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。
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-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