Dubbo RPCContext存储一些通用数据,这个用手动清除吗?

Spring Cloud微服务请求上下文透传:基于TTL解决异步与跨服务数据丢失 在分布式系统和微服务架构中,请求上下文(Request Context)管理是保障系统可观测性和数据一致性的核心技术。其核心原理在于将用户身份、追踪标识等与单个请求生命周期绑定的状态信息,在复杂的调用链路中进行无损传递。这一技术对于实现全链路追踪、故障排查和基于用户的业务逻辑至关重要。在Java生态中,ThreadLocal是传统的线程级上下文存储方案,但在异步编程和跨服务调用场景下,其局限性会导致上下文信息丢失,即所谓的“黑胶人”问题。通过引入TransmittableThreadLocal(TTL)并结 阅读详情

Dubbo 在以下情况下会自动清理 RpcContext:

同步 RPC 调用结束后:

RpcContext.getContext() 的数据会被当前线程回收,但如果是线程池模式,数据可能被污染。

服务端调用完成后:

当 Dubbo 服务端 处理完请求后,会清理 RpcContext,防止数据泄漏到下一个请求。

消费者(Consumer)发起 RPC 调用时:

RpcContext 不会跨请求复用,下次新的 RpcContext.getContext() 仍然是新的实例。

✅ 示例(同步调用,Dubbo 自动清理)

public void testRpcContext() {
    RpcContext.getContext().setAttachment("traceId", "abc123");
    
    // Dubbo 远程调用
    demoService.sayHello("Dubbo");

    // RPC 结束后,traceId 会被清除
    System.out.println(RpcContext.getContext().getAttachment("traceId")); // null
}

结果:

traceId 在 RPC 调用后被清空,Dubbo 自动清理。

Dubbo 什么时候不会自动清理 RpcContext?

虽然 Dubbo 在请求完成后会清理 RpcContext,但某些情况下 RpcContext 可能不会被正确清除,需要手动清理。

❌ 1. Dubbo 异步调用

Dubbo 异步调用不会自动清理 RpcContext。

因为线程池可能会复用 ThreadLocal 的数据,导致下一个请求仍然携带上一个请求的 RpcContext 数据。

public void asyncCall() {
    RpcContext.getContext().setAttachment("traceId", "abc123");

    CompletableFuture<String> future = demoService.sayHelloAsync("Dubbo");
    future.whenComplete((result, ex) -> {
        System.out.println("异步返回:" + result);
        System.out.println("traceId:" + RpcContext.getContext().getAttachment("traceId")); // ❌ 可能还存在
    });

    // 手动清理
    RpcContext.getContext().clearAttachments();
}

🔴 如果不手动清理,异步线程可能复用上一个请求的 RpcContext 数据!

❌ 2. 使用线程池(如 ExecutorService)

如果你的应用使用线程池(如 ExecutorService)处理 Dubbo 请求,线程池不会自动清理 RpcContext,导致数据污染。

ExecutorService executorService = Executors.newFixedThreadPool(5);

executorService.submit(() -> {
    RpcContext.getContext().setAttachment("traceId", "abc123");
    demoService.sayHello("Dubbo");

    // 可能泄露到下一个任务
});

🔴 如果线程池中的线程未手动清理 RpcContext,后续任务可能复用 traceId,导致数据污染。

✅ 解决方案

  • 在任务结束时手动clearAttachments():
try {
    RpcContext.getContext().setAttachment("traceId", "abc123");
    demoService.sayHello("Dubbo");
} finally {
    RpcContext.getContext().clearAttachments();
}
  • 使用 Dubbo InheritableThreadLocal(适用于 Dubbo 3.x)
RpcContext.removeContext(true);

❌ 3. 在 Filter 或拦截器中传递 RpcContext

如果你在 Dubbo Filter 里存放了 RpcContext 的数据,可能不会自动清理,影响后续请求。

public class CustomFilter implements Filter {
    @Override
    public Result invoke(Invoker<?> invoker, Invocation invocation) throws RpcException {
        RpcContext.getContext().setAttachment("traceId", UUID.randomUUID().toString());

        try {
            return invoker.invoke(invocation);
        } finally {
            // 手动清理
            RpcContext.getContext().clearAttachments();
        }
    }
}

✅ 确保在 finally 里清理 RpcContext,防止数据污染。

解决方案:如何正确清理 RpcContext?

