String的序列化小结

String对我们来说太熟悉了，因为它无处不在，更因为用String可以描述这个世界几乎所有的东西，甚至于为了描述精确的数值都需要String出马（因为计算机眼中的二进制和人类眼中的十进制间总有那么点隔膜）。因为熟悉而变得简单，也容易被忽略。今天记录一下关于String的容易被忽略的两个问题。

字符串重用——节省内存 因为字符串太多，如果能够重用则能够节省很大的内存。首先看下面一个例子：

String <span style="text-decoration: underline">string1</span> = "HELLOHELLO"; String <span style="text-decoration: underline">string2</span> = "HELLO" + "HELLO";

上面创建了几个字符串？1 or 2？后者是动态创建的，不过相信JVM可以对其直接优化的，因为编译时已经知道内容了，猜测是一个instance，即同一个char数组。Heapdump出来后观察果然是一个。

String string3 = args[0]+ args[1];

输入参数HELLO　HELLO？　字符串变成几个？没错啊，是两个HELLOHELLO了。Dump heap后观察，果然是两个了。（其实不用dump healp，debug也可以看出来，string1和string3中的char[]指向地址是不一样的）。

依此延伸，可以而知由java反序列化而来的那些string也是不一样的。实例如下；

**public** **final** **static** **void** main(String[] args) **throws** Exception { **new** StringDeserialized().testDescirialized(); } **public** **void** testDescirialized() **throws** Exception { String testString = "HELLOHELLO"; ObjectOutputStream dataOutStream = **new** ObjectOutputStream(**new** FileOutputStream("./stringdeserialized.data")); **for** (**int** i = 0; i < 1000; i++) dataOutStream.writeObject(testString); dataOutStream.close(); List<String> readAgainList = **new** ArrayList<String>(100); **for** (**int** i = 0; i < 100; i++) { ObjectInputStream dataInputStream = **new** ObjectInputStream(**new** FileInputStream("./stringdeserialized.data")); readAgainList.add((String) dataInputStream.readObject()); dataInputStream.close(); } Thread._sleep_(Integer._MAX_VALUE_); }

截图是heap dump出来的，有HELLOHELLO的个数有101个，占用的size>8080。对于JVM的内存使用可参考 http://www.javamex.com/tutorials/memory/object_memory_usage.shtml

问题来了，系统维护的数据大多是字符串信息，比如configserver，而很多的信息都是同一个字符串，那么反复的从网络序列化而来，占用多的Heap。当然自己可以写一个weak hashmap来维护，重用这些字符串。大家知道JVM中有String Pool，使用它无疑最好不过。查找String源码，发现intern（）的注释如下：

* When the intern method is invoked, if the pool already contains a * string equal to this <code>String</code> object as determined by * the {@link #equals(Object)} method, then the string from the pool is * returned. Otherwise, this <code>String</code> object is added to the * pool and a reference to this <code>String</code> object is returned.

于是改变上面一行代码为：

readAgainList.add(((String) dataInputStream.readObject()).intern());

再次Heap dump分析如下，另外可以看出一个包含10个字符的String占用的Heap是80byte：

字符串序列化的速度 目前CS处理为了支持所谓的任意类型数据，CS采用了一个技巧，用Swizzle来保存java序列化后的byte类型，Server端无需反序列化就能保存任意类型的data；这样的坏处有两个：通用的Java序列化效率不高；协议不通用，对其他语言支持不行。因为目前的数据信息基本都是String类型，而对对String数据的专门处理，可以通过String内部的byte数组（UTF-8）类表示，这样也便于其他语言解析。可以考虑增加对publish（String）的支持。于是做了如下测试来比较对String不同serialize/deserialize的速率和大小。

结果是writeUTF最小最快，对于100char的String，差距是数量级的相当明显，虽然Swizzle使用了一个技巧，当对同一个swizzle instance多次传输时，无需重复的序列化。

