Fastjson2序列化Double.NaN导致数组越界异常分析与修复
在Fastjson2 2.0.56版本中,开发者发现了一个关于Double.NaN序列化的严重问题。当尝试序列化包含Double.NaN值的对象时,系统会抛出数组越界异常,而这个问题在2.0.36版本中并不存在。
问题背景
Double.NaN是Java中表示"非数字"(Not a Number)的特殊浮点数值。在JSON序列化过程中,通常需要将这种特殊值转换为合法的JSON表示形式。Fastjson2之前的版本(如2.0.36)能够正确处理这种情况,将Double.NaN序列化为null值。
问题表现
在2.0.56版本中,当使用JSONObject.toJSONString()方法序列化包含Double.NaN的对象时,系统会在NumberUtils.doubleToScientific方法中抛出数组越界异常。具体表现为:
- 直接序列化Double.NaN时,能够正常处理并返回null
- 但当序列化包含Double.NaN的复杂对象时,会触发数组越界异常
技术分析
问题的根源在于2.0.56版本中引入的科学计数法转换逻辑。在处理Double.NaN时,代码没有正确识别这种特殊情况,而是尝试将其作为普通浮点数处理,导致在访问数组时越界。
在2.0.36版本中,Fastjson2使用DoubleToDecimal.toString方法处理浮点数,该方法能够正确识别NaN并返回null。但在2.0.56版本中,这一逻辑被修改为使用NumberUtils.doubleToScientific方法,而新方法没有充分考虑NaN等特殊值的情况。
解决方案
Fastjson2开发团队在2.0.57-SNAPSHOT版本中修复了这个问题。修复方案主要包括:
- 在科学计数法转换前增加对特殊浮点值的检查
- 确保Double.NaN、Double.POSITIVE_INFINITY等特殊值能够被正确识别并处理
- 保持与之前版本一致的序列化结果,将这些特殊值序列化为null
验证结果
经过验证,2.0.57版本已经能够正确处理包含Double.NaN的对象的序列化,不再出现数组越界异常,并且保持了与之前版本一致的序列化结果。
总结
这个问题的出现提醒我们,在处理浮点数特别是特殊浮点值时需要格外小心。在进行数值转换和序列化时,必须考虑所有可能的边界情况,包括NaN、无穷大等特殊值。Fastjson2团队快速响应并修复了这个问题的做法值得肯定,也展示了开源项目对用户反馈的重视。
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