2天时间,聊今年最热的 Agent、上下文工程、AI 产品创新等话题。2025 年最后一场~ 了解详情
写点什么

Netflix 如何真正使用 Java

  • 2023-11-13
    北京
  • 本文字数:1606 字

    阅读完需:约 5 分钟

大小:756.15K时长:04:18
Netflix 如何真正使用 Java

Paul Bakker,Netflix 的 Java 平台专家、Java 荣誉成员,以及《Java 9 模块化》的合著者,在 2023 年的 QCon 旧金山大会上,发表了题为 《Netflix 对 Java 的真正运用方式》How Netflix Really Uses Java)的演讲。

 

Bakker 在演讲中揭开了 Netflix 全部采用 RxJava 微服务、Hystrix 和 Spring Cloud,以及混沌猴主导的神话背后的真相。

 

Bakker 描述了 Netflix 广为人知的电影应用背后的原始架构,通过电视和其他设备访问,该应用通过 REST 和 gRPC 连接与他们的各种服务连接到他们的 Groovy 启用的 API 服务器。

 


首次的升级涵盖了众多领域,如远程调用、并行计算以及利用 RxJava 和 Hystrix 实现的容错机制。然而,这些升级并非尽善尽美,仍存在一些明显的限制。

 

例如:每个端点都需要一个脚本,这无疑增加了开发的复杂性和难度;开发者通常对 Groovy 和 Java 的 UI 开发并不感兴趣,这使得他们在使用这些技术时感到困扰;尽管响应式编程在理论上具有巨大的潜力,但在实际应用中,其复杂性可能会成为一个难以逾越的障碍。

 


随后,Bakker 详细介绍了 GraphQL 联合,这是一种创新的架构模型,它允许多个 GraphQL 服务(被戏称为子图或联合服务)汇聚成一个完整的架构或 API。他还阐述了 GraphQL 作为一种替代方案,解决了 REST 中普遍存在的过度获取和不足获取问题。

 

他们的 GraphQL 联合网关与域图服务(DGS)紧密相连,基本上取代了传统的 API 服务器,通过 gRPC 与各种服务进行高效通信。这种架构带来了诸多好处:首先,消除了 API 的重复;其次,UI 开发人员无需涉足服务器端开发;再者,实现了共享的 GraphQL 模式;最后,摆脱了对 Java 客户端库的依赖。

 


Netflix 目前仍在积极开发 Java。他们支持 Azul Zulu 17,这是 Azul 的 OpenJDK 下游发行版,正在积极测试 JDK 21,用于运行大约 2800 个应用程序,这些应用程序构建于大约 1500 个库之上。Gradle 以及 Netflix 自己构建的 Gradle 插件集 Nebula 以及 IntelliJ IDEA 是他们首选的构建工具。

 

Bakker 回顾了他们的 JDK 17 升级,该升级带来了性能优势,尤其是考虑到他们最近还在运行 JDK 8。Netflix 观察到在 JDK 17 上,与 JDK 8 相比,CPU 使用率增加了 20%。这主要归因于 G1 垃圾收集器的改进。

 

Netflix 正在积极测试 JDK 21,Bakker 认为随后升级到 JDK 21 将更加简单和快速。在 Netflix 中,使用 Generational ZGC 将更好地适应各种工作负载,最终他们将用虚拟线程替代线程池。然而,Bakker 强调了"虚拟线程并非免费午餐",他警告说,如果库具有高 CPU 使用率,仅仅向应用程序添加虚拟线程实际上可能会降低性能。

 

Netflix 还支持 Spring Cloud,使用 Spring Cloud Netflix,这是为 Spring Boot 应用程序提供 Netflix 开源软件集成的子项目。

 

作者简介:

 

Michael Redlich 在过去的 25 年里一直是 Java 社区的活跃成员。他于 2001 年创立了 Garden State Java User Group(原名 ACGNJ Java Users Group),至今仍在不断运营。自 2016 年以来,Mike 担任 InfoQ 的 Java 社区新闻编辑,他的贡献包括每月的新闻报道、技术写作和技术评论。他曾在一些场合发表演讲,如 Oracle Code One、Emerging Technologies for the Enterprise、Trenton Computer Festival (TCF)、TCF IT Professional Conference,以及众多的 Java 用户组。Mike 是 Jakarta NoSQL 和 Jakarta Data 规范的贡献者,并参与了 Jakarta EE Ambassadors 的领导委员会。他于 2023 年 4 月被授予 Java Champion 荣誉。拥有 33 年半的工作经验,Mike 最近从新泽西州克林顿的 ExxonMobil Technology & Engineering 部门退休,曾在那里开发自定义科学实验室和 Web 应用程序。他还曾在 Ai-Logix, Inc.(现在是 AudioCodes)担任技术支持工程师,为客户提供技术支持并开发电话应用程序。

 

原文链接:

 

https://www.infoq.com/news/2023/10/java-at-netflix-bakker/

 

声明:本文为 InfoQ 翻译整理,未经许可禁止转载。

2023-11-13 18:4960141

评论

发布
暂无评论
发现更多内容

大模型时代,数据标注产业面临的挑战

数据堂

人工智能 AI 数据标注 大模型 标注员

Prompt-Driven编码与领域驱动建模的融合研究

申公豹

AI

这几个 Vibe Coding 经验,真的建议学!

Immerse

Web前端入门:JavaScript 鼠标事件(mouse) enter/leave 和 over/out 区别

电子尖叫食人鱼

JavaScript Web

如何策划YashanDB的培训与学习项目

数据库砖家

如何结合YashanDB实现智能化数据管理与应用

数据库砖家

如何快速入门YashanDB数据库开发

数据库砖家

如何评估YashanDB的企业适用性?实用指南

数据库砖家

如何实现YashanDB数据库的容器化部署与管理

数据库砖家

MyEMS优势详解

开源能源管理系统

开源 能源管理 开源能源管理系统 MyEMS

开源之夏2025 | Karmada 社区中选学生名单公布!

华为云原生团队

云计算 容器 云原生

如何快速掌握YashanDB数据库高级查询技巧?

数据库砖家

如何评估YashanDB的性能与稳定性?

数据库砖家

评估YashanDB数据库的性能监测工具

数据库砖家

如何确保YashanDB数据库的性能稳定?

数据库砖家

The History of Big Data

数新网络官方账号

数据库 大数据

如何结合YashanDB数据库实现企业级智能分析平台

数据库砖家

如何实现YashanDB数据库中的数据加密

数据库砖家

Apache Cloudberry 向量化实践(二):如何识别和定位向量化系统的性能瓶颈?

酷克数据HashData

热烈祝贺 Flink 2.0 存算分离入选 VLDB 2025

Apache Flink

大数据 flink 流计算 VLDB

如何监控YashanDB数据库性能并实现自动预警?

数据库砖家

如何编写YashanDB的自定义函数以扩展功能

数据库砖家

如何快速搭建基于YashanDB数据库的应用?

数据库砖家

如何评估YashanDB的查询性能

数据库砖家

如何实现YashanDB数据库的负载均衡

数据库砖家

​​智能体开发革命:用LangChain打造下一代AI应用工作流

聚客AI学院

人工智能 向量数据库 langchain AI 智能体 rag实战

如何管理YashanDB中的数据模型?

数据库砖家

如何评估YashanDB在企业数字化转型中的价值

数据库砖家

如何设计基于YashanDB数据库的高效查询

数据库砖家

Netflix 如何真正使用 Java_微服务_Michael Redlich_InfoQ精选文章