Fastjson2中JSONB序列化不可变集合的Bug分析与修复
问题背景
在Fastjson2项目中,当使用JSONB格式进行序列化和反序列化操作时,如果对象中存在默认值为不可变集合(如Collections.emptyList())的字段,并且开启了FieldBased和NotWriteHashMapArrayListClassName特性时,会出现反序列化失败的问题。
问题现象
具体表现为:当反序列化一个包含不可变集合默认值的对象时,Fastjson2会尝试向这个不可变集合中添加元素,导致抛出UnsupportedOperationException异常。这种情况常见于MyBatis-Plus的分页结果对象Page中,其records字段默认值为Collections.emptyList()。
技术分析
问题的根源在于Fastjson2的反序列化机制。在反序列化过程中,Fastjson2会先获取字段的默认值(即不可变集合),然后尝试向这个集合中添加反序列化得到的元素。然而,不可变集合(如Collections.emptyList()返回的集合)是不支持修改操作的,因此会抛出异常。
在Fastjson2的源码中,这个问题出现在ObjectReaderCreatorASM类的genReadFieldValueList方法中。该方法生成的字节码会直接使用字段的默认值,而没有考虑这个默认值是否可修改。
解决方案
Fastjson2开发团队在2.0.52版本中修复了这个问题。修复方案主要包括:
- 在反序列化集合类型字段时,首先检查默认值是否是可修改的集合
- 如果默认值是不可修改的集合,则创建一个新的可修改集合实例
- 将反序列化得到的元素添加到新创建的集合中
- 最后将新集合设置回对象字段
这种处理方式既保证了反序列化的正确性,又不会影响原有不可变集合的语义。
影响范围
该问题主要影响以下场景:
- 使用JSONB格式进行序列化和反序列化
- 开启了
FieldBased和NotWriteHashMapArrayListClassName特性 - 对象中包含默认值为不可变集合的字段
- 包括但不限于
Collections.emptyList()、Collections.emptySet()和Collections.emptyMap()
最佳实践
为了避免类似问题,开发者在使用Fastjson2时应注意:
- 对于可能被序列化的对象,谨慎使用不可变集合作为字段默认值
- 如果确实需要使用不可变集合,可以考虑在反序列化后手动处理
- 及时升级到Fastjson2的最新版本以获取bug修复
总结
Fastjson2作为高性能的JSON处理库,在处理复杂对象序列化时需要考虑各种边界情况。这个bug的修复体现了开发团队对细节的关注和对稳定性的追求。开发者在使用过程中遇到类似问题时,应及时检查版本并考虑升级到修复版本。
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-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
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