Apache Shiro 在Spring Boot 3.x中的Jakarta EE兼容性问题解析
Apache Shiro作为Java领域广泛使用的安全框架,在Spring Boot 3.x环境下使用时可能会遇到与Jakarta EE相关的兼容性问题。本文将深入分析这一问题的本质,并提供完整的解决方案。
问题背景
Spring Boot 3.x版本开始全面转向Jakarta EE 9+规范,这意味着所有与Servlet API相关的依赖都从传统的javax.servlet包迁移到了jakarta.servlet包。然而,Apache Shiro的部分核心组件(如FormAuthenticationFilter)在某些版本中仍然依赖于传统的javax.servlet包,这会导致在Spring Boot 3.x环境中运行时出现ClassNotFoundException异常。
问题表现
当开发者在Spring Boot 3.x项目中集成Apache Shiro时,可能会遇到以下典型错误:
java.lang.NoClassDefFoundError: javax/servlet/Filter
Caused by: java.lang.ClassNotFoundException: javax.servlet.Filter
这个错误明确表明系统无法找到javax.servlet包中的Filter类,因为Spring Boot 3.x环境中只存在jakarta.servlet包。
解决方案
要解决这个问题,需要从以下几个方面入手:
-
使用正确的依赖版本: 必须确保使用支持Jakarta EE的Shiro版本。Apache Shiro从1.11.0版本开始提供了对Jakarta EE的支持。
-
配置Maven/Gradle依赖: 在构建工具中需要明确指定使用Jakarta分类器(Classifier)的Shiro依赖。
-
排除冲突依赖: 使用BOM(物料清单)来管理依赖版本,并排除掉非Jakarta的依赖。
具体实施步骤
Maven项目配置
在pom.xml中应该这样配置:
<dependency>
<groupId>org.apache.shiro</groupId>
<artifactId>shiro-spring-boot-starter</artifactId>
<version>2.0.1</version>
<classifier>jakarta</classifier>
</dependency>
Gradle项目配置
在build.gradle中应该这样配置:
implementation('org.apache.shiro:shiro-spring-boot-starter:2.0.1:jakarta')
依赖管理
建议使用Shiro提供的BOM来统一管理依赖版本:
<dependencyManagement>
<dependencies>
<dependency>
<groupId>org.apache.shiro</groupId>
<artifactId>shiro-bom</artifactId>
<version>2.0.1</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
验证方案
配置完成后,可以通过以下方式验证是否成功:
- 检查项目中是否存在
javax.servlet相关的类 - 确保所有Shiro过滤器都使用的是
jakarta.servlet包 - 启动应用并测试基本的认证功能
深入理解
这个问题的本质是Java EE到Jakarta EE的演进过程中的兼容性问题。Jakarta EE是Java EE的后续版本,由于商标授权问题,Oracle将Java EE移交给了Eclipse基金会,并改名为Jakarta EE。在这个过程中,所有API的包名都从javax.*改为了jakarta.*。
Spring Boot 3.x选择完全基于Jakarta EE 9+规范构建,这意味着它不再提供对传统javax.servletAPI的支持。而Apache Shiro作为一个独立的框架,需要同时维护对传统Java EE和现代Jakarta EE的支持,因此提供了不同的构建版本。
最佳实践
- 明确项目环境:在开始项目前,明确使用的Spring Boot版本和对应的Servlet API规范
- 统一依赖管理:使用BOM来统一管理Shiro相关依赖的版本
- 持续关注更新:关注Apache Shiro的发布说明,及时升级到最新稳定版本
- 测试验证:在开发环境中充分测试认证和授权功能
总结
Apache Shiro在Spring Boot 3.x环境中的Jakarta EE兼容性问题是一个典型的规范演进带来的技术挑战。通过正确配置依赖和使用Jakarta分类器,开发者可以顺利地在现代Spring Boot项目中使用Shiro框架。理解这一问题的背景和解决方案,有助于开发者更好地应对类似的技术迁移挑战。
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