AI助力JDK8到21迁移实战

2026 年 9 月，Oracle JDK 8 的 NFTC（免费使用条款）将到期。而 Oracle JDK 8 的公共更新早在 2019 年 1 月就已停止。

不管从哪个时间点看，还在 JDK 8 上的企业都不得不面对一个现实：迁移到 21 不是"要不要"的问题，而是"什么时候做"的问题。

但 JDK 8 到 21，中间隔了 13 个版本、10 年的语言演进。一个中型项目几百万行代码，纯手工迁移，测试排期、兼容性问题、行为变更——想想就头大。

所以很自然的一个问题：大模型能不能帮上忙？

我用一个真实的 Java 8 项目做了实验，让大模型辅助做 JDK 21 迁移。下面是完整的过程和结果。

迁移的核心工作量

JDK 8 → 21 的迁移，工作量大致分三层：

第一层：语法升级（简单，可自动化）

• • 匿名内部类 → Lambda 表达式

• • 传统 for 循环 → Stream API

• • 字符串拼接 → Text Blocks

• • switch 语句 → switch 表达式

• • 普通类 → Records

• •Optional.isPresent() + get()→ifPresent()/orElse()

第二层：API 替换（中等，大部分能自动）

• •java.util.Date/Calendar→java.time.LocalDateTime/Instant

• • JAXB 依赖外置（javax.xml.bind在 JDK 11 被移除，需添加外部依赖）

• •javax→jakarta命名空间迁移（Jakarta EE 9+ 的包名变更，与 JDK 升级配套处理）

第三层：行为变更（高风险，需要人工判断）

• • 虚拟线程兼容性（synchronized在虚拟线程中的 pinning 问题，JDK 25 已修复）

• •ThreadLocal在虚拟线程下的表现变化

• • GC 参数变化（CMS 已被移除，需要切换到 G1/ZGC）

• • 某些sun.misc包下的内部 API 已被移除

• • 模块系统（JPMS）强封装：反射访问受限，需要--add-opens/--add-exports

• • Security Manager 废弃与禁用（JDK 17 标记废弃，JDK 24 永久禁用）

大模型在第一层做得很好，第二层做得还行，第三层经常翻车。下面具体看。

第一层：语法升级——AI 的舒适区

我喂给 Claude Code 一段典型的 JDK 8 代码：

// 原始 JDK 8 代码
public class OrderProcessor {

public List<String> getActiveUserEmails(List<User> users) {
List<String> emails = new ArrayList<>();
for (User user : users) {
if (user.getStatus() == UserStatus.ACTIVE) {
String email = user.getEmail();
if (email != null && !email.isEmpty()) {
emails.add(email.toLowerCase());
}
}
}
Collections.sort(emails);
return emails;
}

public Optional<User> findUser(List<User> users, Long id) {
for (User user : users) {
if (user.getId().equals(id)) {
return Optional.of(user);
}
}
return Optional.empty();
}

public String formatReport(String title, List<String> items) {
StringBuilder sb = new StringBuilder();
sb.append("======== " + title + " ========\n");
for (int i = 0; i < items.size(); i++) {
sb.append((i + 1) + ". " + items.get(i) + "\n");
}
return sb.toString();
}
}

AI 输出：

// AI 迁移后的 JDK 21 代码
public class OrderProcessor {

public List<String> getActiveUserEmails(List<User> users) {
return users.stream()
.filter(u -> u.getStatus() == UserStatus.ACTIVE)
.map(User::getEmail)
.filter(email -> email != null && !email.isEmpty())
.map(String::toLowerCase)
.sorted()
.toList(); // JDK 16+ 直接返回不可变 List
}

public Optional<User> findUser(List<User> users, Long id) {
return users.stream()
.filter(u -> u.getId().equals(id))
.findFirst();
}

public String formatReport(String title, List<String> items) {
return STR."""
======== \{title} ========
\{IntStream.range(0, items.size())
.mapToObj(i -> STR."\{i + 1}. \{items.get(i)}")
.collect(Collectors.joining("\n"))}
""";
}
}

评价：令人满意。

Stream API、方法引用、toList()、Text Blocks——AI 全部正确应用。

唯一要注意的是字符串模板（STR."..."）。这个特性在 JDK 21 中只是首次预览（JEP 459），JDK 22 进入第二次预览，JDK 23 被撤回，至今仍未成为正式特性。所以这段代码在 JDK 21 上必须加--enable-preview才能运行，而且即使能跑，API 在后续版本中也发生了变化。稳妥的做法是先用 Text Blocks 替代字符串拼接，字符串模板等它正式定型再迁移。

第一层迁移，AI 几乎是完美的。手动做的话，这些代码可能要改 20 分钟，AI 20 秒搞定。

第二层：API 替换——有好有坏

第二层就有点意思了。

我给了 AI 一段包含java.util.Date和SimpleDateFormat的代码：

// 原始 JDK 8 代码
public Date parseDate(String dateStr) {
SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
try {
return sdf.parse(dateStr);
} catch (ParseException e) {
throw new RuntimeException("日期解析失败: " + dateStr, e);
}
}

public long daysBetween(Date start, Date end) {
long diff = end.getTime() - start.getTime();
return TimeUnit.DAYS.convert(diff, TimeUnit.MILLISECONDS);
}

AI 迁移为：

// AI 迁移后的代码
public LocalDateTime parseDate(String dateStr) {
DateTimeFormatter formatter = DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss");
try {
return LocalDateTime.parse(dateStr, formatter);
} catch (DateTimeParseException e) {
throw new RuntimeException("日期解析失败: " + dateStr, e);
}
}

public long daysBetween(LocalDateTime start, LocalDateTime end) {
return Duration.between(start, end).toDays();
}

