Apache Fury 在 Spring Boot Native Image 构建中的兼容性问题分析
问题背景
Apache Fury 是一个高性能的序列化框架,但在与 Spring Boot 的 Native Image 构建过程中出现了兼容性问题。当开发者尝试使用 Spring Boot 的 bootBuildImage 任务构建原生镜像时,如果项目中引入了 Fury 依赖,构建过程会失败。
错误现象
构建过程中出现的核心错误信息如下:
Caused by: org.graalvm.compiler.debug.GraalError: com.oracle.graal.pointsto.constraints.UnsupportedFeatureException:
An object of type 'ch.qos.logback.core.status.InfoStatus' was found in the image heap.
This type, however, is marked for initialization at image run time for the following reason:
classes are initialized at run time by default.
错误表明 GraalVM 原生镜像构建器在分析阶段发现了一个 ch.qos.logback.core.status.InfoStatus 类型的对象被包含在了镜像堆中,但该类型被标记为运行时初始化,这违反了 GraalVM 原生镜像的构建规则。
技术原理分析
GraalVM 原生镜像的初始化策略
GraalVM 原生镜像构建器对 Java 类的初始化有两种策略:
- 构建时初始化:类在镜像构建阶段就被初始化,其静态字段的值会被"冻结"到镜像中
- 运行时初始化:类在镜像运行时才被初始化,保持常规 JVM 的行为
问题根源
错误信息指出,Fury 框架在某种程度上导致了 Logback 的 InfoStatus 对象被包含在了镜像堆中。根据 GraalVM 的规则:
- 所有存储在镜像堆中的对象必须来自构建时初始化的类
InfoStatus类被标记为运行时初始化(这是默认行为)- 这种不一致导致了构建失败
解决方案方向
根据错误提示,开发者有两个解决方向:
-
将
InfoStatus类标记为构建时初始化:- 添加构建参数:
--initialize-at-build-time=ch.qos.logback.core.status.InfoStatus - 需要确保该类的静态字段不包含敏感数据且适合构建时初始化
- 添加构建参数:
-
找出并阻止
InfoStatus对象的创建:- 使用
--trace-object-instantiation=ch.qos.logback.core.status.InfoStatus追踪对象创建 - 找到创建该对象的类并将其标记为运行时初始化
- 使用
实际验证
开发者验证发现,移除 Fury 依赖后构建成功,这表明 Fury 框架与 Logback 的交互方式导致了这个问题。可能的原因是:
- Fury 在序列化/反序列化过程中触发了 Logback 的状态记录
- Fury 的某些静态初始化块间接创建了 Logback 状态对象
最佳实践建议
对于需要在 Spring Boot Native Image 中使用 Fury 的开发者,可以尝试以下方法:
-
配置 Native Image 构建参数: 在
application.properties中添加适当的 Native Image 配置,处理相关的初始化问题 -
调整日志配置: 考虑使用更简单的日志实现,或者配置 Logback 避免在构建时创建状态对象
-
等待框架更新: 关注 Fury 项目对 GraalVM 原生镜像支持的改进
总结
这个问题展示了在将复杂框架与 GraalVM 原生镜像结合时可能遇到的典型挑战。理解 GraalVM 的初始化模型和对象持久化规则对于解决这类问题至关重要。开发者需要仔细评估框架间的交互方式,并通过适当的配置来确保兼容性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00