讨论】：

这是个好主意，但不适合我的问题。谢谢你的回答

【解决方案5】：

众所周知，String 对象可以通过两种方式创建，通过使用字面量和通过 new 运算符。

如果你使用像String test = "Sample"; 这样的字面量，那么它会被缓存在字符串对象池中。所以这里不需要实习，因为默认情况下字符串对象将被缓存。

但是如果你创建一个像 String test = new String("Sample"); 这样的字符串对象那么这个字符串对象将不会被添加到字符串池中。所以这里我们需要使用String test = new String("Sample").intern();来强制将字符串对象推送到字符串缓存中。

所以总是建议使用字符串字面量而不是 new 运算符。

所以在你的情况下 private static final String id = "PROD";是正确的解决方案。

【讨论】：