Javaのすべての文字列をインターンにすることによるパフォーマンスへの影響は？

Question

私は多くの文字列を扱わなければならない取引処理アプリケーションに取り組んでいます。これらの文字列の中には、Trade IDなどの繰り返しがないものと、プロダクトIDなど頻繁に繰り返すものがあります。

トレードメッセージ（JSON）を解析する際に、すべての取引属性を汎用ステップとして扱い、メモリ使用量を減らして平等チェックを高速化することを検討しています。

私の質問は、この移動で意図せずパフォーマンスが低下する可能性があるかどうかです。

Answer 1

通常、メモリを節約するには、一般的な文字列を重複排除することをお勧めします。
重複排除にはString.internを使用しないでください。

• String.internはネイティブメソッドです。各コールにはさらにJNI overheadが発生します。
• すべてのJVMパート間で共有される内部ハッシュテーブルを吹き飛ばします（クラスローディングなど）。
• 文字列テーブルの既定の容量が十分ではなく、バケット数が一定です。
• JVMがこの内部ハッシュテーブルをスキャンし、おそらく世界の段階で再ハッシュするので、GCの一時停止が増加する可能性があります。
• 詳細はthis presentationです。

普通のHashMapまたはConcurrentHashMapは、この作業のためにはるかに優れています。

次のベンチマークは、1Mの文字列のセットに[Concurrent]HashMap.putIfAbsentにString.internのパフォーマンスを比較しています

@State(Scope.Benchmark) 
public class Dedup { 
    private static final HashMap<String, String> HM = new HashMap<>(); 
    private static final ConcurrentHashMap<String, String> CHM = new ConcurrentHashMap<>(); 

    private static final int SIZE = 1024 * 1024; 
    private static final String[] STRINGS = new Random(0).ints(SIZE) 
      .mapToObj(Integer::toString) 
      .toArray(String[]::new); 

    int idx; 

    @Benchmark 
    public String intern() { 
     String s = nextString(); 
     return s.intern(); 
    } 

    @Benchmark 
    public String hashMap() { 
     String s = nextString(); 
     String prev = HM.putIfAbsent(s, s); 
     return prev != null ? prev : s; 
    } 

    @Benchmark 
    public String concurrentHashMap() { 
     String s = nextString(); 
     String prev = CHM.putIfAbsent(s, s); 
     return prev != null ? prev : s; 
    } 

    private String nextString() { 
     return STRINGS[++idx & (SIZE - 1)]; 
    } 
} 

JDK 9の結果（小さい方が良いです）：

Benchmark    Mode Cnt Score Error Units 
Dedup.concurrentHashMap avgt 10 91,208 ± 0,569 ns/op 
Dedup.hashMap   avgt 10 73,917 ± 0,602 ns/op 
Dedup.intern    avgt 10 832,700 ± 73,402 ns/op