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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









