Java字符串之性能优化

转自：http://it.deepinmind.com/categories.html

基础类型转化成String

在程序中你可能时常会需要将别的类型转化成String，有时候可能是一些基础类型的值。在拼接字符串的时候，如果你有两个或者多个基础类型的值需要放到前面，你需要显式的将第一个值转化成String（不然的话像System.out.println(1+'a')会输出98，而不是"1a"）。当然了，有一组String.valueOf方法可以完成这个（或者是基础类型对应的包装类的方法），不过如果有更好的方法能少敲点代码的话，谁还会愿意这么写呢？

在基础类型前面拼接上一个空串（""+1)是最简单的方法了。这个表达式的结果就是一个String，在这之后你就可以随意的进行字符串拼接操作了——编译器会自动将那些基础类型全转化成String的。

不幸的是，这是最糟糕的实现方法了。要想知道为什么，我们得先介绍下这个字符串拼接在Java里是如何处理的。如果一个字符串(不管是字面常量也好，或者是变量，方法调用的结果也好）后面跟着一个+号，再后面是任何的类型表达式：

string_exp + any_exp

Java编译器会把它变成：

new StringBuilder().append( string_exp ).append( any_exp ).toString()

如果表达式里有多个+号的话，后面相应也会多多几个StringBuilder.append的调用，最后才是toString方法。

StringBuilder(String)这个构造方法会分配一块16个字符的内存缓冲区。因此，如果后面拼接的字符不超过16的话，StringBuilder不需要再重新分配内存，不过如果超过16个字符的话StringBuilder会扩充自己的缓冲区。最后调用toString方法的时候，会拷贝StringBuilder里面的缓冲区，新生成一个String对象返回。

这意味着基础类型转化成String的时候，最糟糕的情况就是你得创建:一个StringBuilder对象，一个char[16]数组，一个String对象，一个能把输入值存进去的char[]数组。使用String.valueOf的话，至少StringBuilder对象省掉了。

有的时候或许你根本就不需要转化基础类型。比如，你正在解析一个字符串，它是用单引号分隔开的。最初你可能是这么写的：

final int nextComma = str.indexOf("'");

或者是这样：

final int nextComma = str.indexOf('\'');

程序开发完了，需求变更了，需要支持任意的分隔符。当然了，你的第一反应是，得将这个分隔符存到一个String对象中，然后使用String.indexOf方法来进行拆分。我们假设有个预先配置好的分隔符就放到m_separator字段里（译注：能用这个变量名的，应该不是Java开发出身的吧。。）。那么，你解析的代码应该会是这样的：

private static List<String> split( final String str )
{
    final List<String> res = new ArrayList<String>( 10 );
    int pos, prev = 0;
    while ( ( pos = str.indexOf( m_separator, prev ) ) != -1 )
    {
        res.add( str.substring( prev, pos ) );
        prev = pos + m_separator.length(); // start from next char after separator
    }
    res.add( str.substring( prev ) );
    return res;
}

不过后面你发现这个分隔符就只有一个字符。在初始化的时候，你把String mseparator改成了char mseparator，然后把setter方法也一起改了。但你希望解析的方法不要改动太大（代码现在是好使的，我为什么要费劲去改它呢？）：

private static List<String> split2( final String str )
{
    final List<String> res = new ArrayList<String>( 10 );
    int pos, prev = 0;
    while ( ( pos = str.indexOf("" + m_separatorChar, prev ) ) != -1 )
    {
        res.add( str.substring( prev, pos ) );
        prev = pos + 1; // start from next char after separator
    }
    res.add( str.substring( prev ) );
    return res;
}

正如你所看到的，indexOf方法的调用被改动了，不过它还是新建出了一个字符串然后传递进去。当然，这么做是错的，因为还有一个indexOf方法是接收char类型而不是String类型的。我们用它来改写一下：

private static List<String> split3( final String str )
{
    final List<String> res = new ArrayList<String>( 10 );
    int pos, prev = 0;
    while ( ( pos = str.indexOf(m_separatorChar, prev ) ) != -1 )
    {
        res.add( str.substring( prev, pos ) );
        prev = pos + 1; // start from next char after separator
    }
    res.add( str.substring( prev ) );
    return res;
}

