这是《JVM 零基础实战指南》的独立章节版。本章从概念、实操和生产排查三个视角展开，代码块保留了原书可直接运行的版本。 字符串是业务系统里最常见的对象之一。理解 String 不可变性、字符串常量池、intern、编码和拼接成本，可以避免一类典型内存和性能问题。
6.1 String 不可变
String a = "java";
String b = a.concat("-17");
System.out.println(a);
System.out.println(b);
不可变的收益：
- 字符串常量池可复用；
- hashCode 可缓存；
- 并发读写安全；
- 作为 Map key 稳定；
- 安全边界清晰。
代价：
- 修改会创建新对象；
- 高频拼接需要中间对象；
- 大字符串转换成本高。
6.2 字符串常量池
String literal = "java";
String heap = new String("java");
String interned = heap.intern();
System.out.println(literal == heap);
System.out.println(literal == interned);
典型输出：
false
true
常量池位置随 JDK 版本变化。Java 7 起 HotSpot 将字符串常量池放在堆中，但这是实现细节，不应作为业务逻辑基础。
常量池复用：
String a = "order";
String b = "order";
System.out.println(a == b);
运行时拼接：
String prefix = "or";
String value = prefix + "der";
System.out.println(value == "order");
典型输出为 false。编译期常量拼接可能被优化，具体以字节码和常量池为准。
6.3 intern 的使用与风险
String normalized = value.intern();
可能收益：
- 大量重复字符串减少堆占用；
- 相同字面量复用；
- 某些比较场景减少比较成本。
风险：
- 常量池占用堆；
- 高频 intern 增加竞争；
- 生命周期难以控制；
- 动态字符串大量进入池；
- 泄漏排查复杂。
生产建议：优先使用 equals、枚举、字典编码或外部缓存。不要把 intern 当作万能去重器。
6.4 String、StringBuilder、StringJoiner
StringBuilder builder = new StringBuilder();
for (int i = 0; i < 10; i++) {
builder.append(i).append(',');
}
String result = builder.toString();
StringJoiner：
String result = new StringJoiner(",", "[", "]")
.add("a")
.add("b")
.toString();
选择：
| 场景 | 工具 |
|---|---|
| 单次拼接 | + |
| 循环拼接 | StringBuilder |
| 指定分隔符 | StringJoiner |
| 多行文本 | Text Block |
| 高频模板 | 预编译模板 |
6.5 字符编码
Java String 内部以 UTF-16 表示，常见 API 会处理编码转换。
byte[] utf8 = value.getBytes(StandardCharsets.UTF_8);
String decoded = new String(utf8, StandardCharsets.UTF_8);
长度：
String value = "a\u00e9b";
System.out.println(value.length());
System.out.println(value.codePointCount(0, value.length()));
常见问题：
| 问题 | 原因 |
|---|---|
| 中文乱码 | 请求、响应、文件、数据库编码不一致 |
| 字节数超限 | UTF-8 中文常占 3 字节，字符数不等于字节数 |
| emoji 截断 | UTF-16 代理对 |
| 排序异常 | 未使用 Collator |
接口应统一 UTF-8，并显式指定 charset。
6.6 字符串与 JSON
常见内存放大：
HTTP response
-> byte[]
-> String
-> JSON tree
-> DTO
优化：
- 流式解析大 JSON；
- 避免
SELECT *； - 分页返回；
- 复用解析器；
- 不要把大响应完整转字符串；
- 控制日志字符串长度。
Jackson 流式：
JsonFactory factory = new JsonFactory();
try (JsonParser parser = factory.createParser(new File("events.json"))) {
while (parser.nextToken() != null) {
// 处理 token
}
}
6.7 字符串去重
G1 字符串去重：
-XX:+UseStringDeduplication
适用条件：
- 使用 G1；
- 大量重复字符数组；
- 存活时间长；
- 用 CPU 换内存可接受。
业务层去重：
Map<String, String> canonical = new ConcurrentHashMap<>();
String shared = canonical.computeIfAbsent(value, k -> k);
必须设置上限和过期策略，否则会变成新的泄漏点。
6.8 equals 与 hashCode
String a = new String("order");
String b = new String("order");
System.out.println(a == b);
System.out.println(a.equals(b));
业务 key 应使用明确类型或 record：
record CacheKey(long tenantId, String scene) {}
6.9 内存分析
直方图：
jcmd <pid> GC.class_histogram | grep -E 'String|byte\[\]|char\[\]'
堆 dump：
MAT Histogram
-> java.lang.String
-> Group by value
-> 查看重复字符串和大字符串
关注：
- String 数量；
- value 数组大小；
- 重复值；
- retained heap；
- 引用来源；
- 是否来自日志、缓存、反序列化。
6.10 生产案例
案例一：日志拼接导致 CPU 高
问题代码：
log.debug("order=" + hugeObject);
即使日志级别关闭，拼接也已执行。处理：
log.debug("order={}", () -> expensiveToString(hugeObject));
或前置判断：
if (log.isDebugEnabled()) {
log.debug("order={}", expensiveToString(hugeObject));
}
案例二：重复字符串占用高
发现：
jcmd <pid> GC.class_histogram | head -20
处理：
- 修复 DTO 重复转换；
- 增加缓存上限；
- 使用字典编码；
- 评估 G1 String Deduplication；
- 控制响应字段。
本章小结
String 不可变带来安全和复用收益，也意味着高频修改会产生大量中间对象。常量池和 intern 应谨慎使用，业务比较始终以 equals 为准。大 JSON、日志拼接和重复字符串是生产内存问题高发点。
思考题
- 字面量字符串和 new String 有什么区别？
- 为什么循环拼接推荐 StringBuilder？
String.length()返回什么长度？- intern 有哪些风险？
- 如何分析 String 占用过高？