如何检测String.substring是否复制字符数据
我知道对于Oracle Java 1.7更新6及更高版本，当使用String.substring ，会复制String的内部字符数组，对于旧版本，它将被共享。 但我发现没有官方API会告诉我当前的行为。
用例
我的用例是：在解析器中，我喜欢检测String.substring复制还是共享底层字符数组。 问题是，如果共享字符数组，那么我的解析器需要使用new String(s)显式“取消共享”以避免内存问题。 但是，如果String.substring仍然复制数据，那么这不是必需的，并且可以避免在解析器中显式复制数据。 使用案例：
// possibly the query is very very large String query = "select * from test ..."; // the identifier is used outside of the parser String identifier = query.substring(14, 18); // avoid if possible for speed, // but needed if identifier internally // references the large query char array identifier = new String(identifier);
我需要的
基本上，我想有一个静态方法boolean isSubstringCopyingForSure() ，它将检测是否需要new String(..) 。 如果存在SecurityManager如果检测不起作用，我很好。 基本上，检测应该是保守的（为了避免内存问题，我宁愿使用new String(..)即使没有必要）。
选项
我有几个选项，但我不确定它们是否可靠，特别是对于非Oracle JVM：
检查String.offset字段
/** * @return true if substring is copying, false if not or if it is not clear */ static boolean isSubstringCopyingForSure() { if (System.getSecurityManager() != null) { // we can not reliably check it return false; } try { for (Field f : String.class.getDeclaredFields()) { if ("offset".equals(f.getName())) { return false; } } return true; } catch (Exception e) { // weird, we do have a security manager? } return false; }
检查JVM版本
static boolean isSubstringCopyingForSure() { // but what about non-Oracle JREs? return System.getProperty("java.vendor").startsWith("Oracle") && System.getProperty("java.version").compareTo("1.7.0_45") >= 0; }
检查行为有两个选项，都很复杂。 一种是使用自定义字符集创建一个字符串，然后使用substring创建一个新字符串b，然后修改原始字符串并检查b是否也被更改。 第二个选项是创建大字符串，然后是一些子字符串，并检查内存使用情况。
是的，确实这个改变发生在7u6。 对此没有API更改，因为此更改严格来说是实现更改，而不是API更改，也没有用于检测正在运行的JDK具有哪种行为的API。 但是，由于更改，应用程序当然可以注意到性能或内存利用率的差异。 实际上，编写一个在7u4中工作但在7u6中失败的程序并不困难，反之亦然。 我们预计这种权衡对大多数应用程序都有利，但毫无疑问，有些应用程序会受到这种变化的影响。
有趣的是，您关注的是共享字符串值的情况（在7u6之前）。 我听过的大多数人都有相反的担忧，他们喜欢分享和7u6对非共享价值的改变导致他们出现问题（或者，他们害怕会导致问题）。
无论如何，要做的就是衡量，而不是猜测！
首先，比较应用程序在具有和不具有更改的类似JDK之间的性能，例如7u4和7u6。 您可能应该关注GC日志或其他内存监控工具。 如果差异可以接受，那就完成了！
假设7u6之前的共享字符串值导致问题，下一步是尝试使用new String(s.substring(...))的简单解决方法来强制取消共享字符串值。 然后测量一下。 同样，如果两个JDK的性能都可以接受，那么你就完成了！
如果事实certificate在非共享情况下，额外调用new String()是不可接受的，那么检测这种情况并使“unsharing”调用条件的最佳方法是反映String的value字段，这是一个char[] ，得到它的长度：
int getValueLength(String s) throws Exception { Field field = String.class.getDeclaredField("value"); field.setAccessible(true); return ((char[])field.get(s)).length; }
考虑一个由substring()调用产生的substring() ，该字符串返回一个比原始字符串短的字符串。 在共享的情况下，子字符串的length()将与检索的value数组的长度不同，如上所示。 在非共享案例中，它们将是相同的。 例如：
String s = "abcdefghij".substring(2, 5); int logicalLength = s.length(); int valueLength = getValueLength(s); System.out.printf("%d %d ", logicalLength, valueLength); if (logicalLength != valueLength) { System.out.println("shared"); else System.out.println("unshared");
在早于7u6的JDK上，值的长度将为10，而在7u6或更高版本中，值的长度将为3.在这两种情况下，逻辑长度当然为3。
这不是您需要关注的细节。 不完全是！ 在两种情况下都只调用identifier = new String(identifier) （JDK6和JDK7）。 在JDK6下，它将创建一个副本（根据需要）。 在JDK7下，因为子字符串已经是一个唯一的字符串，所以构造函数本质上是一个无操作（不执行复制 – 读取代码）。 当然，对象创建有一些轻微的开销，但由于Younger一代中的对象重用，我向您挑战性能差异。
在较旧的Java版本中， String.substring(..)将使用与原始字符相同的char数组，具有不同的offset和count 。
在最新的Java版本中（根据Thomas Mueller的评论：自1.7 Update 6以来），这已经发生了变化，现在使用新的char数组创建子字符串。
如果你解析了很多源代码，处理它的最好方法是避免检查字符串的内部结构 ，但要预见到这种效果，并始终在需要的地方创建新的字符串 （如问题中的第一个代码块）。
String identifier = query.substring(14, 18); // older Java versions: backed by same char array, different offset and count // newer Java versions: copy of the desired run of the original char array identifier = new String(identifier); // older Java versions: when the backed char array is larger than count, a copy of the desired run will be made // newer Java versions: trivial operation, create a new String instance which is backed by the same char array, no copy needed.
这样，您最终会得到两个变体的相同结果，而不必区分它们并且没有不必要的数组复制开销。
你确定，制作字符串副本真的很贵吗？ 我相信JVM优化器具有关于字符串的内在函数并避免不必要的副本。 此外，大型文本使用由编译器编译器生成的一次通过算法（如LALR自动机）进行解析。 因此，解析器输入通常是java.io.Reader或另一个流接口，而不是实心String 。 解析本身就很昂贵，仍然没有类型检查那么昂贵。 我不认为复制字符串是一个真正的瓶颈。 在假设之前，您最好使用分析器和微基准测试。