Apache Shiro 2.0.0与Spring Boot 3.x集成问题解析
问题背景
在使用Apache Shiro 2.0.0与Spring Boot 3.x集成时,开发者可能会遇到java.lang.NoClassDefFoundError: javax/servlet/Filter的错误。这个问题源于Java EE向Jakarta EE的迁移过程中包名的变更,Spring Boot 3.x已经完全迁移到Jakarta EE规范。
错误原因分析
该错误的根本原因是Spring Boot 3.x使用的是Jakarta EE 9+规范,其中javax.servlet包已被重命名为jakarta.servlet。而如果直接使用未适配的Shiro版本,Shiro仍然会尝试加载旧的javax.servlet相关类,导致类加载失败。
解决方案
Apache Shiro从2.0.0版本开始提供了对Jakarta EE的适配版本,需要通过特定的classifier来使用:
-
必须引入Shiro BOM:首先需要在dependencyManagement中引入Shiro的BOM(Bill of Materials)来管理依赖版本
-
使用jakarta分类器:所有Shiro相关依赖都需要明确指定
jakarta分类器 -
完整依赖配置示例:
<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>
<dependencies>
<dependency>
<groupId>org.apache.shiro</groupId>
<artifactId>shiro-spring-boot-web-starter</artifactId>
<classifier>jakarta</classifier>
</dependency>
<!-- 其他Shiro依赖也需要添加jakarta分类器 -->
</dependencies>
技术要点
-
Jakarta EE迁移:Java EE从Oracle转移到Eclipse基金会后,所有javax包名都改为jakarta,这是导致兼容性问题的主要原因。
-
Shiro的适配策略:Shiro通过提供带有不同分类器的构建产物来同时支持javax和jakarta两种规范。
-
BOM的作用:Shiro BOM可以确保所有Shiro相关依赖使用一致的版本,避免版本冲突。
最佳实践建议
-
对于新项目,建议直接使用Spring Boot 3.x + Shiro 2.x(jakarta)组合
-
升级现有项目时,需要全面检查所有相关依赖是否都已适配Jakarta EE
-
在IDE中,可以通过查看依赖树来确认是否正确加载了带有jakarta分类器的Shiro组件
-
如果遇到类似类找不到的问题,首先检查是否所有相关依赖都使用了正确的分类器
通过以上配置和注意事项,开发者可以顺利地在Spring Boot 3.x环境中集成Apache Shiro 2.0.0,并避免javax与jakarta命名空间冲突导致的各种问题。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00