Java字符串之性能優化

原文出處： Java譯站

基礎類型轉化成String

在程序中你可能時常會需要將別的類型轉化成String，有時候可能是一些基礎類型的值。在拼接字符串的時候，如果你有兩個或者多個基礎類型的值需要放到前面，你需要顯式的將第一個值轉化成String（不然的話像System.out.println(1+’a')會輸出98，而不是”1a”）。當然了，有一組String.valueOf方法可以完成這個（或者是基礎類型對應的包裝類的方法），不過如果有更好的方法能少敲點代碼的話，誰還會愿意這么寫呢？

在基礎類型前面拼接上一個空串（”"+1)是最簡單的方法了。這個表達式的結果就是一個String，在這之后你就可以隨意的進行字符串拼接操作了——編譯器會自動將那些基礎類型全轉化成String的。

不幸的是，這是最糟糕的實現方法了。要想知道為什么，我們得先介紹下這個字符串拼接在Java里是如何處理的。如果一個字符串(不管是字面常量也好，或者是變量，方法調用的結果也好）后面跟著一個+號，再后面是任何的類型表達式：

string_exp + any_exp

Java編譯器會把它變成：

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

如果表達式里有多個+號的話，后面相應也會多多幾個StringBuilder.append的調用，最后才是toString方法。

StringBuilder(String)這個構造方法會分配一塊16個字符的內存緩沖區。因此，如果后面拼接的字符不超過16的話，StringBuilder不需要再重新分配內存，不過如果超過16個字符的話StringBuilder會擴充自己的緩沖區。最后調用toString方法的時候，會拷貝StringBuilder里面的緩沖區，新生成一個String對象返回。

這意味著基礎類型轉化成String的時候，最糟糕的情況就是你得創建:一個StringBuilder對象，一個char[16]數組，一個String對象，一個能把輸入值存進去的char[]數組。使用String.valueOf的話，至少StringBuilder對象省掉了。

有的時候或許你根本就不需要轉化基礎類型。比如，你正在解析一個字符串，它是用單引號分隔開的。最初你可能是這么寫的：

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

或者是這樣：

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

程序開發完了，需求變更了，需要支持任意的分隔符。當然了，你的第一反應是，得將這個分隔符存到一個String對象中，然后使用String.indexOf方法來進行拆分。我們假設有個預先配置好的分隔符就放到m_separator字段里（譯注：能用這個變量名的，應該不是Java開發出身的吧。。）。那么，你解析的代碼應該會是這樣的：

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;
}

不過后面你發現這個分隔符就只有一個字符。在初始化的時候，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動太大（代碼現在是好使的，我為什么要費勁去改它呢？）：

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方法的調用被改動了，不過它還是新建出了一個字符串然后傳遞進去。當然，這么做是錯的，因為還有一個indexOf方法是接收char類型而不是String類型的。我們用它來改寫一下：

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;
}

我們來用上面的三種實現來進行測試，將”abc,def,ghi,jkl,mno,pqr,stu,vwx,yz”這個串解析1000萬次。下面是Java 641和715的運行時間。Java7由于它的String.substring方法線性復雜度的所以運行時間反而增加了。關于這個你可以參考下這里的資料。

可以看到的是，簡單的一個重構，明顯的縮短了分割字符串所需要的時間（split/split2->split3)。

字符串拼接

本文當然也不能完全不提字符串拼接另外兩種方法。第一種是String.concat，這個很少會用到。它內部其實是分配了一個char[]，長度就是拼接后的字符串的長度，它將字符串的數據拷貝到里面，最后使用了私有的構造方法來生成了一個新的字符串，這個構造方法不會再對char[]進行拷貝，因此這個方法調用只創建了兩個對象，一個是String本身，還有一個就是它內部的char[]。不幸的是，除非你只拼接兩個字符串，這個方法才會比較高效一些。

還有一種方法就是使用StringBuilder類，以及它的一系列的append方法。如果你有很多要拼接的值的話，這個方法當然是最快的了。它在Java5中被首度引入，用來替代StringBuffer。它們的主要區別就是StringBuffer是線程安全的，而StringBuilder不是。不過你會經常并發的拼接字符串么難道？

在測試中，我們把0到100000之間的數全部進行了拼接，分別使用了String.concat, +操作符，還有StringBuilder，代碼如下：

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 );
}

結果非常明顯——O(n)的時間復雜度明顯要比O(n2) 要強得多。不過在實際工作中會用到大量的+操作符——因為它們實在是非常方便。為了解決這個問題，從Java6 update 20開始，引入了一個-XX:+OtimizeStringConcat開關。在Java 702和Java 715之間的版本，它是默認打開著的（在Java 6_41中還是默認關閉著的），因此可能你得手動將它打開。跟其它-XX的選項一樣，它的文檔也相當的差：

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

我們假設Oracle的工程師實現這個選項的時候是盡了最大努力的吧。坊間傳聞，它是把一些StringBuilder拼接的邏輯替換成了類似String.concat那樣的實現——它先生成一個合適大小的char[]然后再把東西拷貝進去。最后生成一個String。那些嵌套的拼接操作它可能也支持（str1 +(str2+str3) +str4)。打開這個選項后進行測試，結果表明，+號的性能跟String.concat的十分接近:

我們做另外一個測試。正如前面提到的，默認的StringBuilder構造器分配的是16個字符的緩沖區。當需要添加第17個字符時，這個緩沖區會被擴充。我們把100到100000間的數字分別追加到”12345678901234”的后面。結果串的長度應該是在17到20之間，因此默認的+操作符的實現會需要StringBuilder重新調整大小。作為對比，我們再做另一個測試，在這里我們直接創建一個StringBuilder(21)來保證它的緩沖區足夠大，而不會重新調整：

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

總結

• 當轉化成字符串的時候，應當避免使用”"串進行轉化。使用合適的String.valueOf方法或者包裝類的toString(value)方法。
• 盡量使用StringBuilder進行字符串拼接。檢查下老舊碼，把那些能替換掉的StringBuffer也替換成它。
• 使用Java 6 update 20引入的-XX:+OptimizeStringConcat選項來提高字符串拼接的性能。在最近的Java7的版本中已經默認打開了，不過在Java 6_41還是關閉的。