Spring Framework 6.1.x版本中的CGLIB类加载导致启动性能下降问题解析
2025-04-30 18:50:39作者:薛曦旖Francesca
在Spring Framework 6.1.x版本中,开发团队发现了一个影响应用启动性能的重要问题。这个问题与Spring核心容器在初始化过程中尝试加载CGLIB相关类有关,导致了不必要的性能损耗。
问题背景
Spring框架在实现AOP(面向切面编程)功能时,会使用CGLIB库来创建动态代理。CGLIB是一个强大的代码生成库,它能够在运行时扩展Java类和实现接口。然而,在某些情况下,应用可能并不需要使用CGLIB的功能。
在Spring 6.1.x版本中,框架在启动时会无条件地尝试加载CGLIB相关类,即使应用实际上并不需要这些功能。这种提前的类加载行为导致了两个问题:
- 增加了启动时间,因为类加载是一个相对耗时的操作
- 在某些环境中可能引发不必要的类加载异常
技术细节分析
Spring框架的代理创建机制主要有两种方式:
- JDK动态代理:基于接口的代理
- CGLIB代理:基于类继承的代理
在之前的版本中,Spring已经实现了按需加载的策略,即只有在真正需要创建CGLIB代理时才会加载相关类。但在6.1.x版本中,这个优化策略出现了退化,导致框架在初始化阶段就提前尝试加载CGLIB类。
这种退化行为特别影响以下场景:
- 使用@ComponentScan等注解的应用程序
- 启用了自动代理创建的配置
- 不实际使用CGLIB代理的应用程序
解决方案
Spring开发团队通过以下方式解决了这个问题:
- 恢复了延迟加载策略,确保CGLIB类只在真正需要时才会被加载
- 优化了代理创建器的初始化逻辑
- 确保在不需要CGLIB的场景下完全避免相关类的加载
这个修复显著改善了以下方面的性能:
- 应用启动时间
- 内存使用效率
- 类加载器的压力
对开发者的影响
对于使用Spring 6.1.x版本的开发者,如果遇到以下情况,建议升级到包含此修复的版本:
- 应用启动时间明显变长
- 在受限环境中运行时出现意外的类加载问题
- 使用大量@Component注解但不需要CGLIB代理的场景
这个修复是向后兼容的,不会影响现有的应用程序逻辑,只是优化了性能表现。
最佳实践
基于这个问题,我们可以总结出一些Spring应用开发的最佳实践:
- 明确指定代理方式:在@EnableAspectJAutoProxy中显式设置proxyTargetClass属性
- 最小化自动扫描范围:精确配置@ComponentScan的basePackages
- 定期更新Spring版本:及时获取性能优化和问题修复
通过理解这个问题及其解决方案,开发者可以更好地优化自己的Spring应用程序,特别是在对启动性能敏感的场景中。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137