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
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    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YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    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与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>
    OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>