Apache Logging Log4j2 并发修改异常问题分析与修复
2025-06-24 02:00:38作者:凌朦慧Richard
问题背景
在Apache Logging Log4j2日志框架的使用过程中,开发团队发现了一个在多线程环境下运行时修改日志级别时出现的并发修改异常(ConcurrentModificationException)。这个问题主要发生在服务启动阶段,当多个线程同时尝试通过Configurator.setLevel()方法动态调整日志级别时。
异常现象
异常堆栈显示,问题发生在LoggerContext.updateLoggers()方法中,具体是在处理日志记录器集合时发生的并发修改。异常表明在对HashMap进行迭代操作时,集合被其他线程修改,导致迭代器检测到并发修改而抛出异常。
技术分析
深入分析问题根源,我们发现这与Log4j2内部的两个关键类有关:
- LoggerRegistry类:负责管理日志记录器的注册表
- InternalLoggerRegistry类:内部日志记录器注册表的实现
问题主要出在InternalLoggerRegistry.getLoggers()方法的实现上。该方法返回一个Stream对象,但在获取Stream后立即释放了读锁。这意味着虽然获取Stream时持有锁,但实际使用Stream时锁已被释放,导致在多线程环境下可能出现并发修改。
解决方案
修复方案主要包含两个部分:
-
InternalLoggerRegistry类的修复:
- 在保持读锁的情况下,先将所有日志记录器收集到一个List中
- 然后释放锁并返回该List的Stream
- 这样确保了在遍历日志记录器时数据的一致性
-
LoggerRegistry类的改进:
- 重构了getLoggers()方法的实现
- 避免了在Stream.forEach()中直接修改集合的不良实践
- 改为使用collect(Collectors.toList())方式收集结果
修复效果
这个修复方案:
- 解决了在多线程环境下动态修改日志级别时的并发问题
- 保持了API的兼容性
- 提高了代码的健壮性和线程安全性
- 遵循了更好的Stream API使用实践
最佳实践建议
基于这个问题的经验,我们建议开发者在以下场景中注意:
- 当在多线程环境中使用Log4j2时,特别是动态修改配置时
- 在使用Stream API处理可能被并发修改的集合时
- 设计需要返回Stream的API时,考虑数据一致性和线程安全问题
这个修复已经包含在Log4j2的后续版本中,建议用户升级到包含此修复的版本以获得更好的稳定性和线程安全性。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
操作系统概念第六版PDF资源全面指南:适用场景与使用教程 RadiAnt DICOM Viewer 2021.2:专业医学影像阅片软件的全面指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1