JeecgBoot项目中Shiro双重过滤导致的性能问题分析
2025-05-02 03:20:08作者:姚月梅Lane
问题背景
在JeecgBoot 3.7.1版本中,部分用户反馈系统运行效率较低,请求处理时间过长。通过性能分析发现,某些请求的处理时间达到了300毫秒以上,这明显超出了正常范围。
问题根源
经过深入排查,发现这是由于Shiro安全框架被配置了双重过滤器导致的:
- DelegatingFilterProxy:Spring提供的标准过滤器代理
- ShiroFilterFactoryBean:Shiro自身的过滤器工厂
这种双重配置导致每个请求实际上被Shiro安全框架处理了两次,造成了不必要的性能开销。
技术原理分析
在Spring Boot集成Shiro的典型配置中,通常只需要配置其中一个过滤器即可:
- DelegatingFilterProxy:这是Spring提供的通用过滤器代理,它会将过滤逻辑委托给Spring容器中定义的过滤器bean
- ShiroFilterFactoryBean:这是Shiro提供的专用过滤器工厂,它会创建并配置Shiro的过滤器链
当两者同时存在时,会导致:
- 请求首先被DelegatingFilterProxy拦截并处理
- 然后又被ShiroFilterFactoryBean创建的过滤器链再次处理
- 所有安全校验逻辑(如权限验证、会话管理等)都会执行两次
解决方案
最简单的解决方案是注释掉其中一个过滤器的配置。根据JeecgBoot的实际情况,推荐保留ShiroFilterFactoryBean的配置,而注释掉DelegatingFilterProxy的配置。
性能影响
通过修复这个问题,可以带来显著的性能提升:
- 减少约50%的Shiro相关处理时间
- 降低系统CPU使用率
- 提高系统整体吞吐量
最佳实践建议
- 在集成安全框架时,应仔细检查过滤器的配置,避免重复
- 使用性能分析工具定期检查请求处理链路
- 对于关键业务接口,建议进行基准测试
- 升级到最新版本的JeecgBoot,该问题已在后续版本中修复
总结
Shiro双重过滤配置是Spring Boot项目中常见的一个性能陷阱。通过理解Shiro和Spring过滤机制的工作原理,开发者可以避免这类问题,构建更高效的应用程序。JeecgBoot团队已经在新版本中修复了这个问题,建议用户及时升级以获得最佳性能体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217