✅ 手动 clearAttachments()

无论 Dubbo 是否会自动清理,养成手动清理的习惯,避免数据污染。

try {
    RpcContext.getContext().setAttachment("traceId", "abc123");
    demoService.sayHello("Dubbo");
} finally {
    RpcContext.getContext().clearAttachments();
}

✅ 使用 RpcContext.removeContext(true)(Dubbo 3.x 推荐)

Dubbo 3.x 提供了 removeContext(true),可以完全清理当前线程 RpcContext。

RpcContext.removeContext(true);

✅ 适用于:

  • 线程池中使用 RpcContext
  • Dubbo 异步调用
  • 需要彻底清理 RpcContext

✅ 在 AOP 或 Filter 中全局清理

如果你的应用里 RpcContext 传递较多,可以在 AOP 或 Dubbo Filter 里统一清理,减少手动调用 clearAttachments() 的麻烦。

方式 1:Spring AOP 自动清理

@Aspect
@Component
public class RpcContextCleanAspect {
    @AfterReturning("@annotation(org.apache.dubbo.config.annotation.Reference)")
    public void clearRpcContext() {
        RpcContext.getContext().clearAttachments();
    }
}

优点:拦截所有 Dubbo 方法调用后自动清理 RpcContext。

方式 2:在 Dubbo Filter 里自动清理

public class RpcContextCleanFilter implements Filter {
    @Override
    public Result invoke(Invoker<?> invoker, Invocation invocation) throws RpcException {
        try {
            return invoker.invoke(invocation);
        } finally {
            // 确保 RPC 调用结束后清理
            RpcContext.getContext().clearAttachments();
        }
    }
}

然后在 dubbo.xml 或 dubbo.properties 里配置:

<dubbo:provider filter="rpcContextCleanFilter"/>

优点:全局自动清理 RpcContext,防止数据泄漏。

结论

情况

Dubbo 是否自动清理?

推荐解决方案

同步 RPC 调用

✅ 是

默认安全,但建议 finally 里清理

异步调用(CompletableFuture)

❌ 否

手动 clearAttachments()

线程池复用(ExecutorService)

❌ 否

finally 里清理 RpcContext

Dubbo Filter 或 AOP

❌ 否

拦截器里清理 RpcContext

Dubbo 3.x 版本

❌ 否

RpcContext.removeContext(true)

最佳实践

  1. 同步调用,建议 try-finally 里 clearAttachments()。
  2. 异步调用,必须 clearAttachments(),避免线程池数据污染。
  3. 线程池调用 Dubbo,使用 RpcContext.removeContext(true) 清理 ThreadLocal。
  4. 全局清理可以用 Dubbo Filter 或 Spring AOP 自动处理。

结论

Dubbo 默认会在请求完成后清理 RpcContext,但异步调用和线程池不会自动清理。

所以要手动清理,或者在拦截器里全局清理,避免数据污染。

Spring Boot全局TraceId实现:MDC+拦截器构建全链路日志追踪 在分布式系统和微服务架构中,日志分散是排查线上问题的核心痛点。通过引入链路追踪(Trace)技术,可以为每个请求分配全局唯一标识(TraceId),实现请求全生命周期的行为串联。其技术原理主要基于线程上下文(如SLF4J的MDC)和拦截器机制,在请求入口生成并传递唯一ID,并借助日志框架自动输出。这一实践的核心技术价值在于将碎片化的日志按请求维度聚合,极大提升了问题定位效率和系统可观测性。在应用场景上,它不仅是微服务调用链追踪的基础,也是异步任务、消息队列等复杂场景下保障日志一致性的关键。本文以Spring 阅读详情

