JimuReport 1.9.1升级后TaskScheduler缺失问题解决方案
2025-06-02 07:46:54作者:冯爽妲Honey
问题背景
在将JimuReport从1.9.0版本升级到1.9.1版本后,部分用户反馈项目启动时出现异常。该问题主要影响使用若依(RuoYi)等框架集成的用户,系统启动时会报错并终止运行。
错误现象
启动项目时,控制台会显示以下关键错误信息:
APPLICATION FAILED TO START
Description:
Field taskScheduler in org.jeecg.modules.jmreport.automate.service.a.a required a bean of type 'org.springframework.scheduling.TaskScheduler' that could not be found.
The injection point has the following annotations:
- @org.springframework.beans.factory.annotation.Autowired(required=true)
Action:
Consider defining a bean of type 'org.springframework.scheduling.TaskScheduler' in your configuration.
问题原因分析
JimuReport 1.9.1版本引入了新的自动化任务调度功能,该功能依赖于Spring框架的TaskScheduler接口。但在某些框架配置中,特别是若依框架的默认配置中,可能没有自动配置TaskScheduler的bean实例。
当Spring容器尝试自动装配TaskScheduler时,由于找不到对应的bean实例,导致启动失败。这是一个典型的Spring依赖注入失败的问题。
解决方案
要解决这个问题,我们需要手动配置一个TaskScheduler的bean。以下是具体实现步骤:
- 创建一个新的配置类
SchedulerConfig.java - 在该类中定义一个TaskScheduler的bean
具体实现代码如下:
package com.ruoyi.framework.config;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.scheduling.TaskScheduler;
import org.springframework.scheduling.concurrent.ThreadPoolTaskScheduler;
@Configuration
public class SchedulerConfig {
@Bean
public TaskScheduler taskScheduler() {
return new ThreadPoolTaskScheduler();
}
}
配置说明
@Configuration注解表明这是一个Spring配置类@Bean注解告诉Spring这个方法将返回一个需要管理的bean对象ThreadPoolTaskScheduler是TaskScheduler接口的一个实现,它提供了线程池支持的任务调度功能
注意事项
- 该配置类应该放在能被Spring组件扫描到的包路径下
- 如果项目已经有一个TaskScheduler的配置,可以检查是否需要调整现有配置
- 对于不同的框架集成,包路径可能需要相应调整(如非若依框架可能需要修改包名)
总结
JimuReport 1.9.1版本对任务调度功能进行了增强,这导致了对Spring TaskScheduler的依赖。通过添加上述配置,可以顺利解决启动问题,同时为系统提供了任务调度的基础支持。这种解决方案不仅适用于若依框架,对于其他缺少TaskScheduler配置的Spring Boot项目也同样适用。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217