Apache Fury 中 ThreadPoolFury 的 ClassLoader 问题解析
2025-06-25 14:49:02作者:霍妲思
背景介绍
Apache Fury 是一个高性能的序列化框架,在 Java 生态中提供了高效的二进制序列化能力。其中 ThreadPoolFury 是其线程安全的 Fury 实现,用于多线程环境下的序列化操作。然而,近期发现了一个与 ClassLoader 相关的重要问题,特别是在处理动态代理对象时。
问题现象
当使用 ThreadPoolFury 序列化和反序列化动态代理对象时,如果代理接口是由不同于当前线程上下文类加载器的类加载器加载的,就会抛出"non-public interface is not defined by the given loader"异常。这种情况常见于 Spring Boot 应用中,当 Spring 的 SerializableTypeWrapper 创建代理时使用应用类加载器(AppClassLoader),而 ThreadPoolFury 在反序列化时却使用了 Tomcat 的嵌入式类加载器(TomcatEmbeddedClassLoader)。
问题根源
深入分析后发现,ThreadPoolFury 存在两个关键问题:
- 它没有正确继承 FuryBuilder 中设置的类加载器,而是默认使用线程上下文类加载器(Thread.currentThread().getContextClassLoader())
- 在反序列化动态代理时,Proxy.newProxyInstance() 方法要求接口类必须由指定的类加载器定义,否则会抛出异常
解决方案
Apache Fury 项目组已经修复了这个问题,主要改进包括:
- 确保 ThreadPoolFury 正确使用 FuryBuilder 中配置的类加载器
- 提供了更灵活的类加载器设置方式,允许开发者根据需求选择:
- 全局固定类加载器(通过 FuryBuilder.withClassLoader())
- 线程级类加载器(通过 ThreadSafeFury.setClassLoader())
- 自定义类加载器策略(通过 ThreadPoolFury 构造函数)
最佳实践
对于需要使用 ThreadPoolFury 处理动态代理的场景,建议采用以下方式:
// 方式1:使用固定类加载器
ThreadSafeFury fury = Fury.builder()
.withClassLoader(myClassLoader) // 设置固定类加载器
.buildThreadSafeFuryPool();
// 方式2:自定义类加载策略
ThreadSafeFury fury = new ThreadPoolFury(classloader ->
Fury.builder()
.withClassLoader(myClassLoader) // 每个线程使用相同的类加载器
.build()
);
技术要点
- Java 动态代理机制对类加载器的要求非常严格,接口类必须由指定的类加载器定义
- 在多线程环境下,线程上下文类加载器可能与创建代理时的类加载器不同
- 序列化框架需要确保序列化和反序列化时使用一致的类加载器上下文
总结
这个问题揭示了在复杂类加载环境下处理动态代理对象的挑战。Apache Fury 的修复确保了框架在不同类加载器环境下的稳定性,特别是对于 Spring 等框架生成的代理对象的支持。开发者在使用时应当注意类加载器的设置,特别是在容器环境中。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
388
458
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++
894
679
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
806
198
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781