发生了什么

上游服务会把一段 JSON 报文发给这个后端服务,服务先把它解析成对象,再按字段取值处理。这次出问题的是一个存一组整数的字段:类型是整数数组,每个元素一个整数,服务按数组逐个取用。报文里的数值由上游按自己的编码规则生成,其中存在超出整数表示范围的值,例如用无符号形式表示一个本应为负的编码。

发布时把新版本打成镜像,按批次逐台替换线上运行旧版本的节点,替换后观察一段时间,没有异常再推进下一批;发现问题时,值班可以先把异常节点从这一批里摘出来,再决定修好重发还是终止整次发布。

这次发布没有改业务代码,只升级了 JSON 解析库:旧版本库在解析时可以按报文里写的类型名加载任意类,这被视为一条安全风险,新版本默认关闭了这项能力。此前同类问题整理过一份已知问题清单,发布前按清单扫描过一遍,但清单里关于整数越界的规则针对的是单个整数字段,数组形态没有对应规则,这一次就漏了过去。

替换成新节点后,解析到带这个字段的报文时,新版本库直接抛出异常,节点随即被判为异常。值班把节点从发布批次里摘出,随后终止了这次发布,问题没有扩散到业务。记录给出的治理方向是:给整数数组这种形态单独补一条转型处理,让数组元素在解析阶段就按明确规则转换,而不是沿用库的默认行为。这项改动在本地验证通过,是否随下一次发布上线没有记录,修复上线状态待确认。

本质

同样的报文、同样的字段,两版解析库给出两种结果,差别全部发生在解析这一层,业务代码没有参与。

  1. 这个字段的取值里本来就有超出整数范围的值。旧版解析库遇到这种值不报错,按 32 位整数截断后继续返回,于是拿到 -2 这样的负数。报文解析“成功”了,值已经错了,但下游只看到一个合法整数,没有任何信号。
  2. 因为从来没报过错,代码里也没有对这个字段做过范围判断、上限校验或显式转换,等于把“库会替我兜住越界值”当成了默认约定。
  3. 升级后的库不再静默截断,遇到越界值直接抛异常。同一份数据在旧版本里是“成功但值错”,在新版本里变成“显式失败”;一条报文解析不成功,整条处理就中止,节点在发布观察期内被判异常。
  4. 发布前的检查没拦住,是因为规则按字段形态编写:清单只覆盖单个整数,数组走的是逐元素转换这条路径,没有对应条目。扫描通过只说明规则扫到的形态没问题,不代表同名字段的其他形态也安全。

升级并没有引入新错误:越界值一直在,旧版用静默截断把它藏了起来,新版只是把一直存在的错误变成一次显式失败,真正的缺口是代码从未约束这个字段的取值范围。

处置分两步:先把节点摘出批次、终止发布,避免带着异常继续推进;再回到代码,给数组形态的整数字段补一条显式转型。修复方向是让数组元素在解析阶段就按明确规则转换,遇到超范围的值能定位到具体报文和元素,而不是继续截断或直接抛裸异常。这一步只记录到本地验证通过,没有说明是否已随发布上线,因此不能算已修好。

下面用最小示例说明这条转型规则。错误版沿用库的默认行为、对元素取值不做任何判断;修复版只改与范围有关的部分,把取值和判断放到数组元素这一层。

错误代码

// 脱敏教学示例:解析上游报文后取整数数组字段
public class SwitchReport {
    private String reportNo;
    private Integer[] codes;   // 一组整数,元素类型为 Integer
    // getter/setter 省略
}

public SwitchReport parse(String payload) {
    // 为什么错:默认库能把任何数值都转换成功,
    // 没有对数组元素做范围判断,也没有显式转型
    SwitchReport report = JSON.parseObject(payload, SwitchReport.class);
    // 为什么错:旧版库对超出 int 范围的元素静默截断成 -2 之类的值,
    // 解析“成功”但值已经错了;新版库在同一位置改为抛异常,
    // 一条报文解析失败,整条处理中止,节点在发布观察期被判异常
    return report;
}

修复代码示例

public SwitchReport parse(String payload) {
    JSONObject body = JSON.parseObject(payload);
    String reportNo = body.getString(“reportNo”);
    JSONArray raw = body.getJSONArray(“codes”);
    Integer[] codes = new Integer[raw.size()];
    for (int i = 0; i < raw.size(); i++) {
        // 先按更宽的类型取值,避免在读取阶段就被截断
        long value = raw.getLongValue(i);
        if (value < Integer.MIN_VALUE || value > Integer.MAX_VALUE) {
            // 越界值不再截断也不再裸抛:带上元素位置和业务键拒绝,
            // 让上游知道哪条数据的哪个元素要改
            throw new FieldRangeException(“codes[” + i + “]”, value, reportNo);
        }
        codes[i] = (int) value;
    }
    return SwitchReport.of(reportNo, codes);
}

以上代码为脱敏教学示例,用于解释错误与修复思路,不代表实际项目源码或已上线实现。

下次遇到这些场景要警惕

  • 升级 JSON 解析、序列化一类基础库:上线前拿线上历史报文回放,覆盖越界值、负数、无符号大数、空数组这些形态,逐字段比对升级前后的取值,而不是只看有没有抛异常;取值变了同样要当成问题处理。
  • 发布前用扫描清单或规则自查:先按字段形态盘点(单个数值、数组、集合、嵌套对象),确认每条规则覆盖到哪些形态;规则补完后用一条越界数据构造用例,验证它确实能命中,而不是看清单打勾就算通过。
  • 发现库把越界值静默转换过:先判断转换后的值在业务上会不会被当成正常值使用(例如 -2 是否落进某个状态判断),再把历史数据筛出来核对;“一直没报错”不能当作数据没问题。
  • 发布观察期内出现解析异常:先摘节点再定位,用一条带该字段的报文复现,确认异常只在特定字段形态上出现,再决定回滚还是修复后重发。