Apache Fury 序列化框架中的空指针异常问题解析
2025-06-25 00:58:52作者:翟江哲Frasier
问题背景
Apache Fury 是一个高性能的跨语言序列化框架,在 Java 生态中提供了高效的二进制序列化能力。在最新版本的 Fury(0.7.1 和 0.9.0)中,开发者报告了一个在处理包含空元素的集合序列化时出现的空指针异常问题。
问题复现
当开发者尝试序列化一个包含嵌套集合结构的对象时,如果集合中包含 null 元素,就会触发 NullPointerException。具体场景如下:
- 创建一个 DataHolder 对象,其内部包含一个 List
- 在这个列表中添加一个 null 元素
- 将这个 DataHolder 对象放入另一个列表
- 尝试使用 Fury 序列化包含 DataHolder 列表的响应对象
异常分析
异常堆栈显示问题出现在 ClassResolver.createSerializer 方法中,这表明 Fury 在尝试为集合元素创建序列化器时,没有正确处理 null 元素的情况。具体来说:
- 当序列化包含 null 元素的集合时,Fury 会尝试获取元素的类型信息
- 对于 null 元素,Fury 没有进行特殊处理,而是直接尝试获取其类信息
- 这导致了 NullPointerException 的发生
技术影响
这个问题会影响以下使用场景:
- 任何包含可能为 null 元素的集合序列化
- 嵌套集合结构的序列化
- 使用兼容模式(CompatibleMode.COMPATIBLE)的序列化操作
解决方案
Apache Fury 团队已经确认了这个问题,并在 pull request #2111 中修复了该问题。修复方案主要包括:
- 在集合序列化时增加对 null 元素的检查
- 确保在遇到 null 元素时能够正确跳过类型信息获取
- 保持与现有序列化协议的兼容性
最佳实践
对于开发者来说,在使用 Fury 进行序列化时,可以采取以下措施:
- 如果可能,尽量避免在集合中使用 null 元素
- 升级到包含修复的版本(0.9.0 之后的版本)
- 对于必须包含 null 的场景,可以先测试序列化是否正常工作
总结
这个问题的修复体现了 Apache Fury 团队对框架稳定性的持续改进。作为高性能序列化框架,正确处理边界情况(如 null 元素)对于保证生产环境的可靠性至关重要。开发者可以期待在下一个正式版本中获得这个修复。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
724
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
198
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460