OpenJDK ‘Project Detroit’ (FFM ile V8 & CPython Köprüsü), Spring Cloud 2026.0.0-RC2 ‘Paddington’ Mimarisi ve Devoxx ‘Ask the Architects’ Yol Haritası
OpenJDK’nın FFM API üzerinden yerel V8 (JavaScript) ve CPython çalışma zamanlarını doğrudan JVM’e bağlayan Project Detroit girişimi, Spring Boot 4.2.0-RC2 tabanlı Spring Cloud 2026.0.0-RC2 (Paddington) yenilikleri ve Devoxx Belçika mimarlar oturumu incelenmektedir.

JVM Ekosisteminde Çok Dilli Çalışma Zamanı Köprüleri ve Mikroservis Altyapısı
Modern kurumsal Java mimarilerinde iki temel mühendislik ihtiyacı eşzamanlı olarak öne çıkmaktadır: birincisi, Python tabanlı veri bilimi/yapay zeka kütüphaneleri ile yüksek hızlı JavaScript motorlarının (V8) JVM içinden sıfıra yakın ek yükle çağrılabilmesi; ikincisi ise Spring Boot 4.2 ve Sanal İş Parçacıkları (Virtual Threads) üzerine inşa edilen mikroservis ağ geçitlerinin bulut-yerel (cloud-native) önbellekleme ve yapılandırma standartlarına kavuşturulmasıdır.
OpenJDK ve Spring ekosisteminde yayımlanan üç kritik teknik gelişme — Maurizio Cimadamore tarafından detaylandırılan OpenJDK ‘Project Detroit’ mimarisi, Spring Cloud 2026.0.0-RC2 (‘Paddington’) sürüm treni ve Devoxx Belçika konferansında kaydedilen Inside Java ‘Ask the Architects’ (Bölüm 74) oturumu — bu iki eksendeki mimari çözümleri ortaya koymaktadır.
flowchart TD
subgraph DetroitLayer["1. OpenJDK 'Project Detroit' — Yabancı Dil Çalışma Zamanı Köprüsü"]
J["JVM Uygulaması (javax.script / FFM API)"] --> F["java.lang.foreign (Linker, Arena & MemorySegment)"]
F --> V8["Yerel Google V8 Motoru (Düz C API Köprüsü)"]
F --> PY["Yerel CPython Çalışma Zamanı (Sıfır JNI Ek Yükü)"]
V8 --> GC["Çift Çöp Toplayıcı (Dual GC) & Virtual Thread Koordinasyonu"]
PY --> GC
end
subgraph SpringCloudLayer["2. Spring Cloud 2026.0.0-RC2 ('Paddington') — Spring Boot 4.2 Tabanı"]
SC1["Gateway Server Web MVC: LocalResponseCache Filtresi (#4249)"]
SC2["Config Server: Google Cloud Storage (GCS) Arka Ucu (#3343) & Resource (#3355)"]
SC3["OpenFeign: @SpringQueryMap İç İçe (Nested) Nesne Serileştirme (#1448)"]
end
subgraph ArchitectsLayer["3. Devoxx 'Ask the Architects' — Dil ve JVM Evrimi"]
A1["Valhalla Değer Sınıfları (Value Classes) + 'Withers' İfadeleri + LazyConstant"]
end
GC --> SC1
SC1 --> A1
1. OpenJDK ‘Project Detroit’: Yabancı Kütüphanelerden Yabancı Dil Çalışma Zamanlarına
Geçmişte Java Sanal Makinesi (JVM) üzerinde farklı programlama dillerini çalıştırmak için benimsenen geleneksel yöntem, ilgili dilin yorumlayıcısını ve çalışma zamanını tamamen Java dilinde baştan yazmaktı. JDK 7 dönemindeki Rhino ve JDK 8 ile sunulan Nashorn JavaScript motorları bu yaklaşımın en bilinen örnekleridir. Ancak ECMAScript standartlarının her yıl hızla güncellenmesi ve Node.js/npm ekosisteminin devasa boyutlara ulaşması, saf Java ile yazılmış ikincil bir çalışma zamanının bakımını sürdürülemez hale getirmiş; Nashorn JDK 11'de kullanımdan kaldırılarak (deprecated) JDK 15'te tamamen çıkarılmıştır.
