Spring Framework 6.2.x版本中的Bean初始化并发问题解析
在Spring Framework 6.2.x版本中,开发者可能会遇到一个与Bean初始化相关的并发问题,表现为BeanCurrentlyInCreationException异常。这个问题在6.2.0版本中几乎必然出现,在6.2.2版本中有所缓解但仍会随机发生,直到6.2.3版本才得到彻底解决。
问题现象
当应用程序使用Spring Framework 6.2.x版本时,在多线程环境下初始化Bean的过程中,可能会抛出BeanCurrentlyInCreationException异常。异常信息通常显示为"Error creating bean with name 'xxx': Requested bean is currently in creation",表明系统检测到了Bean创建过程中的循环引用或异步初始化依赖问题。
这个问题特别容易出现在实现了CommandLineRunner接口的JAR应用程序中,且异常发生具有随机性。从日志中可以观察到,一个线程正在创建单例Bean时,另一个线程也尝试获取同一个Bean的实例。
问题根源
这个问题的本质在于Spring Framework 6.2.x版本对Bean初始化锁定机制的改进。在6.2.0版本中,Spring团队对Bean创建的并发控制逻辑进行了调整,目的是解决早期版本中可能出现的死锁问题。然而,这种调整带来了新的并发竞争条件。
具体来说,当多个线程同时尝试初始化同一个Bean时,锁定机制可能无法完全阻止并发创建,导致系统误判为循环依赖。在6.1.x及更早版本中,Spring采用了更强的锁定策略,虽然避免了这类并发问题,但有可能导致死锁。
解决方案演进
Spring团队对这个问题的解决经历了几个阶段:
- 6.2.0版本:问题首次出现,几乎必然发生BeanCurrentlyInCreationException
- 6.2.2版本:通过改进锁定算法部分缓解了问题,但异常仍会随机发生
- 6.2.3版本:彻底解决了这个问题,新的锁定算法既避免了死锁又正确处理了并发初始化
对于仍在使用6.2.2或更早版本的用户,如果无法立即升级,可以考虑以下临时解决方案:
- 确保Bean初始化在单线程环境下进行
- 检查并优化Bean的依赖关系,减少复杂的循环依赖
- 对于必须多线程初始化的场景,考虑使用@Lazy注解延迟初始化
最佳实践
为了避免类似问题,建议开发者:
- 保持Spring Framework版本更新,特别是生产环境应使用经过充分验证的稳定版本
- 在设计Bean时,尽量减少复杂的依赖关系
- 对于多线程环境下的Bean初始化,要特别注意线程安全性
- 合理使用@Lazy、@DependsOn等注解控制初始化顺序
- 在升级Spring版本时,充分测试多线程场景下的Bean初始化过程
Spring Framework 6.2.3版本已经证明能够稳定处理这类并发初始化场景,建议受此问题影响的用户尽快升级到这个版本。
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-X1-7BSpark-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