Java9及以上版本中String类为何使用byte[]而非char[]?

长期以来，Java 的 String 类一直使用 char 数组来存储字符数据。然而，最近我注意到在 Java 9 及更高版本中，String 类的内部实现已经改为使用 byte 数组。具体源码如下：

/**

* 用于字符存储的值。

*

* @implNote 该字段被虚拟机信任，并且如果是常量字符串实例，则会被常量折叠。构造后覆盖此字段将导致问题。

*

* 此外，它被标记为 {@link Stable} 以信任数组的内容。JDK 中目前没有其他功能提供此功能。

* {@link Stable} 在这里是安全的，因为 value 从不为 null。

*/

@Stable

private final byte[] value;

这显然使用的是 byte 数组，而不是 char 数组。那么，为什么会进行这样的改动呢？

主要原因是节省内存空间。在 JDK 9 之前的版本中，String 类的实现使用 char 数组来存储字符串，每个 char 占用 16 位（即 2 字节）。例如，存储字符 'A' 时，会占用 0x00 0x41，其中前一个字节是空闲的。这意味着对于 ISO-8859-1 编码范围内的字符，会有大量的内存浪费。而对于 ISO-8859-1 编码范围外的字符（如中文），则不会有浪费。

而在 JDK 9 及更高版本中，String 类的实现改为使用 byte 数组来存储字符串，每个 byte 占用 8 位（即 1 字节）。这样可以显著减少内存占用，特别是对于包含大量 ASCII 字符的字符串。

那么，当遇到 ISO-8859-1 编码范围外的字符（如中文）时，Java 是如何处理的呢？

Java 9 引入了一个新的属性 `coder`，用于表示字符串的编码格式：

private final byte coder;

static final boolean COMPACT_STRINGS;

static {

COMPACT_STRINGS = true;

}

byte coder() {

return COMPACT_STRINGS ? coder : UTF16;

}

{@Native static final byte LATIN1 = 0;}

{@Native static final byte UTF16 = 1;}

`coder` 属性用于标识字符串的编码格式，默认有两个值：0 表示 Latin-1（单字节编码），1 表示 UTF-16 编码。如果字符串只包含 Latin-1 字符，`coder` 属性值为 0；否则为 1。

在计算字符串长度或调用 `indexOf()` 等方法时，会根据 `coder` 属性来决定如何处理字符串。例如，如果 `coder` 为 0，表示字符串使用 Latin-1 编码，每个字符占用 1 字节；如果 `coder` 为 1，表示字符串使用 UTF-16 编码，每个字符占用 2 字节。

Java 9 默认启用紧凑字符串（COMPACT_STRINGS），但可以通过设置 VM 参数 `-XX:-CompactStrings` 来禁用这一特性。