Oracle Java Platform Grubu bünyesinde yürütülen deneysel Project Detroit girişimi, yabancı dilleri Java'da yeniden yazmak (re-implementing) yerine, endüstri standardı yerel (native) çalışma zamanlarını doğrudan JVM içerisine köprüleme (bridging) stratejisini benimsemektedir:
- FFM API ve
jextractTabanlı Doğrudan Bağlantı: Project Panama kapsamında standartlaşan Foreign Function & Memory (FFM) API (java.lang.foreign) vejextractaracı kullanılarak, Google'ın V8 (JavaScript) motoru ve CPython (Python) çalışma zamanı düz C API'leri (flat C APIs) üzerinden doğrudan JVM'e bağlanmaktadır. Eski JNI (Java Native Interface) katmanının gerektirdiği karmaşık C/C++ yapıştırıcı kodları (glue code) ortadan kaldırılarak geri çağrım (callback) gecikmeleri minimize edilmektedir. - Standart
javax.scriptSoyutlaması: Geliştirici tarafında karmaşık bellek segmenti yönetimi gizlenerek hem V8 hem de CPython motorları standartjavax.script(ScriptEngine) arayüzü üzerinden kullanıma sunulmaktadır. - Çift Çöp Toplayıcı (Dual GC) ve Sanal İş Parçacığı (Virtual Threads) Mühendisliği: İki farklı çalışma zamanını aynı süreçte (process) birleştirmenin en zorlu yanı, JVM'in çöp toplayıcısı (G1/ZGC) ile V8 veya CPython'un kendi bellek yönetim mekanizmaları arasındaki nesne yaşam döngüsü senkronizasyonudur. Project Detroit,
Arenatabanlı deterministik bellek sınırları ile çapraz referans sızıntılarını önlemekte ve yerel çalışma zamanı çağrılarında Sanal İş Parçacığı sabitlemesi (Virtual Thread pinning) oluşmaması için zamanlayıcı uyumluluğunu gözetmektedir.
| Mimari Kriter | Geleneksel Yeniden Yazım (Rhino / Nashorn) | JNI Tabanlı Özel Bağlayıcılar | OpenJDK ‘Project Detroit’ (FFM Köprüsü) |
|---|---|---|---|
| Çalışma Zamanı Çekirdeği | Saf Java ile Baştan Yazılmış Yorumlayıcı | Yerel C/C++ Kütüphanesi + Ağır JNI Katmanı | Orijinal Yerel V8 ve CPython Motorları |
| Bellek ve Çağrı Mekanizması | JVM Yığını (Heap) İçinde İzole | Manuel C Başlıkları ve JNI İşaretçileri | java.lang.foreign (FFM API), Arena & jextract |
| Dil Standardı Güncelliği | Yüksek Bakım Yükü Nedeniyle Geriden Gelme | Her Sürümde Manuel C Kodu Güncellemesi | Orijinal V8 / CPython Sürümleriyle Anında Uyum |
| GC ve İş Parçacığı Modeli | Tekil JVM Çöp Toplayıcısı | JNI Kritik Bölge Kilitlenmeleri | Çift GC (Dual GC) Yaşam Döngüsü & Virtual Thread Uyumu |
2. Spring Cloud 2026.0.0-RC2 (‘Paddington’) Mimarisi: Spring Boot 4.2 Tabanında Bulut-Yerel Yenilikler
Spring ekosistemi, Spring Boot 4.2.0-RC2 sürümü üzerine inşa edilen Spring Cloud 2026.0.0-RC2 (kod adı: Paddington) sürüm adayını yayımlamıştır. Bu sürümle birlikte tüm çekirdek Spring Cloud modülleri (Spring Cloud Gateway, Spring Cloud Config, Spring Cloud OpenFeign, Spring Cloud Commons, Spring Cloud Kubernetes, Spring Cloud Vault, Spring Cloud Stream) 5.1.0-RC2 sürüm seviyesine yükseltilmiştir.
