Apache Pulsar订阅级别分发速率策略设置异常分析
问题背景
在Apache Pulsar 3.0.7版本中,当管理员尝试通过命令行工具为特定主题的订阅设置分发速率策略时,系统会间歇性地抛出UnsupportedOperationException异常。这个异常发生在底层尝试修改一个不可变集合时,导致订阅级别的速率限制策略无法正常设置。
技术细节
问题的核心在于Pulsar Broker处理订阅策略时的集合初始化逻辑。当系统中某个订阅尚未设置过任何策略时,系统会返回一个Collections.emptyMap(),这是一个不可变的空集合。然而,后续代码却尝试对这个不可变集合进行修改操作,具体是调用了computeIfAbsent方法。
从技术实现来看,PersistentTopicsBase类中的internalSetSubscriptionLevelDispatchRate方法在处理订阅策略时,没有考虑到空策略的情况。当subscriptionPolicies为null时,直接使用了Collections.emptyMap(),而后续代码却假设这个集合是可修改的。
影响范围
该问题主要影响以下场景:
- 首次为订阅设置分发速率策略时
- 对从未设置过任何策略的订阅进行操作时
- 使用Pulsar 3.0.x版本的管理接口
解决方案
正确的实现应该是在subscriptionPolicies为null时,返回一个新的可修改的HashMap,而不是不可变的emptyMap。这样可以确保后续的computeIfAbsent操作能够正常执行。
修复方案已经通过PR提交,主要修改是将返回的不可变集合替换为可变集合实现。这个修复属于bug fix范畴,应当被cherry-pick到3.0.x维护分支中。
最佳实践
对于使用Pulsar的管理员和开发者,建议:
- 升级到包含此修复的版本
- 在设置订阅级别策略前,可以先检查策略是否存在
- 对于关键业务系统,考虑在应用层添加重试逻辑处理可能的异常
总结
这个案例展示了在使用不可变集合时需要特别注意的编程实践。在系统设计中,接口返回的集合性质(可变/不可变)应当与后续使用场景保持一致,否则就会引发类似的运行时异常。Apache Pulsar社区对此类问题的快速响应也体现了开源项目在质量保证方面的成熟流程。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00