Apache Logging Log4j2 并发修改异常问题分析与修复
问题背景
在Apache Logging Log4j2日志框架的使用过程中,开发团队发现了一个在多线程环境下运行时修改日志级别时出现的并发修改异常(ConcurrentModificationException)。这个问题主要发生在服务启动阶段,当多个线程同时尝试通过Configurator.setLevel()方法动态调整日志级别时。
异常现象
异常堆栈显示,问题出现在LoggerContext.updateLoggers()方法中,具体是在处理日志记录器集合时发生的。从技术实现上看,这是由于Log4j2内部使用的WeakHashMap在并发遍历时被修改导致的经典并发问题。
技术分析
深入分析代码实现,我们发现问题的根源在于InternalLoggerRegistry类中的getLoggers()方法实现方式。该方法返回一个Stream对象,但在Stream被处理时,底层的WeakHashMap可能已经被其他线程修改。具体表现为:
- 原始实现直接返回WeakHashMap值的Stream视图
- 在多线程环境下,一个线程正在遍历Stream时,另一个线程可能修改了WeakHashMap
- 这种修改会导致ConcurrentModificationException
解决方案
修复方案的核心思想是确保在获取日志记录器集合时创建一个不可变的快照。具体实现包括:
- 在持有读锁的情况下,将所有Logger实例收集到一个List中
- 然后基于这个List创建Stream返回
- 这样即使原始WeakHashMap被修改,也不会影响已经创建的Stream
这种方案既保证了线程安全,又保持了Stream API的惰性求值特性。修复后的代码结构更加健壮,符合Java并发编程的最佳实践。
额外优化
在问题排查过程中,开发人员还发现LoggerRegistry类中存在一处可以改进的代码风格问题:
原始实现使用Stream.forEach()来填充外部集合,这种方式虽然功能正确,但不是最佳实践。更推荐的方式是使用collect(Collectors.toList())直接返回新的集合,这样代码更清晰且更符合函数式编程的风格。
影响范围
该问题影响Log4j2 2.x版本,特别是在高并发场景下动态调整日志级别的应用。修复后显著提高了框架在多线程环境下的稳定性。
总结
这个案例展示了在框架设计中处理并发问题的典型挑战。通过创建不可变的数据快照来避免并发修改异常,是Java并发编程中常用的解决方案。Log4j2团队对此问题的快速响应和修复,体现了该开源项目对稳定性和可靠性的高度重视。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
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