Apache Shiro与Spring Boot 3集成中的Filter类缺失问题解析
问题背景
在Java企业级应用开发中,Apache Shiro作为一个强大且易用的安全框架,经常被用于处理认证、授权等安全需求。当开发者尝试将Shiro 2.0.0版本与Spring Boot 3.x集成时,可能会遇到一个常见的启动错误:"java.lang.NoClassDefFoundError: javax/servlet/Filter"。
错误现象
当使用Spring Boot 3.2.3与Shiro 2.0.0集成时,应用启动失败并抛出以下关键异常:
Caused by: java.lang.NoClassDefFoundError: javax/servlet/Filter
Caused by: java.lang.ClassNotFoundException: javax.servlet.Filter
根本原因
这个问题的根源在于Java EE到Jakarta EE的命名空间迁移。Spring Boot 3.x基于Jakarta EE 9+,而传统的Shiro依赖默认使用的是javax.servlet包路径。具体来说:
- Spring Boot 3.x使用Jakarta命名空间(jakarta.servlet)
- 传统Shiro依赖使用Java EE命名空间(javax.servlet)
- 两者命名空间不兼容导致类加载失败
解决方案
要解决这个问题,需要使用Shiro专门为Jakarta EE准备的适配版本。以下是正确的依赖配置方式:
1. 引入Shiro BOM管理
首先需要在dependencyManagement中引入Shiro的BOM(物料清单)来统一管理版本:
<dependencyManagement>
<dependencies>
<dependency>
<groupId>org.apache.shiro</groupId>
<artifactId>shiro-bom</artifactId>
<version>2.0.0</version>
<scope>import</scope>
<type>pom</type>
</dependency>
</dependencies>
</dependencyManagement>
2. 添加Jakarta适配的Shiro依赖
然后添加具体的Shiro依赖,注意必须使用jakarta分类器:
<dependencies>
<dependency>
<groupId>org.apache.shiro</groupId>
<artifactId>shiro-spring-boot-web-starter</artifactId>
<classifier>jakarta</classifier>
</dependency>
<!-- 其他可能需要的基础依赖 -->
<dependency>
<groupId>org.apache.shiro</groupId>
<artifactId>shiro-web</artifactId>
<classifier>jakarta</classifier>
</dependency>
<dependency>
<groupId>org.apache.shiro</groupId>
<artifactId>shiro-spring</artifactId>
<classifier>jakarta</classifier>
</dependency>
</dependencies>
技术原理
这种解决方案背后的技术原理是:
-
分类器(Classifier)机制:Maven允许同一个artifactId发布多个变体,通过classifier区分。Shiro为适应Jakarta EE提供了专门的构建版本。
-
BOM管理:使用shiro-bom可以确保所有Shiro相关依赖版本一致,避免潜在的兼容性问题。
-
命名空间转换:Jakarta适配版本内部已经将所有javax.servlet引用转换为jakarta.servlet,与Spring Boot 3.x保持一致。
最佳实践建议
-
版本一致性:确保所有Shiro相关依赖使用相同版本号。
-
最小依赖原则:只引入实际需要的Shiro模块,例如如果只需要Web支持,可以只引入shiro-spring-boot-web-starter。
-
环境检查:确认项目确实基于Spring Boot 3.x+,因为Spring Boot 2.x不需要这种特殊处理。
-
IDE清理:在修改依赖后,建议执行Maven的clean和update操作,确保IDE正确识别依赖变更。
总结
Apache Shiro与Spring Boot 3.x集成时出现的Filter类缺失问题,本质上是Java EE向Jakarta EE演进过程中的兼容性问题。通过使用正确的依赖配置方式,特别是注意jakarta分类器的使用,可以顺利解决这一问题。理解这一技术背景不仅有助于解决当前问题,也为未来处理类似的技术迁移提供了参考思路。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00