String最大長度是多少？涉及知識面太多，不要錯過！
本文轉載自微信公眾號「程序新視界」，作者二師兄。轉載本文請聯系程序新視界公眾號。
前言
當你看到這個問題“String長度限制是多少”時是不是感覺很無聊?的確，這就是我第一眼看到時的感覺。
但當深入追蹤該問題時，才發現String的長度限制本身的意義并不重要，重要的是在此過程中會將大量知識點串聯起來，簡直是一個完美的問題。難怪在高階段的面試中會出現類似的問題。
本篇文章就來帶大家追尋String長度的限制，需要提醒讀者的是，結論并不重要，重要的是分析的過程，以及涉及到的知識儲備。比如，String的底層實現、int類型的范圍、《Java虛擬機規范》、Java編譯器源碼實現等大量知識點。
String源碼追蹤
要看String類的長度限制，肯定要先從String的源碼實現看起，這里就以目前使用最多的JDK8為例來進行說明。JDK9及以后String的底層實現有所變化，大家可參考《JDK9對String字符串的新一輪優化》一文。
我們都知道，String類提供了一個length方法，我們是否可以直接通過這個方法得知String的最大長度?
- /**
- * Returns the length of this string.
- * The length is equal to the number of <a href="Character.html#unicode">Unicode
- * code units</a> in the string.
- *
- * @return the length of the sequence of characters represented by this
- * object.
- */
- public int length() {
- return value.length;
- }
這里文檔并沒有說明最大長度是多少，但我們可以從返回的結果類型得知一些線索。結果類型為int，也就是說int的取值范圍便是限制之一。
如果你知道int在正整數部分的取值范圍為2^31 -1那很好，如果不知道，可以查看對應的包裝類Integer：
- public final class Integer extends Number implements Comparable<Integer> {
- /**
- * A constant holding the minimum value an {@code int} can
- * have, -2<sup>31</sup>.
- */
- @Native public static final int MIN_VALUE = 0x80000000;
- /**
- * A constant holding the maximum value an {@code int} can
- * have, 2<sup>31</sup>-1.
- */
- @Native public static final int MAX_VALUE = 0x7fffffff;
- // ...
- }
無論MIN_VALUE和MAX_VALUE的值或注釋都說明了int的取值范圍。此時計算一下String的最大長度應該是：
- 2^31 - 1 = 2147483647
回到length方法，我們看到length的值是通過是value獲得的，而value在JDK8中是以char數組實現的：
- public final class String
- implements java.io.Serializable, Comparable<String>, CharSequence {
- /** The value is used for character storage. */
- private final char value[];
- // ...
- }
Java中內碼(運行內存)中的char使用UTF16的方式編碼，一個char占用兩個字節。所以，還需要從將上面計算的值乘以2。
此時的計算公式為：
- 2^31-1 =2147483647 個16-bit Unicodecharacter
- 2147483647 * 2 = 4294967294 (Byte)
- 4294967294 / 1024 = 4194303.998046875 (KB)
- 4194303.998046875 / 1024 = 4095.9999980926513671875 (MB)
- 4095.9999980926513671875 / 1024 = 3.99999999813735485076904296875 (GB)
也就是說最大字符串占用內存空間約等于4GB。但此時，如果你聲明一個長度為10萬的字符串，你會發現編譯器會拋出異常，提示信息如下：
錯誤: 常量字符串過長
不是說好的21億嗎?怎么10萬個就異常了呢?其實這個異常是由編譯期的限制決定的。
字符串常量池的編譯期限制
了解過JVM虛擬機的朋友肯定知道，當通過字面量進行字符串聲明時，在編譯之后會以常量的形式進入到Class常量池。
- String s = "程序新視界";
而常量池對String的長度是有限制的。常量池中的每一種數據項都有自己的類型。Java中的UTF-8編碼的Unicode字符串在常量池中以CONSTANT_Utf8類型表示。
在《Java虛擬機規范》中可以看到對String是通過CONSTANT_String_info來定義的。
可以看到“string_index項的值必須是對常量池的有效索引，常量池在該索引處的項必須是CONSTANT_Utf8_info(§4.4.7)結構”。
繼續看對CONSTANT_Utf8_info的定義：
length則指明了bytes[]數組的長度，類型為u2。同樣是在《Java虛擬機規范》中可以找到對u2的定義：
u2表示兩個字節的無符號數，1個字節有8位，2個字節就有16位。因此，u2可表示的最大值為2^16 - 1= 65535。
到這里，已經得出了第二個限制，也就是Class文件中常量池的格式規定了，其字符串常量的長度不能超過65535。
此時，如果嘗試通過字面量聲明一個65535長度的字符串：
- String s = "8888...8888";//其中有65535萬個字符"8"
編譯器還會拋出同樣的異常。這又是為什么呢?
這個問題我們同樣可以從《Java虛擬機規范》(4.7.3節)中找到答案：
原來是為了彌補早期設計時的一個bug，“長度剛好65535個字節，且以1個字節長度的指令結束，這條指令不能被異常處理器處理”，因此就將數組的最大長度限制到了65534了。
如果你能夠查看JVM中編譯器部分的源碼，可以在Gen類中看到對此限制的代碼實現：
- /** Check a constant value and report if it is a string that is
- * too large.
- */
- private void checkStringConstant(DiagnosticPosition pos, Object constValue) {
- if (nerrs != 0 || // only complain about a long string once
- constValue == null ||
- !(constValue instanceof String) ||
- ((String)constValue).length() < Pool.MAX_STRING_LENGTH)
- return;
- log.error(pos, "limit.string");
- nerrs++;
- }
其中Pool.MAX_STRING_LENGTH的定義如下：
- public class Pool {
- public static final int MAX_STRING_LENGTH = 0xFFFF;
- //...
- }
再次嘗試聲明一個長度為65534的字符串，會發現可以正常編譯了。此時，可以得出結論，在編譯期字符串的最大長度為65534。
我們知道，Java是區分編譯期和運行期的，那么在運行期是否有長度限制呢?
運行期的長度限制
String運行期的限制主要體現在String的構造函數上。String的一個構造函數如下：
- public String(char value[], int offset, int count) {
- // ...
- }
其中參數count就是字符串的最大長度。此時的計算與前面的算法一致，這里先轉換為bit，然后再轉換為GB：
- (2^31-1)*16/8/1024/1024/1024 = 4GB
也就是說，運行時理論上可以支持4GB大小的字符串，超過這個限制就會拋出異常的。JDK9對String的存儲進行了優化，底層使用byte數組替代了char數組，對于純Latin1字符來說可以節省一半的空間。
當然，這個4GB的限制是基于JVM能夠分配這么多可用的內存的前提下的。
小結
通過上述的分析，可以得出結論：第一，在編譯期字符串的長度不能超過65534;第二，在運行期，字符串的長度不能超過2^31-1，占用內存(4GB)不能超過虛擬機所分配的最大內存。
結論很簡單，但本篇文章分析時所使用的知識和思路你學到了嗎?如果沒有，趕緊補一補吧。
