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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0210
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0133
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
wgai开箱即用的JAVAAI在线训练识别平台&OCR平台AI合集包含旦不仅限于(车牌识别、安全帽识别、抽烟识别、常用类物识别等) 图片和视频识别,可自主训练任意场景融合了AI图像识别opencv、yolo、ocr、esayAI内核识别;AI智能客服、AI语言模型、 无任何第三方API接口可定制化自主离线化部署并自主化行业化使用避免占用内存、GPU消耗训练与识别分开使用;Java06
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03