Apache StreamPark 项目在 JDK 17 下的构建问题分析
Apache StreamPark 是一个流处理应用开发框架,近期有用户反馈在 macOS 系统上使用 JDK 17 构建 dev-2.1.3 和 release-2.1.2 版本时遇到了构建失败的问题。本文将深入分析这一问题的原因,并提供解决方案。
问题现象
当开发者在 macOS 系统上使用 JDK 17 构建 StreamPark 的 dev-2.1.3 和 release-2.1.2 版本时,构建过程会在编译阶段失败,并抛出以下关键错误信息:
java.lang.RuntimeException: /packages cannot be represented as URI
错误堆栈显示问题发生在 Scala 编译器处理 JRT 文件系统路径时,这表明是 JDK 17 与 Scala 编译器之间的兼容性问题。
根本原因分析
-
JDK 版本兼容性:StreamPark 的 dev-2.1.3 和 release-2.1.2 版本在设计时并未完全适配 JDK 17 环境。项目主要针对 JDK 8 和 JDK 11 进行了测试和验证。
-
Scala 编译器问题:错误发生在 Scala 编译器尝试处理 JDK 17 的模块系统(JRT文件系统)时。JDK 17 引入了一些内部变化,导致 Scala 编译器无法正确处理某些路径表示。
-
构建工具链限制:项目使用的构建工具链(包括 Maven 和 Scala 插件)在 JDK 17 环境下可能存在兼容性问题,特别是在处理模块路径和类路径时。
解决方案
对于需要构建 StreamPark dev-2.1.3 和 release-2.1.2 版本的开发者,建议采用以下方案:
-
使用 JDK 11:这是官方推荐的构建环境,可以确保构建过程顺利完成。JDK 11 是目前 StreamPark 这些版本的主要支持环境。
-
使用 JDK 8:作为备选方案,JDK 8 也能成功构建这些版本,但需要注意某些新特性可能不可用。
-
升级到支持 JDK 17 的版本:如果需要使用 JDK 17,可以考虑使用 StreamPark 的最新开发版本,因为新版本通常会逐步增加对新 JDK 版本的支持。
技术背景
JDK 17 引入了多项重要变化,包括:
-
模块系统增强:JRT(Java Runtime)文件系统的内部实现有所变化,导致一些工具链在处理路径时出现问题。
-
强封装:JDK 17 加强了内部API的封装,这可能会影响依赖反射或内部API的工具。
-
Scala 兼容性:Scala 编译器需要针对不同JDK版本进行适配,特别是在处理类路径和模块路径时。
最佳实践建议
-
开发环境标准化:建议团队统一使用 JDK 11 作为 StreamPark 项目的开发和构建环境,以确保一致性。
-
版本选择:如果项目必须使用 JDK 17,应考虑升级到 StreamPark 的最新版本,而不是尝试在老版本上解决问题。
-
构建隔离:可以考虑使用容器技术(Docker)来隔离构建环境,确保构建环境的纯净和一致性。
通过以上分析和建议,开发者可以更好地理解 StreamPark 项目在不同 JDK 版本下的构建行为,并选择最适合自己项目的解决方案。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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