云原生时代，Java还是Go?
Java曾经著名的座右铭："一次编写，到处运行"，已经很过时了，因为现在我们只想在容器里运行代码。在容器里，一个 "Just in time "的编译器意义不大。
出于这个原因，可能为了更好地适应云计算，Java生态系统正处于转型之中。Oracle 的GraalVm允许将字节码编译成Linux可执行文件（ELF），而Rad Heat的Quarkus以及其他框架，则立志让响应式服务这件事变得更简单。Quarkus以Netty和Vertx.x为核心，可以用来构建非常高效的响应式Web服务。
Java编译成可执行二进制文件，以毫秒级的速度启动，内存占用很小。这样就可以利用Java生态系统，甚至可以用其他JVM语言（如Scala和Kotlin）编写。你可以用online项目生成器玩玩Quarkus，或者用maven插件在本地生成一个项目。
而Golang则是为云而生的，在容器中运行时，没有遗留负担。它被认为是云端的编程语言。生成的二进制可执行文件很小，快速启动，内存占用也很小，而且这是从Go诞生之初就具备的特性。Golang的流行对 Java 世界形成了严峻的挑战。
Java有机会吗，也许只有时间才会告诉我们最终答案。然而，出于好奇，我想从性能和开发体验方面比较一下 Java 和 Golang 的云原生服务。
在这篇文章中，我将使用两种语言来写同样的服务。比较它们的CPU使用率、RAM、延迟和运行速度。这些服务将在容器中启动，资源分配相同，使用ab来测试。
对于我的案例来说，这是一个 "足够好 "的基准，因为我不假设找到最好/最差的基准结果，而是在同一环境下执行运行两个基准测试进行比较。
场景
这两个服务将连接到在另一个容器中运行的MySQL数据库，有一个表和三行数据。
每一个服务都会获取所有记录，将它们转化为对象，然后输出JSON数组。
ab将发出10K请求，并发级别为100，quarkus JVM版本运行两次（用于测试 "冷"/"暖 "JVM）。
Go语言版本
Go语言版本使用gin框架。
# the service
package main
import (
"database/sql"
"fmt"
"github.com/gin-gonic/gin"
_ "github.com/go-sql-driver/mysql"
"net/http"
)
type Fruit struct {
Id int `json:"id"`
Name string `json:"name"`
}
var con *sql.DB
func init(){
//opening a mysql connection pool with another container
db, err := sql.Open("mysql", "root:password@tcp(host.docker.internal:3306)/payments")
if err != nil {
panic("failed to open a mysql connection")
}
con = db
}
func main() {
r := gin.Default()
r.GET("/fruits", fruits)
r.Run() //server up on 8080
}
// THE REQUEST HANDLER
func fruits(c *gin.Context) {
fruits := getFruits()
c.JSON(http.StatusOK, fruits)
}
func getFruits() []Fruit {
rows, _ := con.Query("SELECT * FROM fruits")
fruits := []Fruit{}
for rows.Next() {
var r Fruit
rows.Scan(&r.Id, &r.Name)
fruits = append(fruits, r)
}
return fruits
}Golang的MySQL驱动的使用go-sql-driver。golang的代码风格是非常明确的。一种一切都在眼前态度。主函数启动服务器，配置请求处理程序，打开DB连接。
编译本地可执行文件
Kotlin版本
数据库连接使用Quarkus React Mysql 扩展。
与Go版本相比，代码有很大不同，比如CDI依赖注入，使用javax注释的声明式路由，自动配置解析，以及数据源/连接创建/服务器引导。这是使用框架的代价，它为你完成了繁重的工作，并决定了做事方式。不过，它比go版本代码要简短很多。
这里使用Netty响应式web服务器，由Vert.x多事件循环包装，还有一个Vert.x响应式MySQL驱动，这样可以用一个线程处理多个DB连接。
