Quarkus Quickstarts项目中的Amazon服务测试在Java 21下的问题分析
问题背景
在Quarkus Quickstarts项目中,使用Java 21运行Amazon服务相关的测试时会出现挂起现象。具体表现为测试执行过程中检测到10分钟无活动,最终导致测试失败。这个问题影响到了所有Amazon服务相关的快速入门示例,包括DynamoDB、KMS、S3、SES、SNS、SQS和SSM等模块。
问题现象
当开发者在Java 17环境下运行测试时,一切正常,测试可以在约1分钟内完成。然而,当切换到Java 21环境后,测试会挂起并最终失败,错误信息显示Quarkus测试检测到了挂起状态。从堆栈跟踪来看,问题发生在应用程序关闭阶段,特别是在尝试关闭Amazon服务客户端时。
根本原因分析
通过分析堆栈跟踪,可以发现问题出现在Amazon SDK的关闭流程中。具体来说,当应用程序尝试关闭Amazon服务客户端时,线程在等待ExecutorService终止时被阻塞。这种阻塞行为在Java 21环境下表现得更为明显,而在Java 17下则不会出现。
解决方案
经过研究,发现有两种可行的解决方案:
- 升级quarkus-amazon-services版本到2.13.1(这在项目的主分支中已经实现)
- 使用来自quarkus.platform.group-id的quarkus-amazon-services-bom,而不是io.quarkiverse.amazonservices(这在code.quarkus中已经采用)
根据Quarkus核心开发团队的建议,最佳实践是始终使用平台BOM(Bill of Materials)。虽然Amazon服务扩展的文档提到新版本已经迁移到了io.quarkiverse.amazonservices组ID下,但从依赖对齐的角度考虑,使用平台BOM仍然是推荐的做法。
技术细节
问题的本质在于Amazon SDK在Java 21环境下的关闭行为发生了变化。当应用程序关闭时,Amazon SDK尝试关闭其内部资源,包括ExecutorService。在Java 21中,这个关闭过程可能会因为线程管理的变化而出现延迟或阻塞。
使用平台BOM可以确保所有依赖版本的一致性,避免因为版本冲突或不兼容导致的问题。特别是对于Amazon服务这种需要与多种其他组件协同工作的场景,版本对齐尤为重要。
实施建议
对于遇到类似问题的开发者,建议采取以下步骤:
- 检查并确保使用的是平台提供的BOM
- 确认Amazon服务扩展的版本与Quarkus平台版本兼容
- 如果必须使用特定版本的Amazon服务扩展,确保其与Java 21兼容
- 在测试配置中考虑增加quarkus.test.hang-detection-timeout属性,以便更好地诊断潜在问题
结论
这个问题展示了Java版本升级可能带来的微妙兼容性问题,特别是在涉及第三方库和框架时。通过使用平台提供的BOM和保持依赖版本的一致性,可以最大限度地减少这类问题的发生。对于Quarkus项目来说,遵循平台推荐的最佳实践是确保稳定性和兼容性的关键。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00