Spring Event有大坑,你知道吗?

网络上比较推崇使用Spring Event 优雅的实现观察者模式。我在调研后也确实觉得这种方式能实现业务逻辑上的解耦,但线上的一次事故,让我意识到 Spring Event远远没有那么简单。

前几天,线上系统出现两条异常日志Get Bean时找不到对应的bean,调用堆栈让我非常迷惑,为什么Get Bean找不到对应的Bean呢? 堆栈中的信息 解释了原因。

css 复制代码
Do not request a bean from a BeanFactory in a destroy method implementation

**在应用上下文关闭时,不得从上下文中Get Bean。**恰好,问题出现在服务关闭期间..... 由于系统流量较高,日订单千万级,即便在低峰期单机的并发度也是比较高的,所以服务在关闭期间有少量流量进来或未处理完。

要明白问题原因和解决办法,需要先简单了解 Spring Event如何使用,总共分为三步。

  1. 声明事件
  2. 发布事件
  3. 监听事件

声明事件

自定义事件需要继承Spring ApplicationEvent。我选择使用泛型,支持子类可以灵活关联事件的内容。

BaseEvent定义 复制代码
public class BaseEvent<T> extends ApplicationEvent {
    private final T data;
    
    public BaseEvent(T source) {
        super(source);
        this.data = source;
    }

    public T getData() {
        return data;
    }
}

发布事件

使用Spring上下文 ApplicationContext发布事件

发布事件 复制代码
applicationContext.publishEvent(new BaseEvent<>(param));

Idea为Spring提供了跳转工具,点击绿色按钮位置,就可以 跳转到事件的监听器列表。

监听事件

监听器只需要 在方法上声明为 EventListener注解,Spring就会自动找到对应的监听器。Spring会根据方法入参的事件类型和 发布的事件类型 自动匹配。

js 复制代码
@EventListener
public void handleEvent(BaseEvent<PerformParam> event) {
    //消费事件
}

我遇到的线上问题恰恰出现在发布事件后,Spring匹配Listener时,Spring需要从上下文中Get Bean,每发布一次事件需要Get Bean一次。正常情况下没事,在服务关闭期间,如果恰好发布了一个事件,就凉了。

在调研Spring Evnet期间,我重点考虑了使用方式,使用的优缺点,但确实没有想到Spring会有这个缺陷。如何避免这个问题呢?

  1. 弃用SpringEvent
  2. 允许Spring Event 出现异常,但上层调用捕获异常,上报MQ重试。
  3. 彻底服务优雅关闭。Rpc、Http、MQ入口在进程关闭前,先禁用流量。

结合三个方案的改动成本,我选择忍痛弃用Spring Event。

这件事让我明白了,全面调研真的很困难,某些框架确实很好用,但没准在哪个点上就有坑。有时候保守不是一件坏事,至少能保证线上环境能稳定运行啊。

相关推荐
ComplexPy3 分钟前
ZKMall-B2B2C Redission延时队列
java·redis
q***96583 分钟前
深入解析Spring Boot中的@ConfigurationProperties注解
java·spring boot·后端
java1234_小锋3 分钟前
讲讲Mybatis的一级、二级缓存?
java·开发语言·mybatis
e***87706 分钟前
记录 idea 启动 tomcat 控制台输出乱码问题解决
java·tomcat·intellij-idea
发现你走远了11 分钟前
2025 idea 指定配置环境运行springboot 设置active和env启动端口,多端口启动 (保姆级图文)
java·spring boot·intellij-idea
Jamesvalley28 分钟前
flask处理所有logging
后端·python·flask
ashane131431 分钟前
Flask-SQLAlchemy db 使用说明
数据库·oracle
sanggou31 分钟前
Java秒杀系统设计与实现
java
databook1 小时前
别急着转投 Polars!Pandas 3.0 带着“黑科技”杀回来了
后端·python·数据分析
FinTech老王1 小时前
集中式 vs 分布式数据库:金融用户如何选择?——金仓数据库的双架构实践与选型指南
数据库·分布式·金融