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
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.77 K
Ascend Extension for PyTorch
Python
347
413
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++
889
607
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
337
184
暂无简介
Dart
778
192
deepin linux kernel
C
27
11
🎉 (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
1.34 K
758
React Native鸿蒙化仓库
JavaScript
303
356
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
896