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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00