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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00