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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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