另外，我可以使用Kotlin的集合库的fold函数，这种函数还没有通用的Go版本。
编译Java版本的可执行文件
我已经弄清楚构建过程中发生了什么，其核心是SubstrateVM。它被设计在AOT过程中的可嵌入虚拟机，它会链接到我们的代码，并作为一个单元进行编译。然而根据Oracle的说法，SubstrateVM的优化比HotSpot Vm少，垃圾收集器也比较简单。
该AOT编译器被称为 "Graal"，它是语言不相关的。java字节码需要被翻译成一种中间表示法（Truffle语言）。这在这篇文章【1】中可以找到关于Graal和Truffle的相关论述。
构建一个 Java 本地可执行文件看起来更复杂，编译得更慢，它产生的二进制文件几乎是Go版本两倍大小。然而一个35M的可执行二进制文件和Java FatJar相比，还是小D多了。35MB甚至可以让你使用aws lambda运行。
压力测试
我在本机运行所有测试，设置如下。
-
MacBook Pro（15英寸，2017年
-
2.9 GHz英特尔酷睿i7（8个核心）。
-
16 GB 2133 MHz LPDDR3
使用cAdvisor的工具来监控容器的统计数据。
场景
- Quarkus JVM hotspot
- Quarkus Java native
- Golang
上述的每种情况都在以下三种配置上测试
-
100MB / 0.5 CPU | 200MB / 1 CPU | 300MB / 2 CPU
我主要关注：
-
cpu/ram利用率(多核的利用率)
-
cpu/ram峰值
-
cpu/ram空余
-
启动时间
-
响应延迟avg/max
-
吞吐量(每秒请求数)
测试结果
看起来Quarkus已经为生产环境做好准备了，它允许简单的JVM/原生发布/开发 模式，并允许在本地运行原生测试。只要你不使用反射或JNI，根据GraalVM的配置就是可行的。否则，你将不得不自己配置graal编译器，然而现在也有解决方案。
延迟和吞吐量
Golang 和原生 Java 的测试结果比较接近，虽然平均来说 Golang 版本的测试结果略好一些。不过，Java Native版本的测试结果更稳定。Golang服务有时在1.25μs内完成响应，也有一部分需要7s才能完成。
"预热 "后的JVM版本结果也不差，但比Native或Go版本稍逊一筹。
CPU利用率
使用0.5核的时候，Go和native-java在负载下似乎都表现不佳，而用2核启动时，也没有明显改善。这可能是因为工作负载的瓶颈是IO。或者是因为gin/Netty的默认配置没有考虑到多核的问题。
而JVM版本则利用了所有给定的核心，并在各个维度上提升了性能。
内存使用率
在压力下，Java native 使用40MB，Golang 使用24MB。两种情况下都还不错，虽然Golang版本使用的内存几乎少了一倍。
JVM使用了140MB。和Quarkus官方的统计完全一样。对于JVM来说还不错，但比Golang版本多了近6倍。
启动时间
Golang和cloud-native java都能立即启动，然而JVM版本需要几秒钟（取决于分配的CPU），并且在启动时产生CPU峰值。如果配置不当，会导致k8s HPA发飙，并增加pods。
开发体验
这与其说是一个实际问题，不如说是一个宗教问题。Quarkus 使用了在 Java 世界中很常见的抽象（比如基于注解的DI）。它为你启动服务并创建连接池。它可以使用丰富的集合标准库和generics。然而，这可能感觉有点像黑魔法，一旦有些组件不工作，你会感觉很无助。此外，将 Java 代码编译成原生二进制并不是那么简单，有一些限制和注意事项是你必须知道的，并非每个Java库都能兼容原生编译。一旦使用一个不兼容的库（比如Guice），你就需要自己配置Graal VM。
Quarkus 和 Graal VM "相对 "较新。所以可能会有一些问题。但由于双模式（JVM或原生）。在原生版本的某些组件停止工作的情况下，总是有一个后备方案，这对任何新问题来说都是很好的变通方法。
另一方面，Golang 在成立10年后才承认它需要generics。而且它肯定不喜欢框架使用很多魔法操作。这在很多方面既是好事也是坏事。此外，尽管 Go 社区做的非常好，然而可用的工具和库还是相对较少。然而它的编译和构建过程更快/更简单。而且兼容每个Golang的包，没有java-native平台带来的限制。
结论
Java已经为云原生做好了准备，Golang并没有大幅度领先。相信未来Cloud Native Java会被大规模使用。
原文地址：https://medium.com/swlh/cloud-native-java-vs-golang-2a72c0531b05
译者注：翻译过程去掉了中间关于测试过程记录，因为测试结果在表格中已经记录了，测试的细节过于冗长。