Fastjson2 对 UnsignedLong 类型的支持问题解析
在 Java 开发中,处理无符号长整型(UnsignedLong)数据时,JSON 序列化是一个常见需求。阿里巴巴开源的 Fastjson2 库近期修复了一个关于 UnsignedLong 类型序列化的重要问题,这对于使用 ClickHouse 数据库的开发者尤为重要。
问题背景
ClickHouse 数据库的 JDBC 驱动在处理 select count(1) 这类聚合查询时,会返回 UnsignedLong 类型的结果。当开发者尝试使用 Fastjson2 将这些结果序列化为 JSON 字符串时,发现 UnsignedLong 类型的字段被序列化为空对象 {},而其他主流 JSON 库如 Jackson、Hutool-JSON 和 Gson 都能正确处理这种类型。
技术分析
UnsignedLong 是 Java 中用于表示无符号长整型的特殊类型,它通常用于处理超出 Java 原生 long 类型范围的数值。在 JSON 序列化过程中,不同类型的库采用了不同的处理策略:
- Jackson:直接将 UnsignedLong 转换为对应的数值
- Hutool-JSON:同样直接输出数值
- Gson:输出包含数值的对象结构
- Fastjson2(修复前):错误地输出空对象
这种差异源于各库对特殊类型的默认序列化策略不同。Fastjson2 在早期版本中没有为 UnsignedLong 类型提供专门的序列化器,导致其使用默认的对象序列化方式,从而产生了不符合预期的输出。
解决方案
Fastjson2 开发团队在 2.0.53 版本中修复了这一问题。新版本增加了对 UnsignedLong 类型的专门支持,现在能够正确地将 UnsignedLong 值序列化为对应的数值形式,与其他主流 JSON 库保持一致。
实际影响
这一修复对于以下场景尤为重要:
- 使用 ClickHouse 进行大数据分析的 Java 应用
- 需要处理大数量统计结果的系统
- 使用 Fastjson2 作为主要 JSON 库的项目
开发者现在可以放心地使用 Fastjson2 来处理来自 ClickHouse 的聚合查询结果,而无需担心数据序列化问题。
最佳实践
对于需要处理 UnsignedLong 类型的项目,建议:
- 升级到 Fastjson2 2.0.53 或更高版本
- 在序列化配置中明确指定数值类型的处理策略
- 对于跨系统数据交换,确保各方对无符号数的处理方式一致
这一改进体现了 Fastjson2 项目对开发者实际需求的快速响应能力,也展示了开源社区通过问题反馈和修复不断完善产品的良性循环。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00