Как устроен пул строк в Java

Что проверяют

Знаете ли вы, где физически живёт пул, чем литерал отличается от new String() и почему строки сравнивают через equals. Следом часто просят предсказать результат нескольких == и спрашивают, когда intern() вообще стоит вызывать.

Как отвечать

Пул строк это таблица канонических экземпляров String, которую держит JVM. В HotSpot это хеш-таблица StringTable в нативной памяти, а сами объекты строк с Java 7 лежат в обычной куче, до этого они жили в PermGen. Опорные пункты:

• литералы: одинаковые литералы во всех классах указывают на один объект, поэтому для String a = "Hello" и String b = "Hello" выражение a == b истинно;
• константы времени компиляции: "Hel" + "lo" компилятор склеивает сам, результат тоже попадёт в пул. Склейка с переменной происходит в рантайме и даёт новый объект;
• new String("Hello"): всегда новый объект в куче, даже если такой литерал уже в пуле;
• intern(): возвращает канонический экземпляр из пула, а при его отсутствии кладёт туда текущую строку. После этого new String("Hello").intern() == "Hello" истинно;
• сборка мусора: строки из пула, на которые никто не ссылается, собираются так же, как остальные объекты. Размер таблицы настраивается флагом -XX:StringTableSize.

Пул работает, потому что String неизменяем: общий экземпляр безопасно отдавать кому угодно. Стоит упомянуть и соседние оптимизации: Compact Strings с Java 9 хранят строки из символов Latin-1 по байту на символ, а -XX:+UseStringDeduplication в G1 убирает дубли массивов внутри разных объектов String, пул при этом не трогая.

Где спотыкаются

Говорят, что пул находится в PermGen. Это верно только для Java 6 и раньше, а в Java 8 PermGen нет вообще.

Советуют сравнивать строки через == ради скорости. Результат зависит от того, откуда пришла строка: строка из JSON или из базы окажется другим объектом. Сравнивают через equals.

Вызывают intern() на всём подряд ради экономии памяти. Каждый вызов это поиск в глобальной таблице, и при миллионах уникальных строк она становится узким местом. Оправдан intern() только на небольшом наборе часто повторяющихся значений.