JeecgBoot项目Docker打包失败原因分析与解决方案
问题背景
在使用JeecgBoot开源项目进行Docker打包时,开发者在Ubuntu 24系统环境下遇到了构建失败的问题。项目采用Java 8开发,数据库使用Oracle,Redis未使用Docker镜像。
错误现象
执行docker-compose up -d
命令后,系统报出以下关键错误信息:
failed to solve: failed to compute cache key: failed to calculate checksum of ref e6c37338-c0a0-437a-9bef-e8594f9a3acf::urjji7l5s6u0fvny6jtaycd8w: "/target/jeecg-system-start-3.7.0.jar": not found
根本原因分析
-
缺少Maven构建工具:JeecgBoot是一个基于Java的Spring Boot项目,需要先通过Maven进行编译打包,生成可执行的JAR文件后才能进行Docker镜像构建。
-
Docker构建流程问题:Dockerfile中直接引用了
./target/jeecg-system-start-3.7.0.jar
文件,但在没有Maven构建的情况下,该文件不存在。 -
版本兼容性问题:虽然这不是导致本次错误的主要原因,但需要注意Docker Compose文件中的
version: '2'
已被标记为过时,建议更新。
解决方案
完整构建步骤
-
安装必要工具
sudo apt-get install maven
-
使用Maven编译项目
mvn clean package
-
验证构建结果 检查
target
目录下是否生成了jeecg-system-start-3.7.0.jar
文件 -
执行Docker构建
docker-compose up -d
优化建议
-
更新Docker Compose配置:移除过时的version声明
services: jeecg-boot-system: build: context: ./jeecg-module-system/jeecg-system-start dockerfile: Dockerfile restart: on-failure container_name: jeecg-boot-system image: jeecg-boot-system hostname: jeecg-boot-system ports: - 8080:2222 networks: - jeecg-boot networks: jeecg-boot: name: jeecg_boot
-
考虑使用多阶段构建:可以修改Dockerfile,将Maven构建和Docker构建整合在一起
技术原理
Java项目的Docker化通常需要两个阶段:
- 编译阶段:使用Maven或Gradle等构建工具将源代码编译打包成可执行的JAR/WAR文件
- 容器化阶段:将生成的构建产物打包到Docker镜像中
JeecgBoot作为典型的Spring Boot项目,遵循这一标准流程。直接跳过编译阶段会导致Docker构建时找不到必要的构建产物,从而出现上述错误。
总结
对于Java项目的Docker化部署,必须确保先完成项目的编译打包过程。JeecgBoot作为Maven项目,需要先通过mvn package
命令生成JAR文件,才能进行后续的Docker镜像构建。这一流程是Java项目容器化的标准实践,理解这一点可以避免类似的构建失败问题。
- QQwen3-Coder-480B-A35B-InstructQwen3-Coder-480B-A35B-Instruct是当前最强大的开源代码模型之一,专为智能编程与工具调用设计。它拥有4800亿参数,支持256K长上下文,并可扩展至1M,特别擅长处理复杂代码库任务。模型在智能编码、浏览器操作等任务上表现卓越,性能媲美Claude Sonnet。支持多种平台工具调用,内置优化的函数调用格式,能高效完成代码生成与逻辑推理。推荐搭配温度0.7、top_p 0.8等参数使用,单次输出最高支持65536个token。无论是快速排序算法实现,还是数学工具链集成,都能流畅执行,为开发者提供接近人类水平的编程辅助体验。【此简介由AI生成】Python00
- KKimi-K2-InstructKimi-K2-Instruct是月之暗面推出的尖端混合专家语言模型,拥有1万亿总参数和320亿激活参数,专为智能代理任务优化。基于创新的MuonClip优化器训练,模型在知识推理、代码生成和工具调用场景表现卓越,支持128K长上下文处理。作为即用型指令模型,它提供开箱即用的对话能力与自动化工具调用功能,无需复杂配置即可集成到现有系统。模型采用MLA注意力机制和SwiGLU激活函数,在vLLM等主流推理引擎上高效运行,特别适合需要快速响应的智能助手应用。开发者可通过兼容OpenAI/Anthropic的API轻松调用,或基于开源权重进行深度定制。【此简介由AI生成】Python00
cherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端TypeScript043GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。04note-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。TSX01PDFMathTranslate
PDF scientific paper translation with preserved formats - 基于 AI 完整保留排版的 PDF 文档全文双语翻译,支持 Google/DeepL/Ollama/OpenAI 等服务,提供 CLI/GUI/DockerPython08
热门内容推荐
最新内容推荐
项目优选









