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。
kernelopenEuler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。C090
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00