Java 虚拟机的发展历程是怎样的?

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
简介: Java虚拟机(JVM)始于1991年Sun公司的“Green”项目,目标是创建一种跨平台的小型可靠语言。1995年,Java 1.0发布,JVM随之推出,支持面向对象编程。1998年的Java 1.2优化了内存管理和垃圾回收。1999年,HotSpot技术引入,提升了运行速度。2004至2014年间,Java 5-8进一步增强性能,支持Lambda表达式。2006年起,JVM开源并得到多家厂商的支持和优化。近年来,JVM不断适应云计算和容器化环境,发展更加高效智能。

早期起源(1990 年代初)
Java 虚拟机(JVM)的概念诞生于 Java 语言的早期开发阶段。1991 年,Sun Microsystems 公司开始了一个名为 “Green” 的项目,旨在开发一种能够在各种消费电子产品上运行的编程语言,这就是 Java 的前身。当时的目标是创建一种小型、可靠且与平台无关的语言,而 JVM 则是实现这种平台无关性的核心机制。
最初的 JVM 设计相对简单,主要专注于解释执行 Java 字节码,以确保 Java 程序能够在不同的硬件和操作系统环境下运行。
Java 1.0 - 1.2 时代(1995 - 1998 年)
1995 年,Java 1.0 发布,JVM 也随之正式亮相。这个时期的 JVM 在功能上不断完善,开始支持更多的 Java 语言特性,如面向对象编程的各种概念(类、对象、继承、多态等)。
在 Java 1.2(1998 年发布)中,JVM 的性能有了一定提升,并且在内存管理方面进行了优化。例如,对垃圾回收算法进行了改进,提高了内存回收的效率,使得 Java 程序在运行时能够更有效地利用内存资源。
HotSpot 技术的引入(1999 年)
1999 年,Sun Microsystems 公司推出了 HotSpot 技术并集成到 JVM 中。HotSpot JVM 采用了一种混合模式运行 Java 程序,它结合了字节码解释执行和即时编译(JIT)两种方式。
当程序启动时,HotSpot JVM 先以解释方式运行字节码,随着程序的运行,它会监控哪些代码片段被频繁执行,然后将这些频繁执行的字节码使用 JIT 编译成本地机器码。这种方式大大提高了 Java 程序的运行速度,使得 Java 在企业级应用和性能要求较高的场景中更具竞争力。
Java 5 - Java 8 时代(2004 - 2014 年)
在 Java 5(2004 年发布)中,JVM 的性能和功能得到了进一步的提升。例如,对垃圾回收算法进行了更多的改进,引入了诸如并发标记 - 清除(CMS)垃圾回收器等新的垃圾回收机制,以减少垃圾回收过程对程序运行的停顿影响。
Java 6(2006 年发布)继续优化 JVM 的性能,特别是在内存管理和多线程支持方面。
Java 7(2011 年发布)在 JVM 层面增加了一些新的特性,如对动态语言支持的改进等。
Java 8(2014 年发布)是一个重要的版本。JVM 在这个版本中支持了 Lambda 表达式等新的 Java 8 语言特性,并且在性能优化方面持续努力,例如对方法引用等新特性的高效执行进行了优化。
开源与多厂商支持(2006 年起)
2006 年,Sun Microsystems 公司将 Java 开源,这也包括了 JVM 的部分实现。开源使得更多的开发者和组织可以参与到 JVM 的开发和改进中来。
除了 Sun(后来被 Oracle 收购)之外,其他厂商也开始开发自己的 JVM 实现,如 IBM 的 J9 JVM 等。这些不同厂商的 JVM 在遵循 Java 规范的基础上,可能会针对不同的应用场景和需求进行优化,例如 IBM 的 J9 JVM 在企业级大型机环境下有出色的性能表现。
现代发展(2014 年至今)
随着云计算、大数据和容器技术的发展,JVM 也在不断适应新的需求。例如,在容器化环境中,JVM 需要更好地适应容器资源的限制,如内存和 CPU 的限制。
新的垃圾回收算法不断被研究和应用,以提高 Java 程序在不同场景下的性能和资源利用率。同时,JVM 也在朝着更高效、更智能、更适应新兴技术的方向发展。

目录
相关文章
|
11天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
8天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2520 17
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
7天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1522 15
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
3天前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
9天前
|
编解码 JSON 自然语言处理
通义千问重磅开源Qwen2.5,性能超越Llama
击败Meta,阿里Qwen2.5再登全球开源大模型王座
573 14
|
1月前
|
运维 Cloud Native Devops
一线实战:运维人少,我们从 0 到 1 实践 DevOps 和云原生
上海经证科技有限公司为有效推进软件项目管理和开发工作,选择了阿里云云效作为 DevOps 解决方案。通过云效,实现了从 0 开始,到现在近百个微服务、数百条流水线与应用交付的全面覆盖,有效支撑了敏捷开发流程。
19282 30
|
10天前
|
人工智能 自动驾驶 机器人
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
过去22个月,AI发展速度超过任何历史时期,但我们依然还处于AGI变革的早期。生成式AI最大的想象力,绝不是在手机屏幕上做一两个新的超级app,而是接管数字世界,改变物理世界。
481 49
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
|
1月前
|
人工智能 自然语言处理 搜索推荐
阿里云Elasticsearch AI搜索实践
本文介绍了阿里云 Elasticsearch 在AI 搜索方面的技术实践与探索。
18839 20
|
1月前
|
Rust Apache 对象存储
Apache Paimon V0.9最新进展
Apache Paimon V0.9 版本即将发布,此版本带来了多项新特性并解决了关键挑战。Paimon自2022年从Flink社区诞生以来迅速成长,已成为Apache顶级项目,并广泛应用于阿里集团内外的多家企业。
17528 13
Apache Paimon V0.9最新进展
|
2天前
|
云安全 存储 运维
叮咚!您有一份六大必做安全操作清单,请查收
云安全态势管理(CSPM)开启免费试用
364 4
叮咚!您有一份六大必做安全操作清单,请查收