相关推荐

3天干完6个月的活,Claude把模型搬上AMD

一条挺刺激的消息:Anthropic 给投资人的材料里有一张幻灯片,写着它的 Claude Mythos Preview 只花了大约​,就摸清了怎么让另一个 Claude 模型在 AMD 的 MI355X 上跑起来。同一处还写了个对照数字:过去给一块新芯片做推理适配,通常要几十名工程师、​。3 天对 6 个月,这个比值太扎眼,当天中文互联网上就冒出一堆「英伟达的护城河塌了」的说法。我把能翻到的材料都翻了一遍,越看越觉得,塌掉的那一小块是真的,可塌的位置和很多人想的不一样。

DeepPing,日更,陪你聪明看世界。 450

从ThreadLocal到RpcContext:Dubbo内存泄漏的隐形杀手与防御艺术

本文深入探讨了Dubbo框架中ThreadLocal和RpcContext导致的内存泄漏问题,揭示了高并发场景下的风险点,并提供了实用的防御方案。通过分析线程池复用、上下文传递和异步编程等机制,帮助开发者识别和预防内存泄漏,确保微服务架构的稳定运行。

docker8compose的博客 433

【Unity人物动画】SALSA With RandomEyes (语音生成嘴型/人物说话) 使用

SALSA使用探索 之前做项目时想做人物说话的嘴部动作,因为我们的语音是AI合成的,语音片段很多,如果能根据语音生成嘴部动画,那将极大便利我们的工作。后面是找到了SALSA的这款插件,并摸索出使用方法。 1 插件介绍 官方网站:https://crazyminnowstudio.com/ 一个能做2D纸片人和3D人物模型嘴部和眼睛动画的插件,由两人组成的独立工作室(疯狂米诺工作室)开发。 插件全名为SALSA With RandomEyes,2014年上架Asset Store,目前是已下架,替换为新版本

里约热内驴的博客 1万+

Dubbo RpcContext与ThreadLocal内存泄漏实战:从原理到解决方案

本文深入分析了Dubbo框架中RpcContext与ThreadLocal导致的内存泄漏问题,从原理到解决方案全面解析。通过实际案例展示了ThreadLocal在JVM中的实现机制及Dubbo RpcContext的使用场景,提供了诊断内存泄漏的实用技巧和修复方案,帮助开发者有效预防和解决微服务中的内存泄漏问题。

n7o8p的博客 187

Cesium 实战 19 - 使用 gltf-vscode 查看、预览以及编辑 glTF 和 GLB 模型

Cesium 实战 - 使用 gltf-vscode 查看、预览以及编辑 glTF 和 GLB 模型。

非科班Java出身GISer的博客 6436

YOLOv11改进缝合FasterBlock | 一种新型轻量化卷积结构C3k2的设计与实证:兼顾精度与速度的改进方法(附代码)

YOLO系列一直是目标检测领域的明星算法,凭借其实时性和准确性在众多应用中占据一席之地。随着YOLO版本的不断迭代,网络架构逐渐变得更为复杂,尤其是在卷积模块的设计上。本文将介绍如何利用FasterNet的FasterBlock创新,并通过二次创新C3k2提出一种全新的卷积结构。该结构旨在提高YOLOv11的计算效率和准确性,特别是在视觉任务中的表现。我们的创新在保证高精度的前提下,有效降低了计算量和内存需求,特别适合在资源受限的设备上运行。

一键难忘的博客 908

分布式链路追踪 —— 基于Dubbo的traceId追踪传递

本文首先介绍 Dubbo 的 RpcContext 上下文和 Filter 过滤器,然后再介绍基于Dubbo的traceId追踪传递的实现。

longool的博客 2452

VIIRS-NPP夜间灯光遥感数据下载和预处理

右侧搜索框搜索“按掩膜提取”,提取出夜光影像中国区域。将其转换为Albers积投影和重采样到400m。点击右上角Export,选择shp格式。最后点export导出就行。点击复制按钮,来到这个。,ctrl + v粘贴。将小于0.3的值置为0。下载好月合成产品后,

