Apache Shiro Jakarta EE 兼容性问题分析及解决方案
问题背景
Apache Shiro 是一个强大且易用的Java安全框架,提供了认证、授权、加密和会话管理等功能。随着Java EE向Jakarta EE的演进,许多项目都需要迁移到Jakarta命名空间。Apache Shiro 1.13.0版本提供了Jakarta EE兼容版本,但在实际使用中发现了一个关键问题。
问题现象
在Shiro Web模块的Jakarta EE兼容版本中,虽然代码层面已经完成了从javax到jakarta命名空间的转换,但其MANIFEST.MF文件中仍然保留了javax.servlet的引用。这会导致在OSGi环境中运行时出现类加载问题,因为OSGi环境期望的是jakarta.servlet包而非javax.servlet包。
技术分析
根本原因
问题的根源在于Maven Shade插件在生成Jakarta EE兼容版本时,虽然重命名了代码中的包引用,但没有正确处理MANIFEST.MF文件中的Import-Package声明。这使得生成的JAR文件在OSGi环境中无法正确解析依赖关系。
影响范围
这个问题主要影响以下场景:
- 在OSGi容器中部署使用Shiro Jakarta EE版本的应用
- 任何严格依赖jakarta.servlet命名空间的现代Java EE/Jakarta EE环境
解决方案
临时解决方案
对于急需解决问题的用户,可以在Maven构建配置中添加以下Shade插件规则:
<relocation>
<pattern>javax.annotation.security;version="\[1.3,2\)"</pattern>
<shadedPattern>jakarta.annotation.security;version="\[2,4\)"</shadedPattern>
</relocation>
<relocation>
<pattern>javax.servlet;version="\[4.0,5\)"</pattern>
<shadedPattern>jakarta.servlet;version="\[5.0,6\)"</shadedPattern>
</relocation>
<relocation>
<pattern>javax.servlet.http;version="\[4.0,5\)"</pattern>
<shadedPattern>jakarta.servlet.http;version="\[5.0,6\)"</shadedPattern>
</relocation>
长期解决方案
Apache Shiro团队已经意识到这个问题,并计划在2.0.0版本中彻底解决。可能的长期解决方案包括:
- 完全迁移到Jakarta EE:将源代码中的所有javax引用改为jakarta,从根本上避免转换问题
- 专门的Jakarta EE构件:创建独立的shiro-web-jakarta和shiro-core-jakarta构件,确保依赖关系正确
- 改进构建配置:使用更精确的bnd配置来正确生成MANIFEST.MF文件
版本兼容性说明
需要注意的是,Jakarta EE的版本号与Java EE不同。例如:
- javax.annotation.security 1.3对应jakarta.annotation.security 2.0
- javax.servlet 4.0对应jakarta.servlet 5.0
这种版本号的变化在迁移时需要特别注意,否则可能导致运行时错误。
结论
Apache Shiro团队正在积极解决Jakarta EE兼容性问题。对于当前版本的用户,可以使用临时解决方案;对于新项目,建议等待2.0.0版本的发布,该版本将提供更完善的Jakarta EE支持。Jakarta EE迁移是一个复杂的过程,开发者需要关注依赖管理和版本兼容性,以确保应用能够平稳运行。
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
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