【翻译】为什么Java中的String不可变

笔主前言：

众所周知，String是Java的JDK中最重要的基础类之一，在笔主心中的地位已经等同于int、boolean等基础数据类型，是超越了一般Object引用类型的高端大气上档次的存在。

但是稍有研究的人就会发现，String对象是不可修改的，源代码中的String类被定义为final，即为终态，不可继承，String也不提供任何直接修改对象内部值的方法，每次使用replace、substring、trim等方法，或是使用字符串连接符+时，都是返回一个全新的String对象，整个String对象的值只能通过构造函数，在初始化对象实例时一次性输入（当然Java语法允许直接使用双引号方式快捷获取String对象实例）。

如果需要动态修改、构造字符串，则需要通过StringBuilder或StringBuffer对象进行操作，并在最终输出时通过toString()、substring()等方法得到String对象。直接使用String对象进行连接、增删替换字符等操作，将不可避免地产生大量临时String对象，影响CPU效率和增加资源回收负担。

今天偶然看到一个外文文章，较为完整详细客观科学的论述了String类被如此设计成不可变结构的原因，下面笔主结合自己的理解，尽量通过浅显的语言意译成中文，科普一下知识。

原文链接：http://www.programcreek.com/2013/04/why-string-is-immutable-in-java/

为什么Java中的String是不可变的？

要解释String被设计成不可变结构的原因，需要从存储空间、同步性、数据类型等方面去分析。

解释1：满足 String Pool (String intern pool) 字符串保留池的需要

Java语法设计中专门针对String类型，提供了一个特殊的存储机制，叫字符串保留池String intern pool，简单点说，这个池是在内存堆中专门划分一块空间，用来保存所有String对象数据，当程序猿构造一个新字符串String对象时，Java编译机制会优先在这个池子里查找是否已经存在能满足需要的String对象，如果有的话就直接返回该对象的地址引用（没有的话就正常的构造一个新对象，丢进去存起来），因此实际上构造两三个乃至成千上万个同一句话的String对象，得到的是同一个对象引用，这能避免很多不必要的空间开销。

然而如果String对象本身允许被二次修改值内容的话，其中一个引用对String对象的修改将不可避免地影响其他正在引用该对象的变量，诱发出不可预测的后果。

* 上面所说的机制，仅适用于使用以下语法构造String对象的场景：

String string1 = "abcd";
String string2 = "abcd";  // string1 == string2

String string1 = new String("abcd");
String string2 = new String("abcd");  // string1 != string2

解释2：缓存Hashcode的需要

在HashMap等需要使用hashCode作为键值存储地址的数据结构中，String对象常常作为这些数据结构的key值，常见地组合成如 HashMap<String, Object> 等类型的哈希表结构使用。

当HashMap需要随机调取某个元素的时候（例如 hashMap.get("money"); ），HashMap将调用作为key值的String对象的hashCode()方法，获取能代表这个对象的唯一数值hashCode，定位这个键值对的实际存储地址，继而可以像数组一样通过array[index]这样的下标方式直接访问到目标元素。

由于String类型具备不可变的特性，因此在String对象内的hashCode()方法实际上只需执行一次计算过程，计算后把结果缓存到一个内部私有变量 int hash 中，而后每次需要调用这个String对象的hashCode()方法时，仅仅需要把上次的计算结果hash返回去即可，在物理上强效地保证了这个结果的绝对正确性，当HashMap需要频繁的读取访问任意一组键值对的时候，能节省非常多的CPU计算开销。

解释3：协助其他对象的使用

* 这一部分看得不是很懂，就笔主的浅显理解不能十分认同原文中的这个解释理由，这一块将按原文翻译与笔主的理解观点同步展示说明。

先展示一段不太真实的代码：

HashSet<String> set = new HashSet<String>();
set.add(new String("a"));
set.add(new String("b"));
set.add(new String("c"));

for(String a: set)
a.value = "a";

原文：在这个例子中，如果String是可变的，那么当它的值发生改变时将违反Set的设计（Set只能存储相互唯一的元素）。这个代码案例仅为简单的目的而设计，实际上String类不存在value变量。

按笔主理解解释：

在这段代码中，三个String对象依次使用HashSet的add()方法合法地添加到了set对象中。

此时如果String是内容可变的话，那么通过后面的for循环中 a.value = "a"; 这一句伪代码，set对象中的三个成员变量都将变成String("a")，依据解释1所提到的String Pool的情况，这三个对象有可能会变成指向同一个字符串String对象"a"，即set内部存了三个相同的对象，而这种情况违背了Set类型的元素唯一性设计定义——Set中存储的对象必需相互独立唯一，不能重复。

退一步讲，即使这三个对象依然是三个相互独立的String对象"a"，而根据String类设计的hashCode()算法，这三个独立的String对象依然计算出了相同的hashCode值，显然也是违反了HashSet的设计——三个对象同时指向了相同的存储地址。

