使用Jib Maven插件构建Spring Boot Fat Jar容器镜像的最佳实践
2025-05-15 16:26:05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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python02
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
289
2.6 K
deepin linux kernel
C
24
7
React Native鸿蒙化仓库
JavaScript
226
305
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++
605
181
暂无简介
Dart
576
127
Ascend Extension for PyTorch
Python
115
147
🎉 (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
1.04 K
609
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
1.03 K
450
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
46
76
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
154
58