OpenJ9项目中ThreadListStackTracesTest测试超时问题的分析与解决
在OpenJ9项目JDK24版本的测试过程中,发现serviceability/jvmti/vthread/ThreadListStackTracesTest测试用例出现了超时问题。该问题与虚拟线程(Virtual Threads)和JVMTI(JVM Tool Interface)功能相关,特别是在启用了YieldPinnedVirtualThreads(JEP491)特性时重现。
测试用例的主要目的是验证JVMTI接口在多线程环境下获取线程堆栈跟踪的能力。测试过程中,当尝试获取被锁定的虚拟线程状态时,程序出现了长时间挂起,最终触发了960秒的超时限制。
从测试日志可以看出,测试在执行到获取重入锁和进入同步语句块时卡住。测试期望看到线程状态在WAITING和BLOCKED之间转换,但实际执行时未能完成状态验证。这表明可能存在虚拟线程调度或锁获取方面的问题。
开发团队通过分析发现,问题根源在于虚拟线程与JVMTI交互时的同步机制。当启用YieldPinnedVirtualThreads特性时,虚拟线程的调度行为发生变化,可能导致某些情况下线程无法及时释放资源或被正确调度。
解决方案涉及对JVMTI处理虚拟线程状态的逻辑进行优化,确保在各种调度场景下都能正确获取线程堆栈信息。修复后,测试能够顺利完成所有验证步骤,不再出现超时情况。
这个问题展示了虚拟线程与传统线程模型在工具接口支持方面的差异。随着Java平台对虚拟线程支持的不断完善,相关工具链(如JVMTI)也需要相应调整以适应新的并发模型。OpenJ9团队通过解决此类问题,持续提升运行时环境对现代Java特性的支持能力。
该修复已通过多个拉取请求验证并合并,重新启用了相关测试用例。这标志着OpenJ9在虚拟线程支持方面又向前迈进了一步,为开发者提供了更可靠的虚拟线程调试和监控能力。
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