任何一种情况都将在Set对象的外部不可控地违反了Set或HashSet本身设计的规定，诱发出不可预测的后果，而在语法检测上却毫无问题地通过了。

* 之所以说 a.value = "a"; 是伪代码，并非因为原文所说String类不存在value变量，而是因为String类内的私有变量 private final char value[] 是不允许外部操作的，另外在数组语法上也不允许按这种方式赋值，String中的value数组确实存储的就是初始化传入的字符串各字符数据，同时也是String计算hashCode算法的唯一依据。

** 如果严格定义String是内容可变这一前提，那么解释1中提出的String Pool将无法实现，也就是说调用三次构造函数，必然返回三个互相独立的对象，因此此例严格说并不会违反Set的元素唯一性定义，但依然会出现后面的相同hashCode值问题。

*** 一般而言，不同的对象通过hashCode()方法将得到不同且唯一的hashCode值，但由于这里假想的可变String内容被更换，而导致不同的String对象产生相同hashCode值，在HashSet/HashMap中将产生异常表现，在本文最后的补充环节，笔主将使用一小段代码进行模拟演示。

解释4：安全性

String被广泛用于网络连接、文件IO等多种Java基础类的参数中，如果String内容可变的话，将潜在地带来多种严重安全隐患，例如链接地址被暗中更改等，出于同样的原因，在Java反射机制中可变String参数也会导致潜在的安全威胁。

例如以下网络连接代码示例（修改自原文）：

boolean connect(string url){
// 验证url地址是否安全，不安全的网络访问将被异常抛出阻止
if (!isSecure(url)) {
throw new SecurityException();
}
// 上一步url已通过安全检验，但如果url在这里能够被（其他线程）其他引用修改，将触发严重的安全威胁
mayCauseProblemWhileOpen(url);
}

解释5：不可变对象在物理上绝对性的线程安全

由于不可变对象内容不可能被修改，因此能在多线程中被任意自由访问而不会导致任何线程安全问题，同时也就不需要再做任何多余的同步操作开销。

总的来说，String的不可变特性设计就是出于效率和安全性的考虑，这也是其他类一般情况下更倾向于被设计成不可变特性的原因。

补充：当HashMap遇上可变对象并产生相同hashCode值...

在这里，笔主主要想讨论在解释3的***中提到的可变String对象产生相同hashCode值在HashMap中的异常表现问题。

先说明一个前提，String类中的hashCode()方法经过改写，与Object中的hashCode()不同，String中的hashCode()计算的唯一依据是String对象本身的字符串内容，如果存在两个内容同为"Monkey"的String对象，这两个对象经过hashCode()计算出的hashCode值将完全相同，被HashMap视为同一个key对象。

可变String模拟类：

package test;

/**
* 可变字符串模拟类
*
* @since 2014-6-21 下午6:14:16
* @author Wavky.Wand
*/
public class ModifiableString {
private String mContent;

public ModifiableString(String content) {
mContent = content;
}

/**
* 更变字符串内容
*
* @param mContent
*            the content to set
*/
public void setContent(String mContent) {
this.mContent = mContent;
}

@Override
public int hashCode() {
return mContent.hashCode();
}

/**
* 依据Java类设计规则与HashMap需求，同时改写equals()方法，当两个对象hashCode相同时，equals()方法判断两个对象为相同
*/
@Override
public boolean equals(Object obj) {
return obj.hashCode() == mContent.hashCode();
}
}

测试类：

package test;

import java.util.HashMap;

/**
*
* @since 2014-2-2 下午4:16:12
* @author Wavky.Wand
*/
public class Test {

public static void main(String[] args) {
ModifiableString m1 = new ModifiableString("123");
ModifiableString m2 = new ModifiableString("456");
ModifiableString m3 = new ModifiableString("789");

// 输出三个对象的hashCode
out("m1 hashCode:" + m1.hashCode());    // 48690
out("m2 hashCode:" + m2.hashCode());    // 51669
out("m3 hashCode:" + m3.hashCode());    // 54648

// 初始化HashMap
HashMap<ModifiableString, String> map = new HashMap<ModifiableString, String>();
map.put(m1, "A");
map.put(m2, "B");
map.put(m3, "C");

// 输出初始化完毕后的HashMap
out("初始化完毕的HashMap");
out("map size:" + map.size());         // 3
out("map.get(m1):" + map.get(m1));     // A
out("map.get(m2):" + map.get(m2));     // B
out("map.get(m3):" + map.get(m3));     // C

out("迭代输出HashMap的所有key值");
for (ModifiableString m : map.keySet()) {
out(m);                // @c9d5 @be32 @d578
}

out("迭代输出HashMap的所有key对应的value值");
for (ModifiableString m : map.keySet()) {
out(map.get(m));       // A B C 三个value值依次正常输出
}

out("迭代输出HashMap的所有value值");
for (String s : map.values()) {
out(s);                // A B C 三个value值依次正常输出
}

// 更改m3的内容，与m1内容相同
out("m3.setContent(123)");
m3.setContent("123");

