当前位置:首页 > 文章列表 > 文章 > java教程 > Java 26 迁移时怎样整理弃用 API 清单

Java 26 迁移时怎样整理弃用 API 清单

来源:17golang原创 2026-10-21 20:56:30 0浏览 收藏

Java 26 迁移时,最容易漏掉的不是某个新语法,而是“代码还能编译”与“代码已经没有迁移风险”之间的差距。建议把清单分成三类:已经移除的 API、标记为 forRemoval=true 的 API,以及 sun.* 等 JDK 内部 API;再用 jdeprscan、jdeps 和 javac --release 26 把每一项绑定到构建产物和回归记录。

官方资料:https://docs.oracle.com/en/java/javase/26/migrate/removed-apis.html

不要把“弃用”统一当成低优先级警告。Java 26 已移除 Applet API,标记为待移除的调用则应在本次迁移中单独排期。

先把迁移对象分成三类

第一类是已经不能继续依赖的 API。例如 Java 26 移除了整个 java.applet 包、javax.swing.JApplet,还移除了 Thread.stop() 等条目。它们要直接进入“阻断构建或阻断发布”的清单,不能只靠压制编译警告。

第二类是仍可调用、但带有 forRemoval=true 的 API。它们说明平台已经给出后续移除信号,应该记录替代 API、影响模块和计划版本。第三类是内部 API,例如 sun.*,即使当前运行时还能访问,也不应作为长期兼容方案。

Java 26 已移除 API、待移除 API、内部 API 与分析工具的静态关系说明图
图1:结构说明图,查看三类迁移风险与分析工具的对应关系。

用 jdeprscan 找到真正用到的弃用 API

只看 Javadoc 的弃用列表,无法知道项目是否真的调用了某个类或方法。先把应用或库构建成 JAR,再扫描字节码;下面的命令同时保留普通弃用项和明确标记为待移除的项目。

# 扫描 JAR 中引用的弃用 API,先看完整清单
jdeprscan --release 26 build/libs/app.jar

# 只筛出后续可能被移除的 API,便于建立高优先级任务
jdeprscan --release 26 -l --for-removal build/libs/app.jar

# 把输出保存到迁移记录,避免每次只凭终端滚动内容判断
jdeprscan --release 26 build/libs/app.jar > build/jdk26-deprecation.txt

清单至少记录“类或方法、所在模块、调用方、是否 for removal、替代方案、负责人、关闭构建”。这样既能处理直接调用,也能把第三方库暴露出来的问题分配给依赖升级任务。

用 jdeps 补查内部 API 依赖

jdeprscan 关注弃用状态,不能替代模块依赖分析。JDK 迁移指南建议使用 jdeps 查找内部 API;对编译产物执行 -jdkinternals,可以把 sun.* 等实现细节暴露出来。

# 查找对 JDK 内部 API 的静态依赖
jdeps -jdkinternals build/libs/app.jar

# 同时查看模块和包级依赖,帮助定位升级边界
jdeps --multi-release 26 --print-module-deps build/libs/app.jar

扫描结果不等于完整运行时依赖:反射调用可能不会出现在静态结果里。因此对每个内部 API 条目,清单还要有一条测试或启动验证记录;临时的 --add-exports、--add-opens 只能作为过渡标记,不能作为永久关闭理由。

把清单接到构建门禁

迁移构建建议显式使用 --release 26,让编译器按目标 Java SE 版本检查 API 边界;不要把 --release 与 -source、-target 混用。构建系统可以把扫描结果作为制品附件,测试再负责确认行为没有改变。

# 用 JDK 26 编译,并固定目标 Java SE API 边界
javac --release 26 -d build/classes $(find src -name '*.java')

# 迁移门禁:扫描构建产物并让待移除项进入人工处理
jdeprscan --release 26 -l --for-removal build/libs/app.jar

# 迁移门禁:检查是否仍依赖 JDK 内部 API
jdeps -jdkinternals build/libs/app.jar
Java 26 构建产物、jdeprscan、jdeps、javac release 26、回归测试与关闭记录的静态关系说明图
图2:结构说明图,查看扫描结果如何汇入构建与回归记录。

建议用以下字段管理每一行:risk、symbol、module、replacement、owner、target-release、verification。已移除项的 risk 设为阻断,forRemoval 设为高优先级,普通弃用项按调用频率和替代难度排期。

迁移前后的速查表

发现结果清单动作关闭依据
Java 26 已移除 API立即替换或升级依赖目标 JDK 构建通过并有回归记录
forRemoval=true建立替代方案和负责人扫描结果清零或有明确例外
sun.* 等内部 API改用公开 API,临时参数单独登记jdeps 无新增内部依赖,启动测试通过
普通弃用 API按影响范围分批处理保留原因、版本和后续计划

最后不要只把报告上传到构建系统就结束。真正可维护的清单要能回答三个问题:是谁调用了它、为什么还没替换、下一次构建怎样自动发现回归。

常见问题

只有编译失败才需要处理吗?不是。已移除 API 会直接暴露问题,但 forRemoval=true 和内部 API 可能暂时还能通过编译,仍应在迁移窗口中处理。

jdeprscan 能替代测试吗?不能。它扫描字节码引用,不能证明反射路径、配置路径和运行行为没有变化;它适合做清单输入,测试负责验证行为。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
JDK 26 G1 高吞吐优化怎样观察收益JDK 26 G1 高吞吐优化怎样观察收益
上一篇
JDK 26 G1 高吞吐优化怎样观察收益
Python 3.15 sampling profiler 怎样采集热点
下一篇
Python 3.15 sampling profiler 怎样采集热点
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    582次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    620次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    651次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    616次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    432次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码