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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00