上月，由极客邦、InfoQ和听云联合主办圆满落下帷幕。会上，分享了《Java and the Machine (Why analytics matter)》，讨论了为什么数据分析至关重要。他有着十多年Java经验，目前是创业公司jClarity的CEO，jClarity是一款采用统计和机器学习来探究性能问题根源的方案。会后，InfoQ还专访Martijn以进一步了解沟通。

Java和JVM面临怎样的困境？

Martijn分享了他对Java现状和JVM性能调优的担忧和思考，他认为现在Java和JVM面临下面五个问题：

1. Write Once Run Anywhere是Java的特色，但是这也意味着Java需要解决来自各方面的差异：
   \\tCPU的差异——什么时候可以放入缓存中呢？什么时候可以被重新排序呢？
   \\t文件系统的差异——不同操作系统对文件的符号链接有不同机制
   \\t原生库支持的差异——所有的原生库都不一样
   \\t操作系统线程管理的差异——线程的调度方式很不相同
   \\t显示设备的发展——硬件更新速度很快，几乎无法追上。面对正在迅速发展AR、VR，Java缺少真正的GPU支持，这是一个短板。\\t
2. 强内存模型带来的成本
   \\tJVM看重的是正确性，而性能则是次要的。比如锁机制加强了正确性，但是在性能上付出了巨大的代价。\\t
3. 垃圾回收机制对扩展性的影响
   \\tJVM需要维护活的对象，这意味着：堆需要更大空间以存放更多的对象；垃圾回收机制需要花时间去辨认哪些是活的对象；在垃圾回收过程中需要耗费时间进行堆的维护。
   \\t其次，Java中没有值类型（value type 和reference type的区别），没有结构体：这造成了大量低效能的对象创建。\\t
4. 容器和虚拟化的支持
   \\tJava没法获取虚拟化数据。Java和JVM的思考模式是建立在物理裸机上的，信息缺失的情况下会进行一些错误选择。并且，没有对Docker等容器技术的直接支持，这是新时代的另一个短板。\

关于Java和JVM性能调优的思考

除了上述的整体层面的挑战之外，Java的性能本身又很难监测。必须结合其他的指标来间接把控：CPU，内存；接口I/O，网络I/O；虚拟化和容器化等。可是一旦获得了这些指标，又带来了大数据的问题。因为我们盲目地收集了过多的数据，这造成了巨大的性能损害，因为收集、传输、存储每个过程都是一种消耗。

要记住目的是分析获得信息，而不是收集指标。但是从指标数据到提炼出有用信息很难，Martijn认为要做好性能调优需要明白规律和原理（如Little's law和Amdahl’s law），理解硬件、操作系统、Java工作原理还要读懂代码，并且已经有了基于大量数据的分析经验。

Martijn认为未来性能监测的趋势是高级统计和机器学习方式的结合，这种模式将取代传统的单纯指标采集模式。

对话Martijn

InfoQ：通常来说，JVM层面的APM工具并不适用于生产环境。那为什么您称jClarity可以？

\

Martijn：与其他工具相比，首先在JVM层面上我们获取更少的数据。 jClarity之所以可以更少地获取，是因为我们采用了机器学习的办法，辨别除了哪些才是真正有用的数据，我们称之为“信号”，余下的数据我们称之为噪声。在收集数据过程中，一旦检测噪声，我们立刻对过滤。

\\

其次我们还会尽可能避免从JVM本身获取数据，取而代之从JVM的日志中（如GC日志、safepoint日志）等获取数据。目前我们还在和Google合作，在尝试怎样从JVM之外，获得更多的信息。但是，总体而言，jClarity用于生产环境是没有问题的。

\

InfoQ：为什么还要收集JMV的日志之外的数据呢？

\

Martijn：因为JVM日志并不能给我们足够的信息。你可以从JVM日志中获得，或者通过JMX接口。不过，你也可以通过设定一个Java或者原生的agent来获得更特定的信息；但这是一种过重的做法，通常而言并不推荐。很多人包括Oracle在内都意识到了这个问题，但是完全解决有待时日。

\

InfoQ：数据收集的过程是否对用户来说是透明的呢？是否支持ASM字节码织入技术呢？

\

Martijn：是的。底层的数据，我们不仅仅从Java中获得，还会从操作系统中获取。比如，当用户在Linux上运行，那么他还会看见收集到的CPU、内存使用率等信息。

\\

对于有特殊需求的用户，他们是可以采用ASM，此外我们也提供一个开发阶段使用的库，但是建议用户小心使用，因为很容易会产生操作不当。

\

InfoQ：数据收集之后，jClarity根据机器学习出来的成果进行了处理，能否和我们分享下机器学习的事情？

\

Martijn：我想分享这里非常重要的一点：我们有大量多环境的用户数据，用户们的程序也是多种多样，如网页程序、视频流程序等；我们会施加不同的网络压力，这样我们得到了数据训练集。这些数据集是专家人工操作产生的。同时在实时收集处理数据的时候，我们也会进行机器学习。比如发现Java性能受到影响，机器学习认定最重要一个因素就是GC垃圾回收，那么接下来就是调查GC；如果GC没有问题，那么就会在机器学习成果的指引下开始下一个因素的勘察。总体而言，机器学习的决定了发生问题时排查的路径。

\\

机器学习这部分的研发工作我们做了两年，也很感谢这些用户为我们付费并且同意我们这样做。我们的一些用户拥有超大规模，这种情况下，已经无法指望人工对数据进行分析；所以对于我们来说，机器学习是唯一的出路，唯一的方式可以让我们继续支持用户。

\

InfoQ：APM工具的挑战有哪些？

\

Martijn：首先是IT环境复杂性的加剧。你的代码不再跑在你自己的机器和环境中，你无法做到100%确定你的程序和代码是怎样被管理的。另外一个挑战就是网络是不稳定的。在有线光纤专用网络上，你不需要和其他人共享；但是在公用云上，网路流量徒增的情况时有发生，开发人员不得不在代码层面上面对这个挑战，APM工具也必须理解并迎面这个问题。目前，还没有哪个APM工具可以胜任这两个挑战，所以目前这还是一个非常有趣有待研究的领域。

\

InfoQ：您在演讲中有提到，Java创立之初硬件并没有今天这样复杂，那么是不是说Java已经不再适合今天了呢？你认为Java语言的独特魅力在哪里呢？

\

Martijn：“Java将死”的留言每年都有。Java语言这么多年，经常遇到新兴语言的挑战，但是新兴语言很快就会发现自己也处于一个类似的局面。我认为Java依然是一个合适的语言，JVM正在尝试在各种情况下都做到最好。我们可以看到Go、RUST语言变得越来越火，但是Oracle正在非常努力地攻克这点，包括更频繁地发布Java，也很想快速地跟上包括支持GPU、其他新型硬件设备等。所以说挑战是有的，但是令人高兴的是很多大公司都愿意继续努力提高Java。我希望Java社区可以更开放些，可以欢迎更多的公司参与，比如阿里巴巴，阿里巴巴可能是全球上最大的重度Java研发群。

\\

Java的魅力在于易写性、强可读性。不像现在的一些语言，你不需要严格地按照某种规范来写代码。就算代码写完五年之后，新来的人依然可以读懂代码。还有就是Java丰富的框架和库。甚至这些框架和库的魅力可以和Java语言本身相媲美。

\

感谢对本文的审校。