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。
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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