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。
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