Apache Shenyu 插件开发中 Base64 类缺失问题的解决方案
2025-05-28 09:19:47作者:牧宁李
问题背景
在基于 Apache Shenyu 2.6.1 版本进行自定义插件开发时,开发者可能会遇到一个常见问题:在继承 shenyu-plugin 和 shenyu-spring-boot-starter-plugin 基础模块后,编译过程中出现 Base64 类找不到的错误。这种情况通常发生在使用 JDK17 进行项目构建时。
问题分析
从技术角度来看,这个问题源于 Apache Shenyu 框架的模块化设计。在 Shenyu 的插件体系中:
- 核心插件模块
shenyu-plugin-base提供了基础的插件功能支持 - 某些工具类(如 Base64)被设计为通过依赖注入方式提供
- Admin 模块中这些依赖被标记为
provided作用域,意味着它们不会自动传递到插件模块
解决方案
要解决这个问题,开发者需要在自定义插件的 POM 文件中显式添加 OpenGauss 依赖:
<dependency>
<groupId>org.opengauss</groupId>
<artifactId>opengauss-jdbc</artifactId>
<version>适当版本号</version>
</dependency>
深入理解
- 模块化设计原则:Shenyu 采用模块化设计,将不同功能解耦,提高灵活性
- 依赖管理策略:
provided作用域的依赖需要开发者自行管理,确保运行时环境完整 - JDK 兼容性:不同 JDK 版本对基础类的处理方式可能不同,JDK17 环境下需要特别注意
最佳实践建议
- 开发自定义插件时,建议先完整分析父模块的依赖结构
- 遇到类缺失问题时,首先检查是否为
provided作用域的依赖 - 保持插件依赖与 Shenyu 核心版本的一致性
- 在复杂项目中,考虑建立专门的依赖管理模块统一维护公共依赖
总结
Apache Shenyu 作为高性能 API 网关,其插件体系设计既灵活又严谨。理解其模块化设计理念和依赖管理机制,能够帮助开发者更高效地进行插件扩展开发。Base64 类缺失这类问题的解决,不仅是一个具体技术问题的处理,更是对 Shenyu 架构设计思想的一次实践认知。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0193- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00
热门内容推荐
最新内容推荐
pi-mono自定义工具开发实战指南:从入门到精通3个实时风控价值:Flink CDC+ClickHouse在金融反欺诈的实时监测指南Docling 实用指南:从核心功能到配置实践自动化票务处理系统在高并发抢票场景中的技术实现:从手动抢购痛点到智能化解决方案OpenCore Legacy Patcher显卡驱动适配指南:让老Mac焕发新生7个维度掌握Avalonia:跨平台UI框架从入门到架构师Warp框架安装部署解决方案:从环境诊断到容器化实战指南突破移动瓶颈:kkFileView的5层适配架构与全场景实战指南革新智能交互:xiaozhi-esp32如何实现百元级AI对话机器人如何打造专属AI服务器?本地部署大模型的全流程实战指南
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
601
4.04 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
Ascend Extension for PyTorch
Python
441
531
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
112
170
🎉 (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
1.46 K
825
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++
922
770
暂无简介
Dart
847
204
React Native鸿蒙化仓库
JavaScript
321
375
openGauss kernel ~ openGauss is an open source relational database management system
C++
174
249