使用Jib Maven插件构建Spring Boot Fat Jar容器镜像的最佳实践
2025-05-15 21:00:25作者:范垣楠Rhoda
背景介绍
在Java应用容器化过程中,GoogleContainerTools的Jib工具因其无需Docker守护进程、构建速度快等优势而广受欢迎。对于使用Spring Boot框架开发的应用,特别是经过ProGuard混淆处理后生成Fat Jar的情况,如何通过Jib Maven插件实现与jib-cli相同的容器化效果,是一个值得探讨的技术话题。
核心挑战
Spring Boot应用通常打包为包含所有依赖的Fat Jar,而Jib默认会尝试解构应用,将依赖项、资源文件和类文件分别放入不同的镜像层。这种默认行为与直接使用jib-cli处理Fat Jar的方式存在差异,可能导致容器运行时出现问题。
解决方案
1. 添加Jib层过滤扩展
首先需要在Jib Maven插件配置中添加jib-layer-filter-extension-maven依赖,这个扩展允许我们精细控制镜像中各层的内容:
<dependencies>
<dependency>
<groupId>com.google.cloud.tools</groupId>
<artifactId>jib-layer-filter-extension-maven</artifactId>
<version>0.3.0</version>
</dependency>
</dependencies>
2. 配置额外目录
将构建生成的Fat Jar显式包含到镜像中,指定存放路径为/app/classpath:
<extraDirectories>
<paths>
<path>
<from>target</from>
<into>/app/classpath</into>
<includes>*.jar</includes>
</path>
</paths>
</extraDirectories>
3. 应用层过滤规则
通过插件扩展配置,移除Jib默认生成的原始Jar文件和应用依赖库,因为这些内容已经包含在Fat Jar中:
<pluginExtensions>
<pluginExtension>
<implementation>com.google.cloud.tools.jib.maven.extension.layerfilter.JibLayerFilterExtension</implementation>
<configuration implementation="com.google.cloud.tools.jib.maven.extension.layerfilter.Configuration">
<filters>
<filter>
<glob>/app/classpath/*.original.jar</glob>
</filter>
<filter>
<glob>/app/libs/*.jar</glob>
</filter>
</filters>
</configuration>
</pluginExtension>
</pluginExtensions>
4. 正确配置启动命令
根据Spring Boot版本设置正确的JarLauncher入口点。对于Spring Boot 3.2及以上版本,需要使用新的启动器类:
<entrypoint>java,-cp,@/app/jib-classpath-file,org.springframework.boot.loader.JarLauncher</entrypoint>
实现效果
通过以上配置,最终生成的容器镜像将包含:
- Spring Boot Fat Jar存放在/app/classpath目录下
- 精简的镜像层结构,避免重复依赖
- 正确的启动命令,确保应用能够正常启动
注意事项
- 对于不同版本的Spring Boot,JarLauncher的类路径可能不同,需要根据实际情况调整
- 如果应用使用了ProGuard等混淆工具,确保混淆配置不会影响Spring Boot的启动类
- 镜像中的资源路径需要与应用的配置保持一致
总结
通过合理配置Jib Maven插件及其扩展,开发者可以灵活地控制容器镜像的构建过程,实现与jib-cli相同的效果。这种方法特别适合需要保持Fat Jar结构的Spring Boot应用容器化场景,同时也为应用混淆等高级需求提供了解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220