我们来用上面的三种实现来进行测试，将"abc,def,ghi,jkl,mno,pqr,stu,vwx,yz"这个串解析1000万次。下面是Java 641和715的运行时间。Java7由于它的String.substring方法线性复杂度的所以运行时间反而增加了。关于这个你可以参考下这里的资料。

可以看到的是，简单的一个重构，明显的缩短了分割字符串所需要的时间（split/split2->split3)。

字符串拼接

本文当然也不能完全不提字符串拼接另外两种方法。第一种是String.concat，这个很少会用到。它内部其实是分配了一个char[]，长度就是拼接后的字符串的长度，它将字符串的数据拷贝到里面，最后使用了私有的构造方法来生成了一个新的字符串，这个构造方法不会再对char[]进行拷贝，因此这个方法调用只创建了两个对象，一个是String本身，还有一个就是它内部的char[]。不幸的是，除非你只拼接两个字符串，这个方法才会比较高效一些。

还有一种方法就是使用StringBuilder类，以及它的一系列的append方法。如果你有很多要拼接的值的话，这个方法当然是最快的了。它在Java5中被首度引入，用来替代StringBuffer。它们的主要区别就是StringBuffer是线程安全的，而StringBuilder不是。不过你会经常并发的拼接字符串么难道？

在测试中，我们把0到100000之间的数全部进行了拼接，分别使用了String.concat, +操作符，还有StringBuilder，代码如下：

String res = ""; 
for ( int i = 0; i < ITERS; ++i )
{
    final String s = Integer.toString( i );
    res = res.concat( s ); //second option: res += s;
}        
//third option:        
StringBuilder res = new StringBuilder(); 
for ( int i = 0; i < ITERS; ++i )
{
    final String s = Integer.toString( i );
    res.append( s );
}

结果非常明显——O(n)的时间复杂度明显要比O(n2) 要强得多。不过在实际工作中会用到大量的+操作符——因为它们实在是非常方便。为了解决这个问题，从Java6 update 20开始，引入了一个-XX:+OtimizeStringConcat开关。在Java 702和Java 715之间的版本，它是默认打开着的（在Java 6_41中还是默认关闭着的），因此可能你得手动将它打开。跟其它-XX的选项一样，它的文档也相当的差：

Optimize String concatenation operations where possible. (Introduced in Java 6 Update 20)

我们假设Oracle的工程师实现这个选项的时候是尽了最大努力的吧。坊间传闻，它是把一些StringBuilder拼接的逻辑替换成了类似String.concat那样的实现——它先生成一个合适大小的char[]然后再把东西拷贝进去。最后生成一个String。那些嵌套的拼接操作它可能也支持（str1 +(str2+str3) +str4)。打开这个选项后进行测试，结果表明，+号的性能跟String.concat的十分接近:

我们做另外一个测试。正如前面提到的，默认的StringBuilder构造器分配的是16个字符的缓冲区。当需要添加第17个字符时，这个缓冲区会被扩充。我们把100到100000间的数字分别追加到"12345678901234”的后面。结果串的长度应该是在17到20之间，因此默认的+操作符的实现会需要StringBuilder重新调整大小。作为对比，我们再做另一个测试，在这里我们直接创建一个StringBuilder(21)来保证它的缓冲区足够大，而不会重新调整：

final String s = BASE + i;
final String s = new StringBuilder( 21 ).append( BASE ).append( i ).toString();

没有打开这个选项的话，+号的实现会比显式的StringBuilder的实现的时间要多出一半。打开了这个选项后，两边的结果是一样的。不过有趣的是，即使是StringBuilder的实现本身，打开了开关后速度居然也变快了！

总结

• 当转化成字符串的时候，应当避免使用""串进行转化。使用合适的String.valueOf方法或者包装类的toString(value)方法。
• 尽量使用StringBuilder进行字符串拼接。检查下老旧码，把那些能替换掉的StringBuffer也替换成它。
• 使用Java 6 update 20引入的-XX:+OptimizeStringConcat选项来提高字符串拼接的性能。在最近的Java7的版本中已经默认打开了，不过在Java 6_41还是关闭的。