Jetty项目中AsyncMiddleManServlet响应刷新机制解析
Jetty作为一款高性能的Java Web服务器和Servlet容器,其内置的代理功能被广泛应用于各种场景。本文重点分析Jetty 12中AsyncMiddleManServlet的响应刷新机制,帮助开发者理解其工作原理及优化方法。
AsyncMiddleManServlet是Jetty提供的一个异步代理Servlet,主要用于内容转换场景。与普通代理Servlet不同,它在处理响应内容时采用了缓冲机制,这虽然提高了性能,但也可能造成响应延迟问题。
核心问题在于,AsyncMiddleManServlet默认使用ServletOutputStream.write()方法写入响应内容,这些写入操作会被缓冲,而Servlet规范并未强制要求立即刷新缓冲区。对于代理场景来说,这种缓冲行为可能导致客户端接收数据的延迟,特别是在处理大文件或流式数据时表现更为明显。
深入分析其实现机制,我们发现ProxyWriter内部使用ArrayDeque来管理响应数据块。值得注意的是,这个队列并非线程安全,但在实际运行中可能被并发访问,这是一个潜在的风险点。Jetty团队已确认这一问题并计划修复。
针对响应刷新问题,开发者有以下几种解决方案:
-
设置较小的响应缓冲区大小:通过调用HttpServletResponse.setBufferSize()方法,可以强制更频繁地刷新缓冲区。
-
覆盖writeProxyResponseContent方法(需要Jetty 12.0.x及以上版本):
protected void writeProxyResponseContent(ServletOutputStream output, ByteBuffer content) throws IOException {
super.writeProxyResponseContent(output, content);
if (output.isReady()) {
output.flush();
}
}
特别需要注意的是,在异步Servlet环境中执行flush操作时,必须先检查isReady()状态。这是因为flush操作本身也可能是异步的,如果直接调用flush而前一个写操作尚未完成,将会抛出IllegalStateException。
对于需要更早刷新响应的场景(如在接收到服务端响应后立即刷新),可以覆盖onServerResponseHeaders方法来实现。但不建议在响应状态行后就立即刷新,这会对性能产生负面影响。
HTTP/1.1和HTTP/2在客户端中断处理上也有差异:HTTP/1.1需要主动写入才能检测连接中断,而HTTP/2通过RST_STREAM帧可以立即获知请求取消状态。开发者应根据实际使用的协议版本考虑不同的超时和中断处理策略。
通过理解这些机制,开发者可以更好地优化Jetty代理Servlet的响应性能,在保证功能完整性的同时提供更好的用户体验。
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