Jackson Databind 中 Java Record 的 READ_ONLY 属性反序列化问题解析
在 Jackson Databind 2.18.x 版本中,开发者在使用 Java Record 类型配合 @JsonProperty(access = READ_ONLY) 注解时遇到了一个意外的异常问题。本文将深入分析该问题的技术背景、产生原因及解决方案。
问题现象
当开发者定义如下 Record 类型时:
record Dummy(
@JsonProperty(value = "a", access = READ_ONLY) String a,
@JsonProperty(value = "b", access = READ_ONLY) String b
) {}
在 2.18.x 版本中执行反序列化操作时,会抛出 InvalidDefinitionException 异常,提示存在重复的 creator 属性 "b"。而在 2.18 之前的版本中,虽然不会抛出异常,但 READ_ONLY 的语义并未被正确遵守。
技术背景
Java Record 特性
Java 14 引入的 Record 类型是一种特殊的数据载体类,其组件(components)默认就是不可变的字段。Jackson 从 2.12 版本开始支持 Record 类型的序列化/反序列化。
@JsonProperty.access 语义
Jackson 的 @JsonProperty 注解中的 access 属性用于控制属性的访问权限:
READ_ONLY:只能读取(序列化),不能写入(反序列化)WRITE_ONLY:只能写入(反序列化),不能读取(序列化)
问题根源
经过 Jackson 开发团队分析,这个问题源于 2.18 版本中对 Record 类型处理逻辑的调整。具体表现为:
- 参数名处理冲突:当
@JsonProperty.value显式指定与 Record 组件名相同的值时,2.18.x 版本会在内部创建重复的参数绑定 - 版本行为差异:
- 2.14-2.17:静默忽略 READ_ONLY 设置,仍会反序列化字段值
- 2.18.0-2.18.3:抛出重复属性异常
- 2.18.4+/2.19+:正确处理为传递 null 值
解决方案
临时解决方案
对于 2.18.0-2.18.3 版本,可以移除冗余的 value 属性:
record Dummy(
@JsonProperty(access = READ_ONLY) String a,
@JsonProperty(access = READ_ONLY) String b
) {}
长期解决方案
升级到 Jackson Databind 2.18.4 或 2.19.0 及以上版本,这些版本已修复该问题。
设计建议
根据 Jackson 团队的说明,开发者可能需要重新考虑属性访问控制的设计:
- 如果目标是"客户端可写但服务器端只读",应使用
WRITE_ONLY而非READ_ONLY - 2.19 版本新增的
MapperFeature.INVERSE_READ_WRITE_ACCESS可以交换两者的语义
最佳实践
- 对于 Record 类型,避免同时使用
@JsonProperty.value和组件同名 - 明确区分序列化/反序列化方向的需求,正确选择 READ_ONLY/WRITE_ONLY
- 在 OpenAPI 等代码生成场景中,注意生成的注解是否符合实际需求
总结
这个问题展示了 Jackson 在处理现代 Java 特性时的复杂性。Record 类型与注解的组合使用需要特别注意语义一致性。开发者应当:
- 了解所用 Jackson 版本的具体行为
- 明确属性访问控制的真实需求
- 及时更新到修复版本以获得预期行为
Jackson 团队已确认该问题将在 2.18.4 和 2.19.0 版本中修复,届时 Record 类型配合 READ_ONLY 注解将能正确传递 null 值而非抛出异常。
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
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
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
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01