Jetty项目中的FillInterest重复注册问题解析与修复
背景介绍
在Jetty 12.0版本中,存在一个关于FillInterest机制的有趣问题。FillInterest是Jetty内部用于管理I/O读写兴趣的核心组件,它通过回调机制通知应用程序何时可以进行读写操作。这个问题最初由用户rmannibucau在真实应用场景中发现,表现为系统日志中出现不必要的警告信息。
问题现象
当应用程序尝试将同一个流(Flow.Publisher)同时用于输入和输出时,会出现FillInterest被同一个回调对象重复注册的情况。具体表现为:
- 系统日志中出现"Read pending"警告
- SerializedInvoker会捕获异常并调用onError
- 虽然功能上一切正常,但这些警告信息会给运维人员带来困扰
技术原理
FillInterest的核心机制是通过AtomicReference来管理当前感兴趣的回调对象。其关键方法tryRegister使用compareAndSet(null, callback)来确保只有一个回调能被注册。当第二次注册发生时,由于CAS操作失败,会返回false,进而触发警告日志。
在正常情况下,这确实是应该警告的情况,因为它通常意味着编程错误。但在某些特殊场景下,特别是当:
- 同一个流被同时用于输入和输出
- 存在背压和延迟处理
- 异步环境下读写操作可能同时发生
这时,同一个回调被重复注册实际上是合理的,不应该触发警告。
解决方案
Jetty团队经过深入分析后,提出了两种可能的修复方案:
- 简单判断法:在CAS失败后,检查当前注册的回调是否就是请求注册的回调
if (!_interested.compareAndSet(null, callback))
return _interested.get() == callback;
- 原子更新法:使用更精确的原子操作来确保一致性
if (_interested.updateAndGet(before -> before == null ? callback : before) != callback)
return false;
最终团队选择了更全面的修复方案,不仅解决了警告问题,还修正了客户端在多线程环境下使用Content.Source时可能出现的内部状态损坏问题。
最佳实践
对于开发者而言,需要注意:
- 尽量避免在非Jetty控制线程中直接使用Content.Source
- 如果必须使用外部线程,确保正确处理线程同步
- 对于流式处理场景,考虑使用Jetty提供的异步API而非直接操作底层组件
总结
Jetty团队对这个问题的处理展示了开源项目对用户反馈的重视程度。他们不仅快速定位了问题根源,还提供了完善的解决方案,既解决了表面警告问题,又修复了深层次的线程安全问题。这体现了Jetty作为成熟网络框架的严谨性和对用户体验的关注。
对于使用Jetty的开发者来说,升级到包含此修复的版本后,可以消除相关警告信息,同时获得更稳定的流处理能力。这也提醒我们在使用网络框架时,要特别注意异步环境下的线程安全问题。
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