博客
关于我
来啊踩fastjson打印入参导致业务跑偏的坑
阅读量:489 次
发布时间:2019-03-06

本文共 643 字,大约阅读时间需要 2 分钟。

在使用Spring AOP切面进行日志记录时,若遇到JSONObject.toJSONString(pjp.getArgs())抛出IllegalStateException,提示“当前请求不在异步模式中”,可以按照以下步骤进行排查和解决:

  • 检查日志切面中的参数类型:首先,确认pj.getArgs()中的参数类型是否包含不支持FastJSON序列化的对象,如某些自定义对象或特殊类型。确保所有参数均可被FastJSON正常处理。

  • 审查业务逻辑:检查业务方法中是否存在潜在的异常情况,例如未捕获的异常或状态不一致,导致切面在非异步请求中执行了不允许的操作。

  • 分析FastJSON序列化过程:深入查看FastJSON源码,特别是writeWithFieldNamewrite方法,确认是否在处理特定类型(如集合、数组或自定义对象)时遇到问题。注意动态生成的ASM代码部分是否有错误。

  • 调整序列化配置:尝试通过配置SerializerFeature来调整序列化行为,例如禁用某些特性或设置合适的日期格式,避免不必要的复杂处理。

  • 测试和验证:在非生产环境中模拟不同场景,验证日志记录是否正常工作。确保切面仅在需要时启用,以减少潜在问题。

  • 参考解决方案:查阅类似问题的解决方法,例如是否有其他开发者遇到过类似的IllegalStateException,并参考他们的修复方案。

  • 通过以上步骤,可以系统地定位并解决FastJSON在切面日志记录中的问题,确保业务代码的稳定性和日志记录的有效性。

    转载地址:http://jblbz.baihongyu.com/

    你可能感兴趣的文章
    OJ中常见的一种presentation error解决方法
    查看>>
    OK335xS UART device registe hacking
    查看>>
    ok6410内存初始化
    查看>>
    one_day_one--mkdir
    查看>>
    OpenCV 中的图像转换
    查看>>
    opencv5-图像混合
    查看>>
    opencv9-膨胀和腐蚀
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    opencv保存图片路径包含中文乱码解决方案
    查看>>
    opencv图像分割2-GMM
    查看>>
    OpenCV(1)读写图像
    查看>>