// 输出更改m3内容后的信息
out("m1 hashCode:" + m1.hashCode());    // 48690
out("m2 hashCode:" + m2.hashCode());    // 51669
out("m3 hashCode:" + m3.hashCode());    // 48690
out("m1==m3:" + (m1 == m3));            // false
out("m1.equals(m3):" + m1.equals(m3));  // true
out("重设m3内容后的HashMap");
out("map size:" + map.size());        // 3
out("map.get(m1):" + map.get(m1));    // A
out("map.get(m2):" + map.get(m2));    // B
// 因为m3内容与m1一致，hashCode与equal方法判断m3与m1相等，因此HashMap返回m1的内容，
// 而m3对应的value值C无法再通过key获取，类似于内存泄露状态
out("map.get(m3):" + map.get(m3));    // A

out("迭代输出HashMap的所有key值");
for (ModifiableString m : map.keySet()) {
out(m);                // @be32 @c9d5 @be32 实际为16进制无符号hashCode值，第一个与第三个相同
}

out("迭代输出HashMap的所有key对应的value值");
for (ModifiableString m : map.keySet()) {
out(map.get(m));       // A B A 无法通过任何一个key获取到第三个value值C
}

out("迭代输出HashMap的所有value值");
for (String s : map.values()) {
out(s);                // A B C 三个value值依次正常输出
}

// 移除HashMap中的m3键值对
out("map.remove(m3)");
map.remove(m3);

// 输出更改m3内容后的信息
out("删除m3内容后的HashMap");
out("map size:" + map.size());        // 2 HashMap内剩余两条键值对
out("map.get(m1):" + map.get(m1));    // null 通过m1获取value，无返回
out("map.get(m2):" + map.get(m2));    // B
out("map.get(m3):" + map.get(m3));    // null 通过m3获取value，无返回

out("迭代输出HashMap的所有key值");
for (ModifiableString m : map.keySet()) {
out(m);                // @c9d5 @be32 m1或m3其中一个key被移除
}

out("迭代输出HashMap的所有key对应的value值");
for (ModifiableString m : map.keySet()) {
out(map.get(m));       // B null 无法通过任何一个key获取到原第三个value值C
}

out("迭代输出HashMap的所有value值");
for (String s : map.values()) {
out(s);                // B C 显示实际上第一个键值对被删除，而最后一个未被删除，但无法获取到
}
}

static void out(Object o) {
System.out.println(o);
}

}

分析：

在这个略显冗长的测试类中，分别执行了三个主要步骤：

1、使用三个独立的ModifiableString对象（分别为m1:123->A, m2:456->B, m3:789->C）初始化一个HashMap表对象，第一轮的HashMap信息输出显示，三个对象均被正常添加到map表中，并能分别通过三个key（m1/m2/m3）读取对应的value值（A/B/C）。

2、更改第三个key对象m3的内容为123（与第一个key对象m1相同），输出信息显示三个key依然为相互独立的对象，但m3的hashCode值变成与m1的一样，第二轮HashMap信息输出显示，HashMap依然持有三个键值对，通过m3作为key获取到的value值为m1对应的value值A，而m3本来对应的value值C却无法再通过keySet()方法返回的任何一个key获取得到。

3、删除第三个key对象m3，第三轮HashMap信息输出显示，HashMap持有的键值对剩下两个，分别是m2的key和m1或m3的key（由于hashCode一样，无法区别），其中只有m2对应的value B能正常获取到，而通过迭代value显示出HashMap内被删除的是第一个key对象m1对应的键值对，而非m3对应的，但m3对应的value值C依旧无法通过keySet()方法返回的任何一个key获取得到。



通过三个步骤的HashMap内部结构解析图可以看到，HashMap中的每个键值对依然持有各自独立的key对象，但是在后面的两步骤中，第三个键值对一直处于异常状态，无法正常的通过key对象获取。

在深入HashMap的源代码中，逐步跟踪put(K key, V value)->addEntry(int hash, K key, V value, int bucketIndex)->createEntry(int hash, K key, V value, int bucketIndex)方法可以发现，在数据初始化过程中，三个对象通过HashMap的put()方法，最终被存放在一个内部键值数组Entry<K,V>[] table中，存放的位置正好是这个对象的hashCode值代表的下标位置，同样跟踪get(Object key)->getEntry(Object key)方法可以发现，使用key对象通过get()方法，最终获取到的是HashMap中的table数组中，这个key的hashCode值代表的下标位置存储的value值。

而上面的第二步骤通过人为方式强制改变了第三个key对象m3的hashCode值，自然就丢失了获取m3对应的value的索引了，因为整个数据更改过程并没有通知到HashMap更新原本m3对应的value在table数组中的存储位置，所以实际上从第二步骤开始，整个HashMap的内部数据就已经处于一种非同步的异常状态，无法继续正常工作了。

结论：

从这个实验中可以看出，HashMap并不支持key对象的hashCode发生动态变化，不可变对象是作为HashMap的key的最优选择。

另外也从侧面反映出了String的不可变特性在解释2与解释3中发挥出的重要作用。