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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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