Java 8的字符串重复数据删除功能

Question

由于String在Java（与其他语言一样）中由于每个字符占用两个字节而占用大量内存，因此Java 8引入了一项名为 String
Deduplication
的新功能，该功能利用了char数组在字符串和final内部的事实，因此JVM会和他们混在一起。

到目前为止，我已经阅读了这个示例，但是由于我不是专业的Java程序员，因此我很难理解这个概念。

它是这样说的，

已经考虑了多种用于字符串复制的策略，但是现在实现的策略遵循以下方法：每当垃圾收集器访问String对象时，它都会记录char数组。它获取其哈希值，并将其与对数组的弱引用一起存储。一旦找到另一个具有相同哈希码的String，便将其逐字符进行比较。如果它们也匹配，则将修改一个String并指向第二个String的char数组。然后，第一个char数组不再被引用，可以被垃圾回收。

这整个过程当然会带来一些开销，但是受到严格的限制。例如，如果一段时间内未发现重复字符串，则将不再检查该字符串。

我的第一个问题

由于该主题是最近在Java 8 update
20中添加的，因此仍然缺少有关该主题的资源，在这里的任何人都可以分享一些有关如何帮助减少StringJava 消耗的内存的实际示例吗？

编辑：

上面的链接说，

一旦找到另一个具有相同哈希码的字符串，便将它们逐个字符地进行比较

我的第二个问题

如果两个哈希码String相同，则Strings已经是相同的，那么为什么对它们进行比较char的char，一旦发现，这两个String具有相同的散列码？

Answer 1

假设您有一本电话簿，其中包含人，其中有一个String firstName和一个String lastName。碰巧在您的电话簿中，有100,000个人拥有相同的知识firstName = "John"。

由于您是从数据库或文件中获取数据的，因此这些字符串不会被中断，因此您的JVM内存包含char数组{'J', 'o', 'h', 'n'}10万次，每个John字符串一次。每个阵列占用20个字节的内存，因此，这些100k Johns占用2 MB的内存。

通过重复数据删除，JVM将认识到“ John”已被重复多次，并使所有这些John字符串指向同一基础char数组，从而将内存使用量从2MB减少到20个字节。

您可以在JEP中找到更详细的说明。特别是：

当前，许多大型Java应用程序已成为内存瓶颈。测量表明，在这些类型的应用程序中，大约25％的Java堆活动数据集被String对象占用。此外，这些String对象中大约有一半是重复项，其中重复项表示string1.equals(string2)为true。从本质上讲，在堆上具有重复的String对象只是浪费内存。

[…]

实际的预期收益最终将减少约10％的堆。请注意，此数字是根据广泛应用计算得出的平均值。特定应用程序的堆减少量可能上下波动很大。