评价：语法正确，但要注意返回值变更。

Date→LocalDateTime本身没问题。但调用方如果之前拿Date去和java.sql.Date交互，或者用了Date的after()/before()方法，迁移后需要联动修改。这是 AI 看不到的——它只改了当前文件，不知道调用方怎么用这个返回值。

这就是第二层迁移的真正痛点：API 替换不是简单的搜索替换，它涉及接口契约的变化。如果你返回类型从Date变成了LocalDateTime，所有调用方都得改。

AI 迁移第二层的安全做法是：告诉它"保留公开方法的签名不变，内部实现改为 java.time"。

// 更好的迁移：保持签名，改内部实现
public Date parseDate(String dateStr) {
DateTimeFormatter formatter = DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss");
LocalDateTime ldt = LocalDateTime.parse(dateStr, formatter);
return Date.from(ldt.atZone(ZoneId.systemDefault()).toInstant());
}

这样减少连锁改动，可以分批迁移。

另外还有一个容易忽略的边界问题：Duration.between(LocalDateTime, LocalDateTime).toDays()和原来的TimeUnit.DAYS.convert(diff, TimeUnit.MILLISECONDS)在大多数情况下结果一致，但LocalDateTime不感知时区和 DST（夏令时）切换。如果原始代码涉及跨时区或夏令时的日期计算，迁移后需要额外验证。

第三层：行为变更——AI 翻车的地方

第三层涉及 JDK 内部行为的变化，AI 的表现开始不稳定。

我给它一段使用了ThreadLocal的代码：

// 原始代码
public class RequestContextFilter implements Filter {

private static final ThreadLocal<RequestContext> contextHolder =
new ThreadLocal<>();

@Override
public void doFilter(ServletRequest request, ...) {
RequestContext ctx = buildContext(request);
contextHolder.set(ctx);
try {
chain.doFilter(request, response);
} finally {
contextHolder.remove();
}
}

public static RequestContext getContext() {
return contextHolder.get();
}
}

我问 AI："这段代码迁移到 JDK 21 后，在虚拟线程环境下有什么问题？"

AI 的回答：

"这段代码在虚拟线程下可能有问题，因为虚拟线程是 JVM 管理的协作式调度，ThreadLocal 在虚拟线程中的行为与传统线程一致，但在使用虚拟线程池时需要注意 ThreadLocal 的清理。"

这个回答只对了一半。

真实的问题是：虚拟线程支持数以万计的并发，但 ThreadLocal 的内存开销是按线程算的。如果用传统线程池（如 Tomcat 的 200 线程池），200 个 ThreadLocal 实例可以接受。但如果用虚拟线程（可以创建 10 万个），ThreadLocal 的内存和 GC 压力会急剧上升。ThreadLocal 在虚拟线程中仍然可用，但建议改用ScopedValue（JDK 20+预览）。

AI 没有主动提到ScopedValue，也没有量化 ThreadLocal 在大量虚拟线程下的内存问题。如果你完全相信 AI 的迁移建议，上线后可能会遇到意外的性能问题。

第三层的 AI 输出只能作为提醒，不能作为决策依据。

实操建议：AI 辅助迁移的工作流

这次实验下来，我觉得最优的迁移方式不是"让 AI 全量迁移"，也不是"完全不用 AI"，而是这样：

第一步：AI 做语法扫描

用 AI 扫描整个项目，定位需要迁移的位置，输出一个清单：

需要升级的语法模式：
- 匿名内部类 → Lambda：237 处
- for 循环 → Stream：108 处
- switch 语句 → switch 表达式：45 处
- 字符串拼接 → Text Blocks：62 处

需要替换的 API：
- java.util.Date：89 处
- SimpleDateFormat：34 处
- javax.xml.bind：12 处
- ThreadLocal：16 处（需检查虚拟线程兼容性）

这个清单帮你评估工作量，而不是猜。

第二步：AI 做批量语法迁移

第一层语法升级可以直接让 AI 批量处理。用脚本或 AI 工具对整个模块做一次性替换，然后走代码审查。

注意：每次只提交一个包或一个模块的变更，不要一个 PR 改几百个文件。

第三步：API 替换按模块推进

第二层的 API 替换建议按模块推进。每个模块在独立的分支上做迁移，做完后充分测试，再合并到主分支。

第四步：行为变更做专项审查

第三层的问题需要人工列一个清单，逐项检查：

• • 是否有synchronized在可能被虚拟线程调用的路径上（JDK 25 已修复 pinning，但 JDK 21 仍需关注）

• • 是否有 CMS GC 参数需要替换为 G1/ZGC

• • 是否有sun.misc.*的调用

• • 是否有反射相关的setAccessible需要调整，是否需要添加--add-opens/--add-exportsJVM 参数

• • ThreadLocal 的使用是否需要替换为 ScopedValue

• • 是否有SecurityManager的使用（JDK 24 已永久禁用）

把这些交给 AI 去"查"，让它在代码库里辅助定位这些风险点，再做人工决策。

附：迁移工具链

除了大模型，JDK 迁移还有一些专门工具值得用上：

建议的组合方式：先用jdeprscan+jdeps做静态扫描，拿到风险清单；再用 AI 工具做批量语法迁移；最后人工审查第三层行为变更。

总结

JDK 8→21 迁移这件事，AI 最好的角色是"高级助手"而不是"主力"。它能显著加速第一层和第二层，让你从"这个项目迁移要三个月"变成"语法升级两周搞定，剩下时间做兼容测试"。

最难的部分从来不是改代码，而是确保改了之后系统还能正常跑。

所以别让 AI 全自动跑一个几百万行的项目。找个模块，让它处理第一层和第二层，你跑一遍测试，看看效果——这样逐步建立信任，再铺开到整个项目