SOFA-ARK 插件新增依赖包含能力优化模块瘦身方案
2025-07-10 12:49:21作者:田桥桑Industrious
SOFA-ARK 作为一款优秀的 Java 模块化开发框架,其 maven 插件 sofa-ark-maven-plugin 在模块瘦身方面一直提供着强大的支持。近期社区针对插件功能进行了重要增强,新增了 includeGroupIds 和 includeArtifactIds 配置项,为模块依赖管理提供了更灵活的解决方案。
背景与痛点
在微服务架构下,多个业务模块合并部署至基座时,各模块间的依赖管理面临挑战。虽然大部分基础依赖相同,但每个模块都可能存在少量特有依赖。传统使用 rules.txt、rules.properties 或 rules.yml 进行瘦身配置的方式存在以下问题:
- 每个模块需要单独配置,导致大量重复内容
- 开发人员需要不断排查依赖树,工作量大
- 配置维护成本高,容易出错
新特性解析
新版本插件新增了两项重要配置:
- includeGroupIds:指定需要包含的 groupId 模式
- includeArtifactIds:指定需要包含的 artifactId 模式
这些配置项与原有的 excludeGroupIds 和 excludeArtifactIds 形成互补,为依赖管理提供了更完整的解决方案。
使用场景示例
假设某业务模块需要保留 com.xxxx 组下的所有依赖,同时排除其他所有依赖,可以这样配置:
<plugin>
<groupId>com.alipay.sofa</groupId>
<artifactId>sofa-ark-maven-plugin</artifactId>
<configuration>
<excludeGroupIds>*</excludeGroupIds>
<includeGroupIds>com.xxxx*</includeGroupIds>
</configuration>
</plugin>
这种配置方式相比传统方法具有以下优势:
- 配置简化:无需为每个模块编写大量排除规则
- 维护方便:集中管理包含规则,修改一处即可影响所有模块
- 问题定位快:运行时出现类找不到异常时,能快速判断类库应放在模块还是基座
技术实现原理
在插件内部,新的包含规则会与排除规则共同作用:
- 首先应用包含规则,标记需要保留的依赖
- 然后应用排除规则,进一步过滤不需要的依赖
- 最终形成模块的依赖集合
这种处理顺序确保了包含规则具有更高优先级,符合开发者的预期。
最佳实践建议
- 基座与模块分工:将通用依赖下沉到基座,模块只保留特有依赖
- 模式匹配使用:合理使用 * 通配符简化配置
- 渐进式调整:可以先配置严格包含规则,再根据运行情况逐步调整
- 依赖分析:配合 mvn dependency:tree 命令分析依赖关系
未来展望
虽然当前版本已经解决了大部分需求,但社区仍在持续优化瘦身方案。未来的发展方向可能包括:
- 全局黑名单配置支持
- 更智能的依赖分析工具
- 可视化依赖管理界面
- 基于使用情况的自动瘦身建议
这项功能的加入显著提升了 SOFA-ARK 在复杂微服务场景下的模块管理能力,为开发者提供了更高效、更灵活的依赖控制手段。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1