热爱分享,热爱记录 1万+

ThreadLocal以及InterThradLocal的深度剖析(转载https://www.toutiao.com/i6885197882979254796/)

Dubbo的一次提交开始 故事得从前段时间翻阅 Dubbo 源码时,看到的一段代码讲起。 这段代码就是这个: org.apache.dubbo.rpc.RpcContext 使用 InternalThreadLocal 提升性能。 相信作为一个程序猿,都会被 improve performance(提升性能)这样的字眼抓住眼球。 心里开始痒痒的,必须要一探究竟。 刚看到这段代码的时候,我就想:既然他是要提升性能,那说明之前的东西表现的不太好。 那之前的东西是什么? 经过..

天道酬勤 4086

zynq的irq_f2p 如何增加或修改中断引脚个数(宽度)

ZYNQ开发过程中,如果使用PL到PS的中断,会产生一个疑问,设置界面显示可以有[91:84]、[68:61]共16个中断引脚,但是并没有设置中断口的宽度,如果使用多个中断引脚,应该怎么办?如果通过concat连接多个引脚,则自动调整为对应的引脚数。例如连接3个中断信号,则自动调整为:IRQ_F2P[2:0]

FPGA艺术家的博客 838

作为一名爬虫人如何实现千万级数据爬取?

爬虫门槛不高,高就高在往后余生的每一次实操都随时会让你崩溃!Bro

吴秋霖的博客 1万+

这玩意比ThreadLocal叼多了,吓得我赶紧分享出来。

点击上方蓝色“方志朋”,选择“设为星标”回复“666”获取独家整理的学习资料!Dubbo的一次提交开始故事得从前段时间翻阅 Dubbo 源码时,看到的一段代码讲起。这段代码就是这个:org...

方志朋的博客 172

硬件基础知识-电机知识

步进电机存在空载启动频率,所以步进电机可以低速正常运转,但若高于一定速度时就无法启动,并伴有尖锐的啸叫声;在非超载的情况下,电机的转速、停止的位置只取决于脉冲信号的频率和脉冲数。给电机两根线供电,电机就可以旋转,给正电压,电机正转,给相反电压,电机反转;电压越大,电机转得越快,电压越小,转速也变小。是一种直流电机,有刷电机的定子上安装有固定的主磁极和电刷,转子上安装有电枢绕组和换向器。控制器:使用专用的电子控制器来监测和控制电机的转速、电流和方向。线圈电流方向的交替变化是随电机转动的换相器和电刷来完成的。

weixin_46969363的博客 2299

ThreadLocal你搞懂了嘛?InternalThreadLocal ,FastThreadLocal如何做到提高性能

一篇文章让你搞懂ThreadLocal,InternalThreadLocal,FastThreadLocal 这里写目录标题ThreadLocal一. 能干啥用?二. 使用非常广泛。举三个框架源码中的例子,大家品一品。1. Spring 的事务2. mybatis 的分页插件,PageHelper。3. Dubbo 的 RpcContext。三. 原理?四. 内存泄漏的问题?InternalThreadLocal一. 能干啥用的?二. 强在哪里?FastThreadLocal一. 能干啥用?二. 为什么快

You’re a wanderer just like me 1403

[Python] 为什么你的脚本明明没报错,却什么也没发生?

