java~CompactStrings字符压缩技术

2023-06-26 16:59:57 来源：博客园

概念

在 Java 中，char和 byte类型占用的存储空间是不同的。

【资料图】

char类型：char是 16 位无符号的 Unicode 字符类型，用于表示单个字符。在 Java 中，char类型占用 2 个字节（16 位）的存储空间。
byte类型：byte是 8 位有符号整数类型，表示范围在 -128 到 127 之间的整数。在 Java 中，byte类型占用 1 个字节（8 位）的存储空间。

需要注意的是，虽然 char和 byte在 Java 中分别占用不同的存储空间，但它们表示的数据类型和范围也是不同的。char用于表示字符，而 byte用于表示整数。在处理数据时，应根据具体的需求和数据类型选择合适的类型。

char(0~65535)

char在 Java 中占用 2 个字节（16 位）的空间是因为 Java 使用的是 Unicode 字符编码，其中字符的表示范围为 0 到 65535（即 2^16-1）。

Unicode 是一种国际标准字符集，为世界上几乎所有的字符分配了唯一的标识符。它包含了各种语言的字符、符号、表情等。为了能够表示这么多的字符，Java 选择了使用 2 个字节（16 位）来存储 char类型。

Java 的 char类型使用的是 UTF-16 编码，它是一种可变长度的编码方式，可以使用 2 个字节来表示大部分的字符，但对于一些特殊字符（如表情符号），可能需要使用额外的代码点进行编码。

需要注意的是，Unicode 字符集实际上定义了超过 65536 个字符。为了表示超出 65535 的字符，Unicode 使用了一种扩展编码方式，称为 UTF-16 编码。UTF-16 编码使用了一种叫作代理对（Surrogate Pair）的技术，将一个字符表示为两个 char类型的编码单元。

因此，虽然 char类型的范围是 0 到 65535，但实际上可以表示更多的字符。在处理 Unicode 字符时，需要特别注意代理对的处理，以确保正确地处理和显示字符。

byte(-128~127)

在 Java 中，byte是一个基本数据类型，用于表示 8 位的有符号整数。它的取值范围为 -128 到 127。

byte类型通常用于处理字节数据，例如读取和写入二进制文件、网络传输中的字节流、加密算法等。由于 byte类型占用的空间较小，因此在需要节省内存或处理字节级数据的情况下，经常使用 byte类型。

以下是一些关于 byte类型的特点和用法：

取值范围：byte类型的取值范围为 -128 到 127。可以通过 Byte.MIN_VALUE和 Byte.MAX_VALUE常量来获取最小值和最大值。
内存占用：byte类型占用 1 个字节（8 位）的存储空间。
字节操作：byte类型适用于处理字节级数据，例如读取和写入二进制文件、网络传输中的字节流等。可以使用输入输出流、缓冲流等类来读写 byte数据。
数组：可以创建 byte数组来存储一组字节数据。例如，byte[] data = new byte[10];创建了一个长度为 10 的 byte数组。
类型转换：byte类型可以与其他整数类型进行相互转换。可以使用类型转换运算符（如 (byte) value）将其他整数类型转换为 byte类型，或者将 byte类型转换为其他整数类型。

需要注意的是，在进行 byte类型的运算时，会发生整数提升。也就是说，byte类型的操作数会先被提升为 int类型，然后进行运算。

byte a = 10;byte b = 20;byte c = (byte) (a + b);  // 需要进行类型转换

总而言之，byte类型在 Java 中是用于表示 8 位有符号整数的数据类型，适用于处理字节级数据和节省内存的场景。

java9对字符串存储的优化Compact Strings（紧凑字符串）

Java 9 对字符串的优化主要集中在字符串存储和处理方面，引入了一项被称为 Compact Strings（紧凑字符串）的改进。Compact Strings 的目标是减少字符串在内存中的占用空间，提高性能和效率。

在 Java 8 及之前的版本中，字符串内部使用 char 数组来存储字符数据，并使用额外的 int 型字段记录字符串的偏移量和长度。这种表示方式在包含大量 ASCII 字符的字符串中会造成空间浪费，因为每个字符仍然占用 2 个字节的存储空间。

Java 9 引入了 Compact Strings 的概念，对于仅包含 Latin-1 字符集（即 Unicode 编码范围在 U+0000 至 U+00FF 之间）的字符串，使用字节数组存储数据，每个字符只占用 1 个字节。这样可以大大减少这类字符串的内存占用。对于包含非 Latin-1 字符的字符串，仍然使用 char 数组存储数据，每个字符占用 2 个字节。

Compact Strings 的优化带来了两个主要的好处：

内存占用减少：对于仅包含 Latin-1 字符的字符串，在内存中占用的空间减少一半，从而可以降低内存消耗。
性能提升：减少了字符串的内存占用，可以减少内存的分配和垃圾回收的频率，从而提高了性能和效率。

需要注意的是，Compact Strings 仅适用于字符串对象的内部表示方式，对于开发者来说，字符串的使用方式和 API 并没有变化。开发者无需对现有的代码进行修改，可以继续使用字符串相关的方法和操作。

这项优化是在底层实现层面上进行的，旨在提高 Java 运行时的性能和内存利用率，使开发者能够更高效地处理字符串数据。

-XX:+CompactStrings

在 Java 命令行启动时，可以通过使用 -XX:+CompactStrings参数来开启 Compact Strings。该参数告诉 Java 虚拟机在启动时启用紧凑字符串（Compact Strings）优化。

以下是使用 Java 命令行启动并开启 Compact Strings 的示例：

java -XX:+CompactStrings -jar YourJarFile.jar

在上述示例中，-XX:+CompactStrings参数指示 Java 虚拟机开启 Compact Strings 优化。-jar YourJarFile.jar部分是指定要执行的 JAR 文件。

请注意，Compact Strings 优化是默认开启的，可以在不使用 -XX:+CompactStrings参数的情况下自动启用。但如果需要明确指定开启或禁用 Compact Strings，可以使用相应的命令行参数。

关键词：