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
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
如何用自然语言掌控电脑?UI-TARS-desktop智能助手入门指南离线语音资源全攻略:高效管理与优化指南4步攻克抖音直播回放留存难题:面向内容创作者的全流程技术指南Home Assistant功能扩展实战指南:从问题诊断到价值实现的完整路径开源工具 AzurLaneLive2DExtract:3大核心优势助力碧蓝航线Live2D模型资源提取与二次创作Godot卡牌游戏框架深度探索:从理论架构到实战开发直播内容管理新维度:多场景直播归档方案全攻略OBS Advanced Timer:5个直播控时秘诀让你的直播节奏尽在掌握零基础掌握Home Assistant扩展:Docker加载项实战指南虚拟显示技术重塑数字工作空间:突破物理屏幕限制的多屏效率革命
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
628
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++
947
887
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
398
303
🎉 (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
1.56 K
909
暂无简介
Dart
921
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
142
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381