Spring Boot从1.3.2升级至1.5.22后触发OOM错误求助

看起来你在升级Spring Boot版本后遇到了棘手的内存溢出问题——从栈跟踪信息来看，问题出在ContentCachingRequestWrapper创建ByteArrayOutputStream时，请求的数组大小超出了JVM限制。这大概率是因为Spring Boot 1.5版本中的请求日志/跟踪过滤器默认会无限制缓存整个请求体，当遇到大请求时直接触发了内存溢出。

下面是针对性的解决方案，按优先级排序：

方案1：限制请求缓存的最大大小 #

这是最直接的根治方法，通过配置限制过滤器缓存的请求体大小，避免无限制占用内存：

针对WebRequestTraceFilter #

在application.properties或application.yml中添加配置，设置允许缓存的最大内容长度（比如设为1MB）：

# 开启请求跟踪过滤器的同时，限制最大缓存内容长度
endpoints.trace.filter.enabled=true
endpoints.trace.max-content-length=1048576

针对自定义的AbstractRequestLoggingFilter实现 #

如果你的代码里有继承AbstractRequestLoggingFilter的请求日志过滤器，直接在Bean配置中设置最大缓存大小：

@Bean
public CommonsRequestLoggingFilter requestLoggingFilter() {
    CommonsRequestLoggingFilter loggingFilter = new CommonsRequestLoggingFilter();
    loggingFilter.setIncludeClientInfo(true);
    loggingFilter.setIncludeQueryString(true);
    loggingFilter.setIncludePayload(true);
    // 设置最大缓存的请求体大小为1MB
    loggingFilter.setMaxPayloadLength(1048576);
    return loggingFilter;
}

方案2：禁用不必要的请求缓存过滤器 #

如果你的应用不需要请求跟踪或请求日志功能，可以直接禁用对应的过滤器，从根源上避免缓存行为：

禁用WebRequestTraceFilter #

在配置文件中添加：

endpoints.trace.enabled=false

禁用自定义请求日志过滤器 #

如果是你自己配置的AbstractRequestLoggingFilter子类，直接注释掉对应的@Bean配置，或者通过配置开关控制是否初始化该过滤器。

方案3：自定义缓存逻辑（进阶） #

如果必须缓存请求内容但需要更灵活的控制，可以自定义ContentCachingRequestWrapper的子类，在缓存时主动限制内容大小，超过阈值就停止缓存：

public class LimitedContentCachingRequestWrapper extends ContentCachingRequestWrapper {

    // 定义最大缓存大小为1MB
    private static final int MAX_CACHE_SIZE = 1048576;

    public LimitedContentCachingRequestWrapper(HttpServletRequest request) {
        super(request);
    }

    @Override
    protected void writeToCache(byte[] b, int off, int len) {
        // 检查当前缓存长度加上新内容是否超过阈值，超过则停止缓存
        if (getCachedContentLength() + len > MAX_CACHE_SIZE) {
            return;
        }
        super.writeToCache(b, off, len);
    }
}

之后在对应的过滤器中，用这个自定义包装类替代默认的ContentCachingRequestWrapper即可。

额外建议 #

• 检查栈跟踪里的其他自定义过滤器（比如ariba.HttpWrapperFilter），确保它们也没有无限制缓存请求内容。
• 单纯调大JVM堆内存（比如-Xmx参数）只能临时缓解，无法从根本上解决无限制缓存大请求的问题，优先考虑前面的方案。

内容的提问来源于stack exchange，提问作者Pradeep Balasubramaniam