PS:Swizzle简单的说就是把信息包装起来，然后把序列化的byte流缓存起来，这样如果同样的一个信息要推送/发送N次，就无能减少N-1次的序列化时间。

public class CompareSerialization {

**public** String generateTestData(**int** stringLength) { Random random = **new** Random(); StringBuilder builder = **new** StringBuilder(stringLength); **for** (**int** j = 0; j < stringLength; j++) { builder.append((**char**) random.nextInt(127)); } **return** builder.toString(); } **public** **int** testJavaDefault(String data) **throws** Exception { ObjectOutputStream outputStream = **null**; ObjectInputStream inputStream = **null**; **try** { ByteArrayOutputStream byteArray = **new** ByteArrayOutputStream(); outputStream = **new** ObjectOutputStream(byteArray); outputStream.writeObject(data); outputStream.flush(); inputStream = **new** ObjectInputStream(**new** ByteArrayInputStream(byteArray.toByteArray())); inputStream.readObject(); **return** byteArray.size(); } **finally** { outputStream.close(); inputStream.close(); } } **public** **int** testJavaDefaultBytes(String data) **throws** Exception { ObjectOutputStream outputStream = **null**; ObjectInputStream inputStream = **null**; **try** { ByteArrayOutputStream byteArray = **new** ByteArrayOutputStream(); outputStream = **new** ObjectOutputStream(byteArray); outputStream.writeBytes(data); outputStream.flush(); inputStream = **new** ObjectInputStream(**new** ByteArrayInputStream(byteArray.toByteArray())); **byte**[] bytes = **new** **byte**[byteArray.size()]; inputStream.read(**new** **byte**[byteArray.size()]); **new** String(bytes); **return** byteArray.size(); } **finally** { outputStream.close(); inputStream.close(); } } **public** **int** testSwizzle(Swizzle data) **throws** Exception { ObjectOutputStream outputStream = **null**; ObjectInputStream inputStream = **null**; **try** { ByteArrayOutputStream byteArray = **new** ByteArrayOutputStream(); outputStream = **new** ObjectOutputStream(byteArray); outputStream.writeObject(data); outputStream.flush(); inputStream = **new** ObjectInputStream(**new** ByteArrayInputStream(byteArray.toByteArray())); inputStream.readObject(); **return** byteArray.size(); } **finally** { outputStream.close(); inputStream.close(); } } **public** **int** testStringUTF(String data) **throws** Exception { ObjectOutputStream outputStream = **null**; ObjectInputStream inputStream = **null**; **try** { ByteArrayOutputStream byteArray = **new** ByteArrayOutputStream(); outputStream = **new** ObjectOutputStream(byteArray); outputStream.writeUTF(data); outputStream.flush(); inputStream = **new** ObjectInputStream(**new** ByteArrayInputStream(byteArray.toByteArray())); inputStream.readUTF(); **return** byteArray.size(); } **finally** { outputStream.close(); inputStream.close(); } } **public** **final** **static** **void** main(String[] args) **throws** Exception { CompareSerialization compare = **new** CompareSerialization(); String data = compare.generateTestData(Integer._parseInt_(args[0])); Swizzle swizzle = **new** Swizzle(data); System._out_.println("testJavaDefault size on networking:" + compare.testJavaDefault(data)); System._out_.println("testJavaDefaultBytes size on networking:" + compare.testJavaDefaultBytes(data)); System._out_.println("testStringUTF size on networking:" + compare.testStringUTF(data)); System._out_.println("testSwizzle size on networking:" + compare.testSwizzle(swizzle)); // warm up **for** (**int** i = 0; i < 100; i++) { compare.testJavaDefault(data); compare.testJavaDefaultBytes(data); compare.testStringUTF(data); compare.testSwizzle(swizzle); } **long** startTime = System._currentTimeMillis_(); **for** (**int** i = 0; i < 10000; i++) { compare.testJavaDefault(data); } **long** endTime = System._currentTimeMillis_(); System._out_.println("testJavaDefault using time:" + (endTime - startTime)); startTime = System._currentTimeMillis_(); **for** (**int** i = 0; i < 10000; i++) { compare.testJavaDefaultBytes(data); } endTime = System._currentTimeMillis_(); System._out_.println("testJavaDefaultBytes using time:" + (endTime - startTime)); startTime = System._currentTimeMillis_(); **for** (**int** i = 0; i < 10000; i++) { compare.testStringUTF(data); } endTime = System._currentTimeMillis_(); System._out_.println("testStringUTF using time:" + (endTime - startTime)); startTime = System._currentTimeMillis_(); **for** (**int** i = 0; i < 10000; i++) { compare.testSwizzle(swizzle); } endTime = System._currentTimeMillis_(); System._out_.println("testSwizzle using time:" + (endTime - startTime)); }

本文来源于"阿里中间件团队播客",原文发表时间"  2011-11-18"

相关资源：C#实现JSON字符串序列化与反序列化的方法