百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

Java 哪个版本的性能最佳?

ztj100 2025-01-17 14:40 25 浏览 0 评论

【CSDN 编者按】文作者通过多方调查,分析最新版本的 Java 并不一定提供最佳性能。

原文链接:https://talesfromthedatacenter.com/2023/06/what-version-of-java-gives-the-best-performance/

未经允许,禁止转载!


作者 | admin 译者 | 弯月
责编 | 夏萌
出品 | CSDN(ID:CSDNnews)

注意,Java 的性能受到多种因素的影响,在不同版本的软件中可能会有不同的表现。出乎开发人员和应用程序所有者意料的是,最新版本的 Java 并不一定提供最佳性能。

  • 编译器增强:Java 每次发布新版本,都会改进即时(JIT)编译器。该编译器负责在运行时优化字节码,因此它的提升不仅可以更好地优化代码,而且还可以改进内存管理并提升特定类型应用程序的性能。

  • 垃圾收集算法:在 Java 中,垃圾收集器负责释放不再使用的内存。每个版本的 Java 都有可能修改垃圾收集算法,以提高垃圾收集的效率并最大限度地减少垃圾收集活动造成的暂停。这些修改会极大地影响内存密集型 Java 应用程序的性能。

  • JVM 调整:随着 Java 虚拟机(JVM)实现的新版本发布,各个供应商可以自行优化和调整。这些优化包括内存管理、线程处理、同步机制或其他可以提高特定工作负载或场景性能的组件的变更。Oracle 针对 Java 1.8 的性能增强就是一个很好的例子。

  • 错误修复和性能增强:用户经常提供反馈和实际的使用场景,以帮助改进 Java 的新版本。通常,这类更新会修复错误并增强性能,从而提高稳定性和整体性能。

  • 新功能和 API:开发人员可以利用最新版的 Java 来提升增强应用程序的性能,包括引入新功能、API 和库。这些新功能和 API 可以提供更有效的方法来处理特定任务,并帮助开发人员更有效地优化代码。开发人员可以利用这些新功能和 API 提高应用程序的整体性能。

最近,我做了一些调查,最后获得的结果非常令人惊讶!为了方便评估,我在 Ampere Arm 服务器上对 CPU 进行了基本的检查。我使用的操作系统是 Oracle Linux 8,而且还安装了最新版本的 OpenJDK 1.8Oracle JDK 1.8、性能增强版的 Oracle JDK 1.8Oracle JDK 11 Oracle JDK 17 进行评估。在Oracle JDK 在该列表中出现了两次,这是因为 2022 10 Oracle 发布了增加版的Oracle JDK 1.8,并承诺为旧版 JDK 1.8 应用程序提供 JDK 17 的性能。Java SE 订阅和 OCI 提供了该包。

这个简单的测试的结果如下:

  • 能增强版的Oracle 1.8 的性能最好,OpenJDK 最差,Oracle的 Performance JDK 大约快了 28%!对于应用程序来说,这是一个巨大的飞跃!
  • Oracle JDK 17 仅慢了 2%,这种差异在一些系统上甚至不会被注意到。

  • 鉴于 Java 提供的所有增强功能,我认为 JDK 17 将成为新应用程序的首选。

得注意的是,虽然新版的 Java 始终在努力提升性能,但在某些情况下,特定应用程序或代码可能会由于 JVM 行为或其他因素的变化而出现性能下降的现象。因此,你应该使用不同版本的 Java 对应用程序进行测试和基准测试以确定性能影响,并查明必要的优化或调整。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: