Soul网关自定义插件开发中Base64类缺失问题解析
2025-05-27 15:03:28作者:魏侃纯Zoe
问题背景
在使用Soul网关(现Apache Shenyu)进行自定义插件开发时,开发者HoraceTian遇到了一个典型的依赖问题。他在扩展auth认证插件时,系统提示找不到Base64类,尽管已经继承了shenyu-plugin-base基础依赖。
问题现象
开发者创建了两个Maven模块:
- horace-spring-boot-starter-plugin-auth (starter模块)
- horace-shenyu-plugin-auth (插件实现模块)
其中插件实现模块继承了shenyu-plugin父POM,并仅依赖了shenyu-plugin-base基础模块。在JDK17环境下打包时,系统报错提示找不到Base64类。
技术分析
根本原因
Base64类是Java标准库的一部分,通常位于java.util包中。但在某些情况下:
- JDK版本差异:不同JDK版本中Base64类的实现位置可能有所不同
- 模块化系统影响:JDK9+引入了模块化系统,可能导致某些类不可见
- 依赖冲突:项目中可能存在覆盖了JDK自带类的第三方依赖
解决方案验证
通过分析Admin模块的依赖关系,发现需要显式引入opengauss依赖。这是因为:
- Soul/Shenyu的部分功能依赖于特定的数据库驱动
- 这些驱动可能重新实现了Base64编码功能
- 在模块化环境下,显式声明依赖可以确保类加载器能正确找到所需类
最佳实践建议
-
完整依赖配置:开发自定义插件时,除了基础插件依赖外,还应包含:
<dependency> <groupId>org.opengauss</groupId> <artifactId>opengauss-jdbc</artifactId> <version>适配版本</version> </dependency> -
JDK兼容性检查:
- 确认使用的JDK版本与Soul/Shenyu版本兼容
- 检查模块化配置(module-info.java)是否正确
-
依赖范围管理:
- 对于必须的运行时依赖,使用
<scope>provided</scope> - 避免依赖冲突,使用
<exclusions>排除不需要的传递依赖
- 对于必须的运行时依赖,使用
深入理解
这个问题反映了Java生态系统中常见的几个挑战:
- 模块化兼容性:随着Java模块化系统的推进,开发者需要更精确地管理依赖关系
- 运行时环境差异:不同JDK版本可能带来微妙的兼容性问题
- 框架扩展复杂性:企业级框架的插件开发需要考虑完整的运行时上下文
对于Soul/Shenyu这样的网关系统,认证插件通常需要处理各种编码/解码操作,确保所有基础工具类的可用性至关重要。
结论
在Soul/Shenyu网关中开发自定义插件时,开发者应当:
- 全面了解插件所需的完整依赖树
- 特别注意加密/编码相关的工具类依赖
- 针对不同JDK版本进行充分测试
- 参考官方模块的依赖配置作为样板
通过系统化的依赖管理,可以避免类似Base64类缺失的问题,确保插件的稳定运行。
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
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
274
94
暂无简介
Dart
623
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
380
3.41 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
621
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