探秘迷你虚拟机:miniJVM,让Java开发更自由!
2024-05-23 02:17:36作者:管翌锬

项目简介
miniJVM是一个轻量级的跨平台Java虚拟机,专为iOS、Android、Windows、Linux和MacOS设计。这个最小化的JVM不仅在各种平台上都能顺利运行,而且体积小巧、内存占用低,是嵌入式应用的理想选择。借助它,开发者可以编写一次Java代码,在多个平台上部署,实现真正的跨平台开发。
项目技术分析
miniJVM采用简洁的架构(见下方架构图),无需依赖任何外部库,这使得它能在各种环境中无缝集成。其核心功能包括:
- 支持多种平台的构建:iOS、Android、mingw-w64、MSVC、MacOS和Linux。
- 独立运行,不依赖其他库。
- 极小的内存开销。
- 针对嵌入场景优化,可作为内嵌JVM使用。
- 提供简化的类库,但并非完整版的JDK 1.8。
- 包含Java源代码编译器(如Janino)。
- 内置即时编译(JIT)支持。
- 快速垃圾回收机制。
- 支持Java远程调试(JDWP规范)。
- 可将MiniJVM类转换为C源码,提升执行效率。
应用场景与技术扩展
移动端特性
- 集成了OpenGL ES 3.0,以实现图形处理。
- 提供类似Swing的GUI库,以及HTML样式的XML布局。
- 支持音频/视频播放与录制。
- 捕获相机照片或访问相册。
- 文件系统交互,可在移动设备上保存和加载文件。
- 与桌面平台API兼容,应用程序可跨平台运行。
Web端
miniJVM还可以在Web环境中运行,通过WebRunner实现。Web演示
项目亮点
- 多平台支持,满足各种开发需求。
- 自带编译器,实现原生性能。
- 轻量级设计,内存占用极小。
- 强大的调试功能,提升开发效率。
- 广泛的应用场景,从游戏到GUI应用。
结构概览

更新日志
请查看项目详细日志获取最新改动信息。
开发与使用
要构建iOS/Android应用,只需几步操作:
- 使用
/binary/build_jar.sh或/binary/build_jar.bat生成必要的jar文件。 - 在XCode或Android Studio中打开相应的工程,设置开发者账号并安装到设备。
- 运行AppManager,即可看到你的应用程序。
对于桌面平台,按照以下步骤构建:
- 生成jar文件,然后将其复制到对应目录。
- 运行脚本
/binary/build_mac_linux.sh或Windows版本脚本来生成二进制文件。 - 运行测试脚本进行验证。
调试源码
几乎所有的Java IDE都支持远程调试,只需设置IDE连接到miniJVM监听的调试端口8000,就可以开始愉快的调试之旅了。
此外,项目基于许多优秀开源技术,如Oracle的CLDC、OpenJDK,以及Janino等,并得到了诸如Glfw、Nanovg、Stb等库的支持。
利用miniJVM构建项目
已有多个项目基于miniJVM,如Awtk-minijvm、LWJGUI-Mobile、BiBiX和G3d,它们展示了如何在不同场景下利用miniJVM的强大功能。
总结
无论你是寻求跨平台解决方案,还是想探索小型化Java应用的可能性,miniJVM都是一个值得尝试的开源项目。立即加入,开启你的Java开发新篇章!
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 Python案例资源下载 - 从入门到精通的完整项目代码合集 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
664
152
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
659
299
Ascend Extension for PyTorch
Python
216
236
React Native鸿蒙化仓库
JavaScript
255
320
仓颉编译器源码及 cjdb 调试工具。
C++
133
866
仓颉编程语言运行时与标准库。
Cangjie
140
875
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.18 K
649
仓颉编程语言开发者文档。
59
818