JEECG Boot项目Docker打包失败问题分析与解决方案
问题背景
在使用JEECG Boot开源项目进行Docker容器化部署时,开发人员遇到了打包失败的问题。系统环境为Ubuntu 24,JDK 1.8,Git 2.43,但没有安装Maven构建工具。Docker版本为28,数据库采用Oracle和Redis,但均未使用Docker镜像。
错误现象
执行docker-compose up -d命令时,系统报错显示无法找到/target/jeecg-system-start-3.7.0.jar文件。错误信息明确指出构建过程中计算缓存键失败,原因是目标JAR文件不存在。
根本原因分析
- 
Maven构建缺失:JEECG Boot是一个基于Java的Spring Boot项目,标准的构建流程需要先通过Maven编译打包生成可执行的JAR文件。在没有Maven的情况下直接尝试Docker构建,自然无法找到所需的JAR文件。
 - 
Docker构建流程误解:Dockerfile中的
ADD指令试图直接从项目目录的target文件夹获取JAR文件,但该文件尚未生成。正确的流程应该是先构建项目,再执行Docker镜像构建。 - 
版本兼容性问题:虽然报错信息中提到了
version属性已过时的警告,但这并非导致构建失败的主要原因,只是Docker Compose版本兼容性的一个小提示。 
解决方案
完整构建流程
- 
安装Maven:首先需要在构建环境中安装Maven构建工具。可以通过包管理器安装:
sudo apt-get install maven - 
项目编译打包:在项目根目录执行Maven构建命令:
mvn clean package - 
验证构建结果:确保target目录下生成了正确的JAR文件,文件名应与Dockerfile中指定的名称一致。
 - 
执行Docker构建:在确认JAR文件存在后,再执行Docker构建命令:
docker-compose up -d 
Dockerfile优化建议
为避免类似问题,可以在Dockerfile中添加构建阶段,实现从源代码到最终镜像的一体化构建:
FROM maven:3.6.3-jdk-8 AS build
WORKDIR /app
COPY . .
RUN mvn clean package
FROM anapsix/alpine-java:8_server-jre_unlimited
COPY --from=build /app/jeecg-module-system/jeecg-system-start/target/jeecg-system-start-*.jar /jeecg-boot/jeecg-system-start.jar
WORKDIR /jeecg-boot
EXPOSE 2222
ENTRYPOINT ["java", "-jar", "jeecg-system-start.jar"]
经验总结
- 
理解构建流程:容器化部署Java应用时,必须清楚区分开发构建阶段和容器打包阶段。
 - 
环境准备:确保构建环境中安装了所有必要的工具链,特别是像Maven这样的构建工具。
 - 
错误排查:当Docker构建失败时,首先检查前置条件是否满足,如依赖文件是否存在、路径是否正确等。
 - 
多阶段构建:对于复杂的项目,考虑使用Docker的多阶段构建功能,可以简化部署流程并减少最终镜像大小。
 
通过遵循正确的构建流程和上述建议,可以避免类似JEECG Boot项目Docker打包失败的问题,实现顺利的容器化部署。
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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Jinja00
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