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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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