JeecgBoot 3.7.1 SpringBoot3版本技术解析与升级指南
JeecgBoot作为一款基于代码生成器的低代码开发平台,其最新发布的3.7.1 SpringBoot3版本带来了多项重要技术升级。本文将深入解析这一版本的技术特性与升级要点。
技术架构升级
本次版本最显著的变化是全面支持Spring Boot 3框架和JDK 17运行环境,这标志着JeecgBoot正式迈入了新一代Java技术栈。Spring Boot 3基于Spring Framework 6开发,带来了诸多性能优化和新特性,而JDK 17作为长期支持版本(LTS)也提供了更好的稳定性和新功能支持。
核心组件升级
-
依赖管理优化:项目升级了jeecg-boot-starter3依赖,确保与Spring Boot 3的兼容性。同时将fastjson升级至2.0.43版本,解决了安全性和性能问题。
-
Web容器替换:默认Web容器从Tomcat切换为Undertow,后者在高并发场景下表现更优,内存占用更低。
-
数据库连接池:Druid连接池升级至1.2.22版本,修复了已知问题并提升了稳定性。
-
缓存组件:Redis客户端Jedis升级至3.8.0版本,支持更多Redis特性。
重要功能改进
-
代码生成器增强:修正了代码生成时的Schema注解参数,使生成的代码更符合Spring Boot 3规范。
-
接口文档优化:调整了自动生成接口文档的范围,使API文档更加精准。
-
安全框架适配:解决了Shiro在Spring Boot 3环境下与Redis的兼容性问题。
-
分布式事务支持:完善了分布式事务Demo,为微服务架构提供更好的支持。
部署与运行环境
-
Docker支持:更新了Docker镜像基础为JDK17,方便容器化部署。
-
前端依赖:固定了vue-router版本号,确保前端稳定性。
升级建议
对于计划升级到该版本的用户,需要注意以下几点:
-
确保开发环境和生产环境的JDK版本至少为17。
-
检查现有项目中是否有不兼容Spring Boot 3的依赖项。
-
特别注意Shiro和Redis的配置变化,新版中相关配置可能需要调整。
-
如果从旧版本迁移,建议先在测试环境充分验证各项功能。
JeecgBoot 3.7.1 SpringBoot3版本的发布,不仅带来了技术栈的现代化升级,也为开发者提供了更强大的功能和更好的性能表现。对于追求技术前沿的团队来说,这是一个值得考虑的升级选择。
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-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