Java 9のコンパクト文字列（Compact Strings）とは？仕組みと内部実装の変化を解説

コンパクト文字列（Compact Strings）の概要

Java 9以降、JVMはコンパクト文字列（Compact Strings）と呼ばれる新機能によって、文字列のメモリ使用量を最適化するようになりました。従来のchar[]配列の代わりに、文字列をbyte[]配列として表現できるようになったのが最大の特徴です。

エンコーディングにはUTF-16またはLatin-1（ISO-8859-1）が使用され、これにより1文字あたり1バイトまたは2バイトで文字を格納できます。JVMがその文字列にISO-8859-1/Latin-1の範囲内の文字のみが含まれていることを検出した場合、内部的には1文字あたり1バイトで保持されます。日本語などのマルチバイト文字を含む文字列は、従来どおりUTF-16で扱われます。

判定のタイミングと有効化・無効化

文字列がコンパクト形式で表現されるかどうかは、文字列の生成時に判定されます。この機能はデフォルトで有効になっており、無効化したい場合は起動オプションに-XX:-CompactStringsを指定します。

なお、この機能を無効にした場合でも、以前のchar[]ベースの実装に戻るわけではありません。すべての文字列が引き続きUTF-16として保存されます。

内部実装の比較：Java 8 vs Java 9

// Java 8の場合
public class String {
    private final char[] value; // 文字列内の文字をchar型配列で保持
    ---------
}

// Java 9の場合
public class String {
    private final byte[] value; // 文字列内の文字をbyte型配列で保持
    private final byte coder;   // 1文字あたり1バイトか2バイトかを示すフラグ
    ---------
}

上記のコード例から分かるように、Java 9ではStringクラスの内部フィールドがchar[]からbyte[]へ変更され、さらにエンコーディング方式を識別するためのcoderフィールドが追加されています。この変更により、Latin-1のみで構成される文字列（英語圏のテキストなど）では、メモリ消費量を約半分に削減できます。

まとめ

• Java 9から導入されたコンパクト文字列により、文字列はbyte[]として格納される
• Latin-1文字のみの文字列は1文字1バイト、それ以外はUTF-16で2バイトとなる
• デフォルトで有効であり、-XX:-CompactStringsで無効化可能
• ヒープメモリの大幅な節約につながる最適化機能である