Oj 库在 Rails 7.2 中 as_json 方法失效问题解析
问题背景
Oj 是一个高性能的 JSON 处理库,常用于 Ruby 和 Rails 项目中。在 Rails 7.2.0 版本发布后,开发者发现当使用 Oj.mimic_JSON 方法时,自定义的 as_json 方法会被忽略,导致 JSON 序列化结果不符合预期。
问题现象
在 Rails 7.2.0 环境下,当执行以下代码时:
class TestObject
def as_json
{ foo: :bar }
end
end
puts TestObject.new.to_json
预期输出应该是 {"foo":"bar"},但实际却输出了类似 "#<Test:0x000000012024e9d0>" 的对象字符串表示形式,这表明 as_json 方法没有被正确调用。
技术分析
Rails 7.2 的变更
这个问题源于 Rails 7.2 对 JSON 序列化机制的修改。在 Rails 7.1 及之前版本中,ActiveSupport 使用 prepend 方式来覆盖 to_json 方法:
prepend Module.new {
def to_json(...)
as_json(...).to_json(...)
end
}
而在 Rails 7.2 中,改为使用 include 方式:
include Module.new {
def to_json(...)
as_json(...).to_json(...)
end
}
这一变更影响了方法查找顺序,导致 Oj 的 to_json 实现优先于 ActiveSupport 的实现被调用。
Oj 的实现机制
Oj 通过 mimic_JSON 方法提供了与标准 JSON 库兼容的接口。在实现上,它会重新定义 Object#to_json 方法。在 Rails 7.1 中,由于 ActiveSupport 使用 prepend,其实现会在方法调用链的最后被执行,因此能正确调用 as_json 方法。但在 Rails 7.2 中,include 改变了这一顺序。
解决方案
Oj 维护者提出了几种解决方案:
- 条件性定义方法:只在 ActiveSupport 未加载时定义
to_json方法 - 修改默认模式:将 Oj 的默认模式设置为 RailsMode
- 模块化方法定义:类似 JSON gem 的做法,通过模块包含而非直接方法覆盖
最终采用了第一种方案,通过检查 ActiveSupport 是否已加载来决定是否定义 to_json 方法。这种方案既保持了向后兼容性,又解决了 Rails 7.2 下的问题。
最佳实践
对于使用 Oj 的 Rails 项目,建议:
- 确保使用最新版本的 Oj(包含此修复)
- 如果同时使用
mimic_JSON和 Rails,确保调用顺序正确 - 考虑在应用的早期初始化阶段(如 boot.rb)加载 Oj 配置
总结
这个问题展示了 Ruby 中方法覆盖和模块包含机制的复杂性,特别是在大型框架如 Rails 中。Oj 的维护者通过细致的分析和灵活的解决方案,既解决了当前问题,又保持了库的稳定性和兼容性。对于开发者而言,理解这些底层机制有助于更好地调试和解决类似问题。
此修复已包含在 Oj 的最新版本中,遇到类似问题的开发者只需升级 Oj 即可解决。
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