The temporary upload location [/tmp/tomcat.***/work/Tomcat/localhost/ROOT] is not valid
今天突然收到错误反馈文件上传失败了。错误如下图:
Failed to parse multipart servlet request; nested exception is java.io.IOException: The temporary upload location [/tmp/tomcat.2108414996593143912.8080/work/Tomcat/localhost/ROOT] is not valid
这个问题之前没遇到过啊。然后BXX后,网上还真有人遇到。原因分析:
原因:在linux系统中,springboot应用服务再启动(java -jar 命令启动服务)的时候,会在操作系统的/tmp目录下生成一个tomcat*的文件目录,上传的文件先要转换成临时文件保存在这个文件夹下面。由于临时/tmp目录下的文件,在长时间(10天)没有使用的情况下,就会被系统机制自动删除掉。所以如果系统长时间无人问津的话,就可能导致上面这个问题。
是因为Linux自己处理的原因。
解决方案一,修改Liunx配置:
这个方案,是需要修改系统配置。算了,还是放弃吧。万一修改错误,引发其他血案就不好玩了。
解决方案二:
万能的重启大法。重启自己的服务。虽然能临时解决,但是不能从根本上解决啊。
所以,这个方案,放弃。
解决方案三:
1.如果不是很重要的接口,请求方式可以换成get,就不会出现错误
2.post请求,用json传参(application/json)也行,不是multipart/form-data就行
3.在配置文件中加入这个 server.tomcat.basedir=/XXX/XXX/XXX(自定义目录-网上看到的,验证了下启动时会自动创建该目录/XXX/XXX/XXX/work/Tomcat/localhost/ROOT)
比如凯哥的:
以下是我跟踪的过程,除了以上解决方式你也可以自己考虑考虑看看
开发环境复现跟踪
咱可以在开发环境下debug跟踪问题原因呀,首先我想到的是在DispatcherServlet 的doService(…)方法下看看request.getParts()的路径发现是C:\Users\user\AppData\Local\Temp\tomcat.4632713886902697899.8080\work\Tomcat\localhost\ROOT,然后把目录删掉,再进doService(…)方法看,结果发现已经抛出异常了,那这个好说,一层层往上找,最后在ApplicationFilterChain(应用拦截链)的internalDoFilter(内部过滤器)方法中,当执行完过滤器HiddenHttpMethodFilter(隐藏Http请求方法过滤器)时,发现又报错了,那咱就锁定HiddenHttpMethodFilter了,首先发现请求必须为post方式并且没有异常才会发生上面那错,
然后一步步跟下去,又发现请求的contentType值必须为multipart/form-data才会进入记录异常代码中,
那咱再继续往下看,就可以看到获取目录的地方,它将临时目录强转为文件,并且判断这个文件是否为一个目录,如果不是,就会捕获上面的异常,在后续抛出。
相关文章
- 关于飞桨UIE等模型预测推理时间很久的问题分析以及解决,蒸馏剪枝部署问题解决
- 硬核干货!一文掌握 binlog 、redo log、undo log
- 解决SystemExit: 2,args = parser.parse_args() 的问题,
- NLP涉及技术原理和应用简单讲解【一】:paddle(梯度裁剪、ONNX协议、动态图转静态图、推理部署)
- NLP涉及技术原理和应用简单讲解【二】:paddle(分布式训练、AMP自动混合精度训练、模型量化、模型性能分析)
- Paddle模型性能分析工具Profiler:定位瓶颈点、优化程序、提升性能
- 【二】MADDPG多智能体算法实现(parl)【追逐游戏复现】
- Spring 手动创建 bean 的两种方式
- 开源密码存储引擎 Vault 的安装与使用
- 把寒气传给每个人:详尽数据,起底华为的困境与启示
- 如何在 Spring 中解决 bean 的循环依赖
- AiTrust下预训练和小样本学习在中文医疗信息处理挑战榜CBLUE表现
- 韩炳哲眼中当代人的精神困境
- UIE_Slim满足工业应用场景,解决推理部署耗时问题,提升效能。
- Insight Enterprises EDI 850 采购订单报文详解
- 推广TrustAI可信分析:通过提升数据质量来增强在ERNIE模型下性能
- 文档级关系抽取:基于结构先验产生注意力偏差SSAN模型
- 知识蒸馏相关技术【模型蒸馏、数据蒸馏】以ERNIE-Tiny为例
- NLP领域任务如何选择合适预训练模型以及选择合适的方案【规范建议】【ERNIE模型首选】
- 样本数量不平衡问题方案(Focal Loss & Circle Loss)