Üretim mimarilerini doğrudan etkileyen üç temel teknik geliştirme şunlardır:
- Spring Cloud Gateway Server Web MVC
LocalResponseCacheFiltresi (#4249): Daha önce yalnızca reaktif (WebFlux) Gateway yığınında bulunan yerel yanıt önbellekleme (LocalResponseCache) yeteneği, Sanal İş Parçacıkları (Virtual Threads) ile yüksek verimlilik sunan Server Web MVC mimarisine de kazandırılmıştır. Böylece harici bir Redis kümesine gitmeden ağ geçidi düğümü üzerinde deterministik HTTP yanıt önbelleklemesi yapılabilmektedir. - Spring Cloud Config için Google Cloud Storage (GCS) Arka Ucu (
#3343) veResourceÇözümlemesi (#3355): Config Server artık yapılandırma dosyalarını doğrudan Google Cloud Storage kovalarından (buckets) okuyabilmektedir. Ayrıca#3355geliştirmesiyle düz metin (plain text) ve ikili (binary) dosyalar Config Server üzerinden doğrudan SpringResourcenesnesi olarak çekilebilmektedir. - Spring Cloud OpenFeign
@SpringQueryMapİç İçe Nesne Desteği (#1448): Deklaratif HTTP istemcilerinde kullanılan@SpringQueryMapanotasyonu güncellenerek, karmaşık DTO içindeki iç içe (nested) nesnelerin otomatik olarak hiyerarşik sorgu parametrelerine dönüştürülmesi sağlanmıştır.
3. Inside Java ‘Ask the Architects at Devoxx’ (Bölüm 74): Dilin ve Çalışma Zamanının Geleceği
Devoxx Belçika konferansında kaydedilen Inside Java Podcast Bölüm 74, Oracle Java Platform Grubu'nun baş mimarlarını (Alan Bateman, Gavin Bierman, Maurizio Cimadamore, Viktor Klang, Per-Ake Minborg, Ron Pressler, Georges Saab ve David Simms) bir araya getirmiştir. Oturumda öne çıkan mimari vurgu; Project Valhalla değer sınıfları (Value Classes), değişmez (immutable) veri yapılarında nesne kopyalamayı kolaylaştıracak with ifadeleri (withers) ve LazyConstant (JEP 526/531) API'sinin birbirini tamamlayan tek bir modern programlama modeline yakınsamasıdır.
4. Kurumsal Uygulama: FFM Tabanlı Çalışma Zamanı Köprüsü ve Spring Cloud 2026.0.0-RC2 Yapılandırması
Aşağıdaki Java 25+ kod örneği, Project Detroit yaklaşımında Arena ve Linker kullanılarak yerel bir CPython/V8 çalışma zamanı fonksiyonunun bellek-güvenli biçimde çağrılmasını ve Spring Cloud Gateway Server Web MVC üzerinde yeni LocalResponseCache filtresinin yapılandırılmasını göstermektedir:
package com.tastutanlabs.architecture.detroit;
import java.lang.foreign.Arena;
import java.lang.foreign.FunctionDescriptor;
import java.lang.foreign.Linker;
import java.lang.foreign.MemorySegment;
import java.lang.foreign.SymbolLookup;
import java.lang.foreign.ValueLayout;
import java.lang.invoke.MethodHandle;
import java.time.Duration;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.web.servlet.function.RouterFunction;
import org.springframework.web.servlet.function.ServerResponse;
import static org.springframework.cloud.gateway.server.mvc.filter.BeforeFilterFunctions.uri;
import static org.springframework.cloud.gateway.server.mvc.filter.LocalResponseCacheFilterFunctions.localResponseCache;
import static org.springframework.cloud.gateway.server.mvc.handler.GatewayRouterFunctions.route;
import static org.springframework.cloud.gateway.server.mvc.handler.HandlerFunctions.http;
@Configuration
public class DetroitAndPaddingtonConfig {
/**
* Project Detroit Mimarisi: FFM API ve deterministik Arena kapsamı ile
* yerel çalışma zamanı (CPython / V8 düz C API) ifadesinin yürütülmesi.