Python脚本运行后没报错却没结果?这是许多开发者遇到的棘手问题。文章分析了六种常见原因:代码未进入目标逻辑分支、输出路径错误、中间数据为空、异常被吞掉、异步操作未完成、运行了错误脚本版本。建议通过"过程可视化"排查,如打印关键变量、检查工作目录、验证数据状态等。职场中更应关注结果验证而非单纯代码执行,确保脚本真正解决问题。建立结果验证意识是从"会写代码"到"稳定交付"的关键转变。

技术小甜甜:传播可落地技术,帮助个人和企业降低解决真实场景问题的成本 303

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

这玩意比ThreadLocal叼多了,吓得我赶紧分享出来

所以就算代码在进入 Executor 前发生异常,导致线程不可用的情况,比如常见的接口方法名称和 XML 中的不匹配,导致找不到 MappedStatement ,由于 finally 的自动清除,也不会导致 ThreadLocal 参数被错误的使用。所以,其实线程上绑定的数据都是放到 InternalThreadLocalMap 里面的,不管你操作什么 ThreadLocal,实际上都是操作的 InternalThreadLocalMap。当然,如果你有修改需求也是可以的,视需求而定。

z_ssyy的博客 333

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

threadlocal使用场景_这玩意比ThreadLocal叼多了,吓得why哥赶紧分享出来

这是why哥的第 70 篇原创文章从Dubbo的一次提交开始故事得从前段时间翻阅 Dubbo 源码时,看到的一段代码讲起。这段代码就是这个:org.apache.dubbo.rpc.RpcContext使用 InternalThreadLocal 提升性能。相信作为一个程序猿,都会被 improve performance(提升性能)这样的字眼抓住眼球。心里开始痒痒的,必须要一探究竟。刚看到这段代...

weixin_39980809的博客 138

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

MDC+TraceId落地实战:从零搭建分布式链路追踪日志体系

在微服务架构中,一次请求往往贯穿多个服务,而日志作为排查问题的主要依据,常因缺乏全局唯一标识而变得零散难读。分布式链路追踪的核心在于为每次请求分配一个唯一TraceId,并通过MDC(Mapped Diagnostic Context)机制自动注入日志,使所有日志行都能携带上下文信息。MDC基于线程绑定,通过Logback或Log4j2的占位符即可实现无侵入式输出,但线程池复用、跨服务传递等场景需要额外处理。合理运用MDC+TraceId能有效提升日志检索效率,快速定位性能瓶颈与异常根因,适用于微服务排障、

weixin_34166847的博客 261

2020年Java篇:蚂蚁金服,这10个经典又容易被人疏忽的JVM面试题

有什么想问的么? 三面 简单自我介绍下 监控系统怎么做的,分为哪些模块,模块之间怎么交互的?用的什么数据库?(MySQL)使用什么存储引擎,为什么使用InnnoDB?(支持事务、聚簇索引、MVCC) 订单表有做拆分么,怎么拆的?(垂直拆分和水平拆分) 水平拆分后查询过程描述下 如果落到某个分片的数据很大怎么办?(按照某种规则,比如哈希取模、range,将单张表拆分为多张表) 哈希取模会有什么问题么?(有的,数据分布不均,扩容缩容相对复杂 ) 分库分表后怎么解决读写压力?(一主多从、多主多从) 拆分后主键怎么

m0_63102527的博客 1031

凭借这些Java知识文档我收获了蚂蚁、拼多多、字节跳动Offer

⽂章有点⻓,请耐⼼看完,绝对有收获!不想听我BB直接进⼊⾯试分享: 准备过程 蚂蚁⾦服⾯试分享 拼多多⾯试分享 字节跳动⾯试分享 最后总结个人所得(供大家参考学习) 当时我⾃⼰也准备出去看看机会,顺便看看⾃⼰的实⼒。当时我其实挺纠结的,⼀⽅⾯现在部⻔也正需要我,还是可以有⼀番作为的,另⼀⽅⾯觉得近⼀年来进步缓慢,没有以前⻜速进步的成就感了,⽽且业务和技术偏于稳定,加上⾃⼰也属于那种⽐较懒散的⼈,⻣⼦⾥还是希望能够突破现状,持续在技术上有所精进 那么问题来了,⽬标是啥?就我⽽⾔,短期⽬标是深⼊研究某⼀项技

