Java 8 字串去重：G1 GC 新特性原理、啟用與實測

背景

JDK 8u20 引入 String Deduplication，針對 Java 應用中佔堆 20-30% 的 String 物件，透過共享底層 char[]/byte[] 降低記憶體佔用。僅支援 G1 GC，預設關閉。

運作原理

1. GC 掃描存活 String 物件，計算其值陣列雜湊並存入弱參考表。
2. 發現雜湊碰撞時，逐字元比對內容。
3. 完全相同則將其中一個 String 的 value 欄位指向另一個的陣列。
4. 原陣列無強參考 → 下輪 GC 回收。
5. 優化：曾比對無重複的 String 會被標記「冷卻」，一段時間不再檢查。

啟用參數

-XX:+UseG1GC
-XX:+UseStringDeduplication
-XX:+PrintStringDeduplicationStatistics  # 列印去重統計

實測程式碼

public class StringDedupDemo {
    private static final List HOLDER = new ArrayList<>();

    public static void main(String[] args) throws Exception {
        int iter = 0;
        while (true) {
            for (int i = 0; i < 100; i++)
                for (int j = 0; j < 1000; j++)
                    HOLDER.add(new String("String " + j)); // 大量重複字串
            System.out.println("Survived Iteration: " + ++iter);
            Thread.sleep(100);
        }
    }
}

測試結果對比 (Xmx256m)

GC 日誌範例

[String Deduplication] 
  Scanned 123456 objects, 
  Deduplicated 110000 (89.1%), 
  Saved 45.2 MB (12.3% heap), 
  12.5 ms (avg 0.1 us/obj)

字串去重 vs 字串駐留

適用場景與限制

• ✅ 大量重複業務代碼、訊息、URL、JSON 片段的長期存活物件。
• ⚠️ 僅 G1 GC，且會增加 GC 停頓 (掃描/比對成本)，需實測評估吞吐量影響。
• ⚠️ JDK 9+ Compact Strings (Latin-1/UTF-16) 已大幅降低單字串記憶體，去重效益遞減。
• ❌ 短命物件 (Eden 區死亡) 不會被去重。

Java 8u20+ 專案若使用 G1 GC 且觀察到大量重複 String 佔用堆，建議開啟 -XX:+UseStringDeduplication 並觀察 GC 日誌統計，若節省 > 10% 堆且停頓增長可接受，即可長期啟用。