String最大长度是多少？涉及知识面太多，不要错过！

前言

当你看到这个问题“String长度限制是多少”时是不是感觉很无聊？的确，这就是我第一眼看到时的感觉。

但当深入追踪该问题时，才发现String的长度限制本身的意义并不重要，重要的是在此过程中会将大量知识点串联起来，简直是一个完美的问题。难怪在高阶段的面试中会出现类似的问题。

本篇文章就来带大家追寻String长度的限制，需要提醒读者的是，结论并不重要，重要的是分析的过程，以及涉及到的知识储备。比如，String的底层实现、int类型的范围、《Java虚拟机规范》、Java编译器源码实现等大量知识点。

String源码追踪

要看String类的长度限制，肯定要先从String的源码实现看起，这里就以目前使用最多的JDK8为例来进行说明。JDK9及以后String的底层实现有所变化，大家可参考《JDK9对String字符串的新一轮优化》一文。

我们都知道，String类提供了一个length方法，我们是否可以直接通过这个方法得知String的最大长度？

/**
 * 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;
}

这里文档并没有说明最大长度是多少，但我们可以从返回的结果类型得知一些线索。结果类型为int，也就是说int的取值范围便是限制之一。

如果你知道int在正整数部分的取值范围为2^31 -1那很好，如果不知道，可以查看对应的包装类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;
    // ...
}

无论MIN_VALUE和MAX_VALUE的值或注释都说明了int的取值范围。此时计算一下String的最大长度应该是：

2^31 - 1 = 2147483647

回到length方法，我们看到length的值是通过是value获得的，而value在JDK8中是以char数组实现的：

public final class String
    implements java.io.Serializable, Comparable<String>, CharSequence {
    /** The value is used for character storage. */
    private final char value[];
    // ...   
}

Java中内码（运行内存）中的char使用UTF16的方式编码，一个char占用两个字节。所以，还需要从将上面计算的值乘以2。

此时的计算公式为：

2^31-1 =2147483647 个16-bit Unicodecharacter

2147483647 * 2 = 4294967294 (Byte)
 
4294967294 / 1024 = 4194303.998046875 (KB)
 
4194303.998046875 / 1024 = 4095.9999980926513671875 (MB)
 
4095.9999980926513671875 / 1024 = 3.99999999813735485076904296875 (GB)

也就是说最大字符串占用内存空间约等于4GB。但此时，如果你声明一个长度为10万的字符串，你会发现编译器会抛出异常，提示信息如下：

错误: 常量字符串过长

不是说好的21亿吗？怎么10万个就异常了呢？其实这个异常是由编译期的限制决定的。

字符串常量池的编译期限制

了解过JVM虚拟机的朋友肯定知道，当通过字面量进行字符串声明时，在编译之后会以常量的形式进入到Class常量池。

String s = "程序新视界";

而常量池对String的长度是有限制的。常量池中的每一种数据项都有自己的类型。Java中的UTF-8编码的Unicode字符串在常量池中以CONSTANT_Utf8类型表示。

在《Java虚拟机规范》中可以看到对String是通过CONSTANT_String_info来定义的。

可以看到“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(§4.4.7)结构”。

继续看对CONSTANT_Utf8_info的定义： 

length则指明了bytes[]数组的长度，类型为u2。同样是在《Java虚拟机规范》中可以找到对u2的定义： 

u2表示两个字节的无符号数，1个字节有8位，2个字节就有16位。因此，u2可表示的最大值为2^16 - 1= 65535。

到这里，已经得出了第二个限制，也就是Class文件中常量池的格式规定了，其字符串常量的长度不能超过65535。

此时，如果尝试通过字面量声明一个65535长度的字符串：

String s = "8888...8888";//其中有65535万个字符"8"

编译器还会抛出同样的异常。这又是为什么呢？

这个问题我们同样可以从《Java虚拟机规范》（4.7.3节）中找到答案： 

原来是为了弥补早期设计时的一个bug，“长度刚好65535个字节，且以1个字节长度的指令结束，这条指令不能被异常处理器处理”，因此就将数组的最大长度限制到了65534了。

如果你能够查看JVM中编译器部分的源码，可以在Gen类中看到对此限制的代码实现：

/** 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的定义如下：

public class Pool {
    public static final int MAX_STRING_LENGTH = 0xFFFF;
    //...
}

再次尝试声明一个长度为65534的字符串，会发现可以正常编译了。此时，可以得出结论，在编译期字符串的最大长度为65534。

我们知道，Java是区分编译期和运行期的，那么在运行期是否有长度限制呢？

运行期的长度限制

String运行期的限制主要体现在String的构造函数上。String的一个构造函数如下：

public String(char value[], int offset, int count) {
   // ...
}

其中参数count就是字符串的最大长度。此时的计算与前面的算法一致，这里先转换为bit，然后再转换为GB：

(2^31-1)*16/8/1024/1024/1024 = 4GB

也就是说，运行时理论上可以支持4GB大小的字符串，超过这个限制就会抛出异常的。JDK9对String的存储进行了优化，底层使用byte数组替代了char数组，对于纯Latin1字符来说可以节省一半的空间。

当然，这个4GB的限制是基于JVM能够分配这么多可用的内存的前提下的。

小结

通过上述的分析，可以得出结论：第一，在编译期字符串的长度不能超过65534；第二，在运行期，字符串的长度不能超过2^31-1，占用内存（4GB）不能超过虚拟机所分配的最大内存。

结论很简单，但本篇文章分析时所使用的知识和思路你学到了吗？如果没有，赶紧补一补吧。