反射、转换、加速：将GPU计算引入Java
内容提要
本文介绍OpenJDK Babylon项目的Java代码反射API及其异构加速器工具包HAT。HAT通过反射、转换、加速三阶段，将Java计算代码转为GPU友好表示并卸载至OpenCL或CUDA执行；演讲以张量核心编程和矩阵乘法为例演示，并用NVIDIA Nsight工具分析调优CUDA后端性能。
延伸解读
三阶段流程的实际含义
HAT把Java计算代码交给GPU并非一步完成，而是先通过代码反射得到可分析的代码模型，再转换为GPU友好的表示，最后才把选定计算卸载到OpenCL或CUDA执行。理解这一分工有助于判断适用边界：并非整段Java程序都会自动跑在GPU上，而是被选中的计算部分被卸载，其余逻辑仍留在Java侧。
示例为何选矩阵乘法
演讲用张量核心编程和矩阵乘法做演示，原因是这类运算既是AI与自然语言处理的基础构件，也天然适合并行加速。对读者而言，这意味着HAT当前展示的重点是计算密集、可并行的负载，而不是通用业务代码。评估是否引入时，应先看自己的热点是否属于同类形态。
性能调优仍离不开原生工具
文章提到用NVIDIA Nsight Compute和Nsight Systems分析CUDA后端，从剖析生成的kernel到寻找优化机会。这说明HAT降低了从Java触达GPU的门槛，但性能问题并不会因此消失：生成的kernel仍需专业工具观测。团队若计划使用CUDA后端，需要具备相应的GPU性能分析能力，而不能只依赖Java层经验。
定位与成熟度提示
代码反射API来自OpenJDK Babylon项目，HAT则是建立在其上的并行编程框架，二者都处于项目探索阶段，而非Java标准平台的稳定功能。文章内容来自Devoxx Belgium的技术演讲，侧重思路与演示。读者宜将其视为一条从Java面向异构硬件的新路径，关注后续API演进，而非直接按生产方案采纳。
Q&A
OpenJDK Babylon项目中的Java代码反射API是什么？
Java代码反射API是在OpenJDK Babylon项目中开发的，它提供了一种新途径，可以直接从Java定位外部编程模型，包括GPU。
HAT工具包如何将Java计算代码加速到GPU上？
HAT通过三个阶段实现：反射（将Java计算代码反射为可分析的代码模型）、转换（将其转换为GPU友好的表示）、加速（将选定的计算卸载到OpenCL或CUDA以加速执行）。
HAT支持哪些GPU编程接口？
HAT支持将计算卸载到OpenCL或CUDA进行加速执行。
演讲中使用了哪些示例来演示HAT？
演讲中使用了张量核心编程和矩阵乘法的示例，这些是AI和自然语言处理的基本构建块。
如何对HAT的CUDA后端进行性能分析和调优？
可以使用NVIDIA Nsight Compute和Nsight Systems工具进行性能分析和调优，从分析生成的核函数到识别优化机会。
这个演讲是在哪个会议上录制的？
该演讲录制于Devoxx Belgium 2026。