weixin_47066028的博客 375

Log4j2全局logId配置指南:从MDC到异步与微服务透传

在分布式系统和复杂应用中,日志是诊断问题的关键。传统依赖时间戳和线程名的日志记录方式,在异步、高并发场景下难以串联请求的完整轨迹,导致问题排查效率低下。其核心原理是为每个请求分配一个全局唯一的标识符(如logId或traceId),通过线程上下文(如MDC)进行传递,使同一次请求在所有相关日志行中携带相同ID,从而实现端到端的追踪。这项技术的核心价值在于将杂乱的日志信息转化为可串联、可分析的诊断数据,极大提升了线上问题的定位速度和系统可观测性。典型的应用场景包括Web请求追踪、微服务调用链路还原以及异步任务

weixin_30268071的博客 365

ThreadLocal内存泄漏深度解析:源码原理与线程池场景避免实战

在Java并发编程中,如何在多线程环境下安全地实现变量隔离,始终是工程实践与面试考察的重点。ThreadLocal作为一种提供线程局部变量的机制,通过弱引用和ThreadLocalMap的设计实现了数据隔离,但内存泄漏风险也随之而来,尤其在线程池复用线程时,value可能因强引用残留而无法回收。理解其底层原理与正确使用方式,是保障系统稳定性的关键。本文从Java引用机制讲起,逐步剖析ThreadLocal的数据结构、弱引用设计的取舍以及ThreadLocalMap源码中的清理逻辑,揭示内存泄漏的本质是val

weixin_34221775的博客 322

本地化部署 DeepSeek,构建单细胞与空间转录组 AI 分析平台

本地化部署 DeepSeek,构建单细胞与空间转录组 AI 分析平台

weixin_53637133的博客 184

【第 009 讲】全面掌握 Python 注释:注释的定义与作用 | 单行注释 | 三引号与多行注释 | 注释使用的最佳实践

本文系统讲解 Python 注释的完整知识体系:从注释的定义与作用讲起,梳理单行注释的书写位置、临时屏蔽用法与 PEP 8 排版规范,剖析注释被忽略的底层机制;进而说明三引号字符串的本质与嵌套问题;最后给出注释使用的三条实践原则,帮助读者写好可读性高的注释。

大模型全栈工程师 · Thanks_ks 1106

Python 的 yield from 到底转发了什么:拆开 send、throw 和那个 return 值

很多人把yield from记成「省一层 for 循环的语法糖」。写和写,结果看着一样,于是就当它只是少敲几个字。这个理解会在三个地方翻车:调用方.send()的值送不进去、子生成器return的值拿不到、异常和close()传不下去。yield from真正做的事是,外层生成器退成一个透明通道。本文所有输出来自本机 CPython 3.13.14 实测。yield from不是循环,是委托——nextsendthrowclose四个方向的流量全部直通子生成器,并且子生成器return。

小小张说故事的博客 162

AI全栈实战 | 3.9-01 爬虫入门:requests 加 BeautifulSoup 三分钟跑通,但 90% 的人栽在这 4 个“礼貌“问题上

⚠️:本文内容仅用于。请遵守目标站点的服务条款与相关法律法规,不得对目标服务造成负担,不得采集、传播个人隐私数据。技术是中性的,边界在你手里。爬虫的入门技术(requests 发请求 + BeautifulSoup 解析)三分钟就能学会。真正区分"会用爬虫"和"会做爬虫的人"的,是这篇我们跑通"请求→解析→存储"的最小闭环,然后重点把"合规与礼貌"这根弦给你绷上。

源码获取 | 运行部署 | 定制二开修改,如果回复不及时请耐心等待,请见谅。 440
上一篇: 快手二面:乐观锁是怎么用它来处理多线程问题的?
下一篇: 滴滴二面:MySQL执行计划中,Key有值,还是很慢怎么办?
程序员职业指南
博客等级 码龄4年 2139粉丝 960原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值