基于 JDK8 进行分析

1.编译时字节限制

String s = "11111...1111"; // 其中有 10 万个字符 "1"

当我们使用如上形式定义一个字符串的时候，当我们执行 javac 编译时，是会抛出异常的，提示 java: constant string too long

javac 是用于将 Java 源文件编译成 class 字节码二进制文件，那么在 class 文件生成过程中，就需要遵守一定的规范。

根据《Java 虚拟机规范》中对常量池的定义，CONSTANT_String_info 用于表示 java.lang.String 类型的常量对象，格式如下：

 CONSTANT_String_info {
     u1 tag;
     u2 string_index;
}

其中，string_index 项的值必须是对常量池的有效索引，常量池在该索引处的项必须是 CONSTANT_Utf8_info 结构，表示一组 Unicode 码点序列，这组 Unicode 码点序列最终会被初始化为一个 String 对象。

CONSTANT_Utf8_info 结构用于表示字符串常量的值：

CONSTANT_Utf8_info {
    u1 tag;
    u2 length;
    u1 bytes[length];
}

其中，length 则指明了 bytes[] 数组的长度，其类型为 u2，即两个字节的无符号数，那么其可表示的最大值为 $2^{16}-1=65535$。

也就是说，编译时生成的 class 文件中的字符串常量的字节数不能超过 65535。

但即使我们定义了一个由 65535 个 “1” 组成的字符串，还是会允许报错，报错原因还是 java: constant string too long

这个原因可以在 javac 的 tools.jar 包中找到，在 com.sun.tools.javac.jvm.Gen 类中有如下方法：

private void checkStringConstant(JCDiagnostic.DiagnosticPosition var1, Object var2) {
    // String.length() >= 65535 就抛出异常
    if (this.nerrs == 0 && var2 != null && var2 instanceof String && ((String)var2).length() >= 65535) {
        this.log.error(var1, "limit.string", new Object[0]);
        ++this.nerrs;
    }
}

当参数类型为 String，并且长度大于等于 65535 的时候，就会导致编译失败。

为什么最大长度是 65534 而不是 65535 呢？这是 Java 虚拟机历史上的一个设计缺陷：如果 Java 虚拟机中的一个方法的 code 属性的长度刚好是 65535 个字节，并且以一个 1 个字节长度的指令结束，那么这条指令将不能被异常处理器所处理。不过编译器可以通过限制任何方法、实例初始化方法或类初始化方法的 code[] 数组最大长度为 65534，这样可以间接弥补这个 BUG。

所以，综合 CONSTANT_Utf8_info 中的 length 大小限制与 javac 检查机制，字符串常量的最大字节数为 65535，最大长度为 65534。

Java 中的字符常量都是使用 UTF8 编码的，UTF8 编码使用 1~4 个字节来表示具体的 Unicode 字符。所以有的字符占用一个字节，而我们平时所用的大部分中文都需要 3 个字节来存储。

// 65534 个字母，编译通过
String s1 = "dd..d";

// 21845 个中文 “自”，编译通过
String s2 = "自自...自";

// 一个英文字母 d 加上 21845 个中文 “自”，编译失败
String s3 = "d自自...自";

• 对于 s1，一个字母 d 的 UTF8 编码占用 1 个字节，65534 字母占用 65534 个字节，长度是 65534，字节数与长度都没有超出限制，所以可以编译通过。
• 对于 s2，一个中文占用 3 个字节，21845 个正好占用 65535 个字节，而且字符串长度是 21845，字节数与长度都没有超出限制，所以可以编译通过。
• 对于 s3，一个英文字母 d 加上 21845 个中文“自”占用 65536 个字节，超过了最大字节数，编译失败。

2.运行时长度限制

public int length() {
    return value.length;
}

String 类提供了一个 length() 方法，返回值为有符号的 32 位的 int 类型，所以理论上 String 的最大长度为 $2^{31}-1$，因此在最大长度情况下占用内存约 $(2^{31}-1)\ast 2\ast 16/8/1024/1024/1024=4GB$​。如果 JVM 不能分配这么多内存的话，会出现 OOM 内存不足错误。

// success
public class Main {
    public static void main(String[] args) throws IOException {
        String s = "";
        for (int i = 0; i < 100000; i++) {
            s += "1";
        }

        // 100000
        System.out.println(s.length());
        System.out.println(s);
    }
}

3.小结

String 在不同的时期，具有不同的长度限制。

• 编译时限制：UTF8 编码的字符串常量的最大字节数为 65535，最大长度为 65534
• 运行时限制：字符串的长度不能超过 $2^{31}-1$，且占用的内存不能超过当前虚拟机还能够提供的最大值。

4.补充

JDK9 以后对 String 的存储进行了优化。底层不再使用 char 数组存储字符串，而是使用 byte 数组。对于 LATIN1 字符的字符串可以节省一倍的内存空间。