JeecgBoot项目JAR分离打包优化实践
2025-05-02 07:18:41作者:明树来
背景介绍
在Java企业级应用开发中,Spring Boot应用的打包部署是一个常见需求。JeecgBoot作为一款基于Spring Boot的低代码开发平台,其项目结构通常包含多个模块。在实际生产环境中,我们经常需要对应用进行分离打包,即将依赖库与业务代码分离,以便于部署和更新。
传统分离打包的问题
在JeecgBoot 3.6.3版本中,使用标准的Spring Boot分离打包方式时,所有依赖(包括业务模块生成的jeecg前缀JAR包)都会被提取到外部lib目录中。这种打包方式虽然实现了依赖分离,但在实际运维中会带来以下问题:
- 业务代码更新复杂:每次更新都需要从众多依赖JAR中找出业务相关的JAR进行替换
- 部署包管理困难:难以区分核心依赖和业务代码
- 更新效率低下:需要人工识别哪些JAR需要更新
优化方案设计
针对上述问题,我们可以通过定制Maven打包配置,实现更合理的分离打包策略:
核心思路
- 将第三方依赖与业务代码分离
- 业务模块JAR保留在主JAR包内
- 仅将稳定的第三方依赖提取到外部
具体实现
通过修改pom.xml文件中的spring-boot-maven-plugin配置,可以实现更精细的打包控制:
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
<configuration>
<layout>ZIP</layout>
<includes>
<include>
<groupId>com.jeecg</groupId>
<artifactId>*</artifactId>
</include>
</includes>
</configuration>
</plugin>
这种配置会确保所有com.jeecg组件的业务代码保留在主JAR中,而其他第三方依赖会被提取到外部lib目录。
完整打包配置示例
以下是一个完整的分离打包配置示例,包含了资源文件和依赖的处理:
<plugins>
<!-- Spring Boot打包插件 -->
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
<configuration>
<layout>ZIP</layout>
<includes>
<include>
<groupId>com.jeecg</groupId>
<artifactId>*</artifactId>
</include>
</includes>
</configuration>
</plugin>
<!-- 依赖复制插件 -->
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-dependency-plugin</artifactId>
<executions>
<execution>
<id>copy-dependencies</id>
<phase>package</phase>
<goals>
<goal>copy-dependencies</goal>
</goals>
<configuration>
<outputDirectory>${project.build.directory}/lib</outputDirectory>
<excludeGroupIds>com.jeecg</excludeGroupIds>
</configuration>
</execution>
</executions>
</plugin>
<!-- 资源文件处理 -->
<plugin>
<artifactId>maven-resources-plugin</artifactId>
<executions>
<execution>
<id>copy-resources</id>
<phase>package</phase>
<goals>
<goal>copy-resources</goal>
</goals>
<configuration>
<resources>
<resource>
<directory>${project.build.directory}/classes</directory>
<includes>
<include>*.xml</include>
<include>*.yml</include>
<include>jeecg/**</include>
<include>static/**</include>
<include>templates/**</include>
</includes>
</resource>
</resources>
<outputDirectory>${project.build.directory}/config</outputDirectory>
</configuration>
</execution>
</executions>
</plugin>
</plugins>
启动方式
优化后的打包结构启动命令如下:
java -jar -Dfile.encoding=UTF-8 -Dloader.path=lib jeecg-system-start.jar
优势分析
这种优化后的打包方式具有以下优势:
- 更新便捷:业务代码变更只需替换主JAR包即可
- 依赖管理清晰:第三方依赖与业务代码明确分离
- 部署效率高:减少了人工识别和选择JAR包的过程
- 结构合理:符合"稳定依赖与易变代码分离"的设计原则
注意事项
- 确保业务模块的groupId统一使用com.jeecg(或项目自定义的前缀)
- 对于多模块项目,需要确保各子模块的pom配置一致
- 在CI/CD流程中,需要相应调整构建脚本以适应新的打包结构
- 测试阶段需验证所有依赖是否正确加载
总结
通过对JeecgBoot项目打包策略的优化,我们实现了更合理的JAR分离打包方案,解决了业务代码更新不便的问题。这种方案不仅适用于JeecgBoot项目,对于其他基于Spring Boot的多模块企业级应用也具有参考价值。在实际应用中,开发团队可以根据项目具体情况调整打包策略,找到最适合自身项目的部署方案。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
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
336
178
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++
886
596
Ascend Extension for PyTorch
Python
340
404
暂无简介
Dart
771
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355