当前位置:首页 > 文章列表 > 文章 > java教程 > Java常量池解析:静态、运行时常量池详解

Java常量池解析:静态、运行时常量池详解

2026-03-29 16:48:42 0浏览 收藏
Java中的常量池并非单一概念,而是由静态常量池、运行时常量池和字符串常量池三个相互独立、各司其职的机制共同构成:静态常量池是编译后固化在.class文件中的只读数据块,记录字面量与符号引用;运行时常量池是类加载时复制到元空间的动态可扩展符号表,承担解析与运行时注入功能;字符串常量池则是堆中受GC管理的专用哈希表,专注字符串去重与复用——三者分属不同内存区域、拥有不同生命周期与管理逻辑,既无包含关系也无继承结构,唯有深入理解它们的本质差异与协作边界,才能真正避开intern陷阱、避免元空间或堆内存溢出,并写出更高效、更可控的Java代码。

什么是Java的常量池_静态常量池、运行时常量池与字符串常量池

静态常量池就是.class文件里的那个常量表

它不是运行时的东西,而是编译完就定死在 MyClass.class 文件里的二进制数据块。你用 javap -v MyClass 看到的 #1 = Methodref #2.#3 那一堆编号开头的内容,就是它。

  • 它存的是字面量(比如 "hello"、123)和符号引用(比如类名 java/lang/Object、方法签名 "()V")
  • 它不可修改——哪怕你用字节码工具强行改了,JVM 加载时校验失败直接抛 ClassFormatError
  • 每个类一个,互不共享;两个类都写了 "abc",它们的静态常量池里各自存一份

运行时常量池是类加载后“搬进内存”的副本

当 JVM 读取 .class 文件并执行类加载(loading → linking → initializing)时,会把静态常量池的内容复制一份到方法区(JDK 8+ 是元空间 Metaspace),这就是运行时常量池。

  • 它仍保留符号引用,但会在链接阶段逐步解析成直接引用(比如把 Methodref #2.#3 绑定到真实的方法入口地址)
  • 它支持动态扩充:调用 String.intern()、反射生成的类名、Lambda 生成的合成方法名,都可能往里塞新项
  • 溢出错误是 OutOfMemoryError: Metaspace(JDK 8+),不是堆内存问题——别乱加 -Xmx

字符串常量池是专门管字符串去重的独立区域

它**不是**运行时常量池的子集,而是一个逻辑上分离、物理上独立管理的缓存结构。从 JDK 7 起,它就被挪到了堆内存里,和对象一样受 GC 管理。

  • 字面量自动进池:String a = "xyz"; 这行一执行,"xyz" 就在字符串常量池里了
  • new String("xyz") 一定在堆上新建对象,哪怕池里已有;只有显式调用 .intern() 才尝试入池
  • 池大小默认有限(可通过 -XX:StringTableSize=60013 调整),冲突多时链表变长,intern() 性能会掉——别拿它做运行时高频去重
  • JDK 7+ 池在堆中,所以 OutOfMemoryError: Java heap space 可能由疯狂 intern() 引发

三个池之间没有“继承”或“包含”关系

很多人以为“字符串常量池 ⊂ 运行时常量池 ⊂ 静态常量池”,这是错的。它们是三个不同生命周期、不同存储位置、不同管理策略的结构。

  • 静态常量池:磁盘文件里的一段只读数据
  • 运行时常量池:元空间里可动态增删的符号表(含部分解析结果)
  • 字符串常量池:堆里一个哈希表,key 是字符串内容,value 是堆中对应对象的引用
  • 三者之间只靠语义关联(比如编译期字符串字面量既写进静态池,又触发运行时入字符串池),没有指针或嵌套

最容易被忽略的是:你用 javap 看到的 String #15 = "Hello, World!",只是告诉 JVM “这里有个字符串字面量”,真正要不要把它放进字符串常量池,取决于运行时是否被首次使用——不是编译决定的,也不是类加载时强制塞的。

好了,本文到此结束,带大家了解了《Java常量池解析:静态、运行时常量池详解》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!

一起小学朗读任务怎么拿高分一起小学朗读任务怎么拿高分
上一篇
一起小学朗读任务怎么拿高分
Win11电源计划设置教程与模式创建详解
下一篇
Win11电源计划设置教程与模式创建详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    357次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    416次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    424次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    380次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    205次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码