深入理解ruoyi-vue-pro项目中的flatten-maven-plugin配置优化
在基于Maven的多模块Java项目中,版本管理和依赖处理是一个需要特别注意的技术点。本文将以ruoyi-vue-pro项目为例,深入分析flatten-maven-plugin插件的使用方式及其优化方案。
flatten-maven-plugin插件的作用
flatten-maven-plugin是Maven生态中一个重要的插件,主要用于生成"扁平化"的POM文件。在多模块项目中,原始POM可能包含变量、父POM引用等动态内容,而扁平化POM则将这些内容解析为具体的值,便于发布到Maven仓库后被其他项目正确引用。
原配置的问题分析
ruoyi-vue-pro项目原先使用的是resolveCiFriendliesOnly模式:
<flattenMode>resolveCiFriendliesOnly</flattenMode>
这种模式下,插件只会解析CI友好的变量(如{sha1}等),但不会替换依赖中的版本变量。这会导致生成的POM中依赖版本仍保留变量形式:
<dependency>
<groupId>cn.iocoder.boot</groupId>
<artifactId>yudao-module-system-api</artifactId>
<version>${revision}</version>
</dependency>
当其他项目引用这些模块时,由于无法正确解析${revision}变量,会导致依赖无法下载的问题。
优化方案探讨
方案一:使用oss或ossrh模式
将flattenMode改为oss或ossrh模式:
<flattenMode>oss</flattenMode>
这种模式专为开源项目设计,会完全解析所有变量,生成包含具体版本号的POM:
<dependency>
<groupId>cn.iocoder.boot</groupId>
<artifactId>yudao-module-system-api</artifactId>
<version>2.1.0-jdk8-snapshot</version>
<scope>compile</scope>
</dependency>
这种方式的优点是简单直接,生成的POM文件可以被任何项目直接引用。缺点是如果项目内部模块间有大量相互依赖,版本更新时需要同步修改多处。
方案二:分离版本变量
另一种更精细的控制方案是分离版本变量的使用:
- 在根POM中定义两个版本属性:
<properties>
<revision>2.1.0-jdk8-snapshot</revision>
<yudao.version>${revision}</yudao.version>
</properties>
- 在子模块中,parent块使用${revision}:
<parent>
<groupId>cn.iocoder.boot</groupId>
<artifactId>yudao-module-infra</artifactId>
<version>${revision}</version>
</parent>
- 依赖声明中使用${yudao.version}:
<dependency>
<groupId>cn.iocoder.boot</groupId>
<artifactId>yudao-module-system-api</artifactId>
<version>${yudao.version}</version>
</dependency>
这种方式的优点是:
- 保持了版本号的集中管理
- 允许其他项目使用自己的${revision}变量
- 生成的POM中依赖版本会被正确解析
最佳实践建议
对于类似ruoyi-vue-pro这样的开源多模块项目,推荐采用以下策略:
-
使用
oss或ossrh模式的flatten-maven-plugin配置,确保发布的POM文件完全解析所有变量。 -
对于项目内部模块间的依赖,可以考虑使用项目级别的版本属性(如{revision},提高灵活性。
-
在持续集成环境中,确保版本号能够被正确替换,可以使用Maven的release插件或CI脚本自动设置版本号。
ruoyi-vue-pro项目最终采用了第一种优化方案,将flattenMode改为oss模式,这是一个合理的选择,特别适合需要频繁发布到中央仓库的开源项目。这种配置确保了项目模块在被其他项目引用时,所有依赖都能被正确解析,提高了项目的可用性和易用性。
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- 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
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00