*/
public int evaluateNativeRuntimeExpression(SymbolLookup runtimeLookup, String scriptSource) throws Throwable {
Linker nativeLinker = Linker.nativeLinker();
MemorySegment evalSymbol = runtimeLookup.find("detroit_eval_script")
.orElseThrow(() -> new IllegalStateException("Yerel çalışma zamanı sembolü bulunamadı"));
MethodHandle evalHandle = nativeLinker.downcallHandle(
evalSymbol,
FunctionDescriptor.of(ValueLayout.JAVA_INT, ValueLayout.ADDRESS)
);
// Sınırlandırılmış (confined) Arena ile Dual-GC bellek sızıntısı önlenir
try (Arena confinedArena = Arena.ofConfined()) {
MemorySegment nativeScriptStr = confinedArena.allocateFrom(scriptSource);
return (int) evalHandle.invokeExact(nativeScriptStr);
}
}
/**
* Spring Cloud 2026.0.0-RC2 (Paddington) — Gateway Server Web MVC
* üzerinde yeni LocalResponseCache (#4249) filtresinin tanımlanması.
*/
@Bean
public RouterFunction<ServerResponse> cachedScoringGatewayRoute() {
return route("detroit_scoring_route")
.GET("/api/v1/runtime-score/**", http())
.before(uri("https://scoring-internal.service.local"))
.filter(localResponseCache(Duration.ofMinutes(5), org.springframework.util.unit.DataSize.ofMegabytes(64)))
.build();
}
}
5. Sonuç: Çok Dilli JVM ve Bulut-Yerel Ağ Geçidi Standartları
OpenJDK Project Detroit, yabancı dilleri Java'da yeniden yazma yükünü sona erdirip java.lang.foreign (FFM API) üzerinden orijinal V8 ve CPython çalışma zamanlarını doğrudan JVM'e bağlayarak çok dilli kurumsal uygulamalarda yeni bir dönem başlatmaktadır. Eşzamanlı olarak yayımlanan Spring Cloud 2026.0.0-RC2 (Paddington) ise Spring Boot 4.2 tabanında Server Web MVC önbelleklemesi ve Google Cloud Storage entegrasyonu ile mikroservis omurgasını güçlendirmektedir.
Yazılım mimarisi, mikroservis ekosistemleri ve üretken yapay zeka uygulamaları üzerine çalışıyorum. TastutanLabs çatısı altında geliştirici araçları ve SaaS ürünleri inşa ediyorum.
Bu analizin 6 kartlık görsel özetini Instagram'da inceleyin ve kaydedin
Her gün yazılım mimarisi, Java/JVM ve yapay zeka gelişmelerini kendi başına okunabilen 6 slaytlık Mini-Blog serileri halinde paylaşıyoruz.
Yorumlar (0)
Düşüncelerinizi Paylaşın
Henüz yorum yapılmamış. İlk yorumu siz yapın!
Bu Kategorideki Diğer İncelemeler
Vercel Board Ajan Mesaj Panosu ve CodeRabbit Verify Ajan Tabanlı QA Betası Kullanıma Açıldı
Vercel, insanlarla kodlama ajanlarını tek bir mesaj panosunda buluşturan Vercel Board altyapısını tüm planlara açarken; CodeRabbit ise PR incelemelerini canlı tarayıcı testlerine taşıyan CodeRabbit Verify katmanını ücretsiz açık betaya çıkardı.
Anthropic ‘Claude Code v2.1.328’ Yayınlandı: Çoklu Bulut Auto Mode, Code Mode ve Self-Hosted Runner Genişletmesi
Anthropic, Claude Code v2.1.328 güncellemesiyle Amazon Bedrock, Google Cloud ve Microsoft Foundry üzerinde Auto Mode desteğini devreye aldı; Code Mode ile self-hosted runner yeteneklerini genişletip terminal ve uzaktan kontrol kararlılığını artırdı.
OpenAI, ChatGPT Yavaşlamalarını Otonom Olarak Teşhis Eden Codex Destekli ‘Performance Factory’ Sistemini Tanıttı
OpenAI, ChatGPT'deki performans gerilemelerini bulut tabanlı Codex ajanları ve rakip inceleme oturumlarıyla otonom olarak tespit edip çözüm öneren Performance Factory mimarisini duyurdu. Sistem, üç ayda 1.700'den fazla inceleme yürüterek 600'ün üzerinde kök nedeni %70 doğruluk oranıyla teşhis etti.