Vlákno názorů k článku Pohled pod kapotu JVM - jak efektivně jsou uložena pole a řetězce na haldě? od atarist - Tak v Jave je to ukladani kratkych retezcu...

Python interně pravděpodobně používá UTF-8:

>>> import sys
>>> sys.getsizeof("")
24
>>> sys.getsizeof(" ")
25
>>> sys.getsizeof("a")
25
>>> sys.getsizeof("ě")
26
>>> sys.getsizeof("ěščřžýáíé")
42
>>> sys.getsizeof("abcdefghi")
33
>>>

Overhead tam je taky docela slušný, i když Java "vítězí" :-(

Jestli dobře vidím, tak na 64bit je prázdný string 37 bytes (asi + terminating zero pro lepší interoperabilitu s C).
Takže ve srovnání Java na tom tak špatně není, aspoň co se týče hlavní struktury (*). Navíc je otázka, zda potřebuje Java ještě overhead pro memory blok, Python tam určitě počítá pouze velikost samotné struktury.

* - v constant pool má každý objekt vlastní pole nebo jej může sdílet víc stringů? Tím by se ta neefektivita zmenšila výrazně...

Ano, ted jsem to zkousel na 64bitovym stroji (Python 2.7.3) a tam je pro prazdny string 37 bajtu a pro ten ěščřžýáíé 55 bajtu

Ad sdílení stringů, to v Jave v ramci jedne tridy skutecne funguje, muzeme si to ostatne vyzkouset na tride, kde se vyskytuje stejny konstantni retezec (literal) na ruznem miste:

public class Test {
    String s1 = "Hello world!";
    String s2 = "Hello world!";
    public void foo(String s) {
        System.out.println("Hello world!");
        System.out.println(s);
    }
    public void bar() {
        foo("Hello world!");
    }
}

javap -verbose Test vyplivne mj. i constant pool a z disasemblovaneho kodu je videt, ze se vsude pouziva odkaz na jediny zaznam #2:

Compiled from "Test.java"
public class Test extends java.lang.Object
  SourceFile: "Test.java"
  minor version: 0
  major version: 50
  Constant pool:
const #1 = Method   #9.#22; //  java/lang/Object."[init]":()V
const #2 = String   #23;    //  Hello world!
const #3 = Field    #8.#24; //  Test.s1:Ljava/lang/String;
const #4 = Field    #8.#25; //  Test.s2:Ljava/lang/String;
const #5 = Field    #26.#27;    //  java/lang/System.out:Ljava/io/PrintStream;
const #6 = Method   #28.#29;    //  java/io/PrintStream.println:(Ljava/lang/String;)V
const #7 = Method   #8.#30; //  Test.foo:(Ljava/lang/String;)V
const #8 = class    #31;    //  Test
const #9 = class    #32;    //  java/lang/Object
const #10 = Asciz   s1;
const #11 = Asciz   Ljava/lang/String;;
const #12 = Asciz   s2;
const #13 = Asciz   [init];
const #14 = Asciz   ()V;
const #15 = Asciz   Code;
const #16 = Asciz   LineNumberTable;
const #17 = Asciz   foo;
const #18 = Asciz   (Ljava/lang/String;)V;
const #19 = Asciz   bar;
const #20 = Asciz   SourceFile;
const #21 = Asciz   Test.java;
const #22 = NameAndType #13:#14;//  "[init]":()V
const #23 = Asciz   Hello world!;
const #24 = NameAndType #10:#11;//  s1:Ljava/lang/String;
const #25 = NameAndType #12:#11;//  s2:Ljava/lang/String;
const #26 = class   #33;    //  java/lang/System
const #27 = NameAndType #34:#35;//  out:Ljava/io/PrintStream;
const #28 = class   #36;    //  java/io/PrintStream
const #29 = NameAndType #37:#18;//  println:(Ljava/lang/String;)V
const #30 = NameAndType #17:#18;//  foo:(Ljava/lang/String;)V
const #31 = Asciz   Test;
const #32 = Asciz   java/lang/Object;
const #33 = Asciz   java/lang/System;
const #34 = Asciz   out;
const #35 = Asciz   Ljava/io/PrintStream;;
const #36 = Asciz   java/io/PrintStream;
const #37 = Asciz   println;

{
java.lang.String s1;

java.lang.String s2;

public Test();
  Code:
   Stack=2, Locals=1, Args_size=1
   0:   aload_0
   1:   invokespecial   #1; //Method java/lang/Object."[init]":()V
   4:   aload_0
   5:   ldc #2; //String Hello world!
   7:   putfield    #3; //Field s1:Ljava/lang/String;
   10:  aload_0
   11:  ldc #2; //String Hello world!
   13:  putfield    #4; //Field s2:Ljava/lang/String;
   16:  return
  LineNumberTable:
   line 1: 0
   line 2: 4
   line 3: 10


public void foo(java.lang.String);
  Code:
   Stack=2, Locals=2, Args_size=2
   0:   getstatic   #5; //Field java/lang/System.out:Ljava/io/PrintStream;
   3:   ldc #2; //String Hello world!
   5:   invokevirtual   #6; //Method java/io/PrintStream.println:(Ljava/lang/String;)V
   8:   getstatic   #5; //Field java/lang/System.out:Ljava/io/PrintStream;
   11:  aload_1
   12:  invokevirtual   #6; //Method java/io/PrintStream.println:(Ljava/lang/String;)V
   15:  return
  LineNumberTable:
   line 5: 0
   line 6: 8
   line 7: 15


public void bar();
  Code:
   Stack=2, Locals=1, Args_size=1
   0:   aload_0
   1:   ldc #2; //String Hello world!
   3:   invokevirtual   #7; //Method foo:(Ljava/lang/String;)V
   6:   return
  LineNumberTable:
   line 9: 0
   line 10: 6


}

To jsem nemyslel, tam to zprocesuje kompilátor a nakonec při loadování intern().

Ale když mám "Hello", "World", "Bye", tak že by při loadování udělal char[15] = "Hello\0World\0By­e\0" a z toho vytvořil tři instance String s offset 5, 7 a 12. Tím by se eliminoval overhead nad tím polem.

jj, proto jsem pouzil ASCII znaky a nejaka ta nabodenicka. V soucasnosti fakt nevim, co je nejlepsi pouzivat INTERNE, vetsinou by melo stacit UCS-2 kvuli relativne male narocnosti na pamet nebo UCS-4 by mohlo byt rychlejsi, zase 4 byte/znak je taky overhead.