Java 8的string重复数据删除function
由于Java中的String （与其他语言一样）消耗大量内存，因为每个字符都占用两个字节，所以Java 8引入了一个名为string重复数据删除的新function，它利用了字符数组在string和最终内部这一事实，所以JVM可以搞砸他们。
我已经阅读了这个例子 ，但由于我不是一个亲java编码器，我很难理解这个概念。
这是它所说的，
已经考虑了string复制的各种策略，但现在实现的策略遵循以下方法：垃圾回收器访问String对象时，会注意到char数组。 它取得它们的散列值，并将其与一个对数组的弱引用并列存储。 只要它发现另一个具有相同散列码的string，它们会将它们按字符比较。 如果它们匹配，则会修改一个string并指向第二个string的字符数组。 然后第一个字符数组不再被引用，可以被垃圾收集。
这整个过程当然会带来一些开销，但受到严格的限制。 例如，如果一个string没有被发现重复一段时间，它将不再被检查。
我的第一个问题，
这个话题还没有资源，因为它是最近在Java 8 update 20中添加的，这里有没有人可以分享一些实际的例子来说明如何减lessString在Java中消耗的内存呢？
编辑：
上面的链接说，
只要它发现另一个具有相同散列码的string，它们会将它们按字符比较
我的第二个问题，
如果两个String哈希码相同，那么Strings已经是相同的，那么为什么一旦发现两个String具有相同的哈希码，为什么要比较它们？
想象一下，你有一个电话簿，其中包含人，其中有一个String firstName和String lastName 。 而在你的电话簿中，有十万人拥有相同的firstName = "John" 。
因为您从数据库或文件中获取数据，所以这些string不会被拦截，所以您的JVM内存中包含char数组{'J', 'o', 'h', 'n'} 10万次，每个Johnstring一个。 这些数组中的每一个都需要20个字节的内存，所以这些100k的Johns占用2MB的内存。
使用重复数据删除技术，JVM将意识到“John”会被重复多次，并使所有Johnstring指向相同的底层字符数组，从而将内存使用量从2MB减less到20个字节。
你可以在JEP中find更详细的解释。 尤其是：
许多大规模的Java应用程序目前都是内存瓶颈。 测量表明，在这些types的应用程序中设置的大约25％的Java堆实时数据被String对象占用。 而且，大约一半的String对象是重复的，其中重复的意思是
string1.equals(string2)是真的。 在堆上有重复的String对象本质上就是浪费内存。[…]
预计的实际效益最终会降低10％左右。 请注意，这个数字是基于广泛应用的计算平均值。 特定应用程序的堆栈减less量可能会有很大的变化。
@assylias答案basiclly告诉你它是如何工作，是非常好的答案。 我已经使用string重复数据删除testing了一个生产应用程序，并有一些结果 networking应用大量使用string，所以我认为这个优势非常明显。
要启用string重复数据删除，您必须添加这些JVM参数（您至less需要Java 8u20）：
-XX:+UseG1GC -XX:+UseStringDeduplication -XX:+PrintStringDeduplicationStatistics
最后一个是可选的，但就像名称所示，它显示了string重复数据删除统计信息。 这是我的：
[GC concurrent-string-deduplication, 2893.3K->2672.0B(2890.7K), avg 97.3%, 0.0175148 secs] [Last Exec: 0.0175148 secs, Idle: 3.2029081 secs, Blocked: 0/0.0000000 secs] [Inspected: 96613] [Skipped: 0( 0.0%)] [Hashed: 96598(100.0%)] [Known: 2( 0.0%)] [New: 96611(100.0%) 2893.3K] [Deduplicated: 96536( 99.9%) 2890.7K( 99.9%)] [Young: 0( 0.0%) 0.0B( 0.0%)] [Old: 96536(100.0%) 2890.7K(100.0%)] [Total Exec: 452/7.6109490 secs, Idle: 452/776.3032184 secs, Blocked: 11/0.0258406 secs] [Inspected: 27108398] [Skipped: 0( 0.0%)] [Hashed: 26828486( 99.0%)] [Known: 19025( 0.1%)] [New: 27089373( 99.9%) 823.9M] [Deduplicated: 26853964( 99.1%) 801.6M( 97.3%)] [Young: 4732( 0.0%) 171.3K( 0.0%)] [Old: 26849232(100.0%) 801.4M(100.0%)] [Table] [Memory Usage: 2834.7K] [Size: 65536, Min: 1024, Max: 16777216] [Entries: 98687, Load: 150.6%, Cached: 415, Added: 252375, Removed: 153688] [Resize Count: 6, Shrink Threshold: 43690(66.7%), Grow Threshold: 131072(200.0%)] [Rehash Count: 0, Rehash Threshold: 120, Hash Seed: 0x0] [Age Threshold: 3] [Queue] [Dropped: 0]
这些是运行10分钟后的结果。 正如你所看到的，string重复数据删除被执行452次，“重复数据删除” 801.6 MBstring。 string重复删除检查了2700万个string。 当我比较从Java 7的内存消耗与标准的并行GC到Java 8u20与G1 GC和启用string重复数据删除堆下降接近50％ ：
Java 7并行GC
带string重复数据删除的Java 8 G1 GC
既然你的第一个问题已经被回答了，我会回答你的第二个问题。
String对象必须逐字比较，因为虽然相等的Object意味着相等的哈希，但反过来并不一定是真的。
正如Holger在他的评论中所说的那样，这代表了哈希碰撞。
hashcode()方法的适用规范如下：
如果两个对象按照
equals(Object)方法equals(Object)，那么在两个对象的每一个上调用hashCode方法必须产生相同的整数结果。如果两个对象根据
equals(java.lang.Object)方法不相等，则不要求对两个对象中的每个对象调用hashCode方法都必须产生不同的整数结果。 …
这意味着为了保证平等，每个人物的比较是必要的，以便他们确认这两个物体的平等。 他们从比较hashCode开始，而不是使用equals因为它们使用哈希表作为引用，这会提高性能。
他们描述的策略是简单地重用一个string的内部字符数组在可能的许多equalstring。 如果每个string都相同，则不需要每个string都有自己的副本。
为了更快地确定2个string是否相等，散列码被用作第一步，因为这是判断string是否相等的一种快速方法。 因此他们的发言：
只要它发现另一个具有相同散列码的string，它们会将它们按字符比较
这是为了使一定的 （但较慢）比较相等，一旦可能的平等已经确定使用散列码。
最后，相等的string将共享一个底层字符数组。
Java有String.intern()很长一段时间，做或多或less相同（即通过去重等同的string来节省内存）。 这个新颖的东西是在垃圾收集的时候发生，可以外部控制。
