SpringDoc OpenAPI中@Hidden注解失效问题解析与解决方案
问题背景
在Spring Boot应用中使用SpringDoc OpenAPI生成API文档时,开发人员可能会遇到一个常见问题:当使用@Hidden注解标记REST控制器类时,该控制器仍然会出现在生成的OpenAPI文档中。这个问题在Spring Boot 3.2.4和springdoc-openapi-starter-common 2.6.0版本中尤为明显。
问题根源分析
这个问题的根本原因在于Spring框架的默认代理机制CGLIB。当Spring创建控制器类的代理时,会在原始类名后添加"$$SpringCGLIB$$0"后缀。SpringDoc OpenAPI在检查类是否被@Hidden注解标记时,直接使用了代理类名进行比较,导致无法正确识别原始类上的注解。
具体来说,问题出在AbstractOpenApiResource类的isHiddenRestControllers方法中,该方法直接使用isAssignableFrom方法比较类对象,而没有考虑Spring代理类的情况。
技术细节
Spring框架使用CGLIB或JDK动态代理来实现AOP功能。对于没有实现接口的类,Spring默认使用CGLIB代理,这会在原始类名后添加特殊后缀。这种代理机制虽然对业务逻辑透明,但在反射和注解处理时需要特别注意。
在SpringDoc OpenAPI的实现中,isHiddenRestControllers方法通过检查类是否被@Hidden注解标记来决定是否在文档中显示该控制器。由于代理类名的变化,这个检查逻辑失效了。
解决方案
Spring框架提供了ClassUtils.getUserClass方法来获取代理背后的原始类。我们可以利用这个方法来解决注解识别问题。具体实现方式是在检查@Hidden注解时,先通过getUserClass方法获取原始类,然后再进行比较。
这个解决方案已经被项目维护者采纳并合并到代码库中。修改后的逻辑能够正确处理代理类情况,确保@Hidden注解按预期工作。
最佳实践
- 当遇到Spring代理导致的注解识别问题时,优先考虑使用Spring提供的工具类如
ClassUtils来处理 - 在自定义注解处理器时,始终考虑代理类的情况
- 对于重要的API文档控制,除了类级别的
@Hidden注解,也可以考虑使用方法级别的控制
总结
Spring框架的代理机制虽然强大,但在处理注解时可能会带来一些意外情况。理解这些机制并学会使用Spring提供的工具类来处理代理类问题,是每个Spring开发者应该掌握的技能。通过这次问题的分析和解决,我们不仅解决了@Hidden注解失效的问题,也加深了对Spring代理机制的理解。
对于使用SpringDoc OpenAPI的开发者来说,升级到包含此修复的版本后,可以放心使用@Hidden注解来控制API文档的生成,确保文档的准确性和完整性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00