sbt-native-packager 1.11.1版本发布:Java应用打包工具的重要更新
项目简介
sbt-native-packager是一个基于sbt构建工具的插件,专门用于将Scala和Java应用程序打包成各种原生格式。它支持多种打包格式,包括Docker、RPM、DEB、MSI、ZIP等,极大简化了Java/Scala应用程序的部署过程。通过简单的配置,开发者可以轻松创建适合不同环境的安装包,而无需编写复杂的构建脚本。
版本亮点
sbt-native-packager 1.11.1版本是一个维护性更新,主要修复了一些关键问题并进行了多项改进。这个版本继续保持了与多个sbt版本的兼容性,包括1.x系列和2.0.0-M3/M4等早期版本。
主要变更内容
调试参数格式变更
此版本对JVM调试参数的处理方式进行了重要调整。在JDK 9及以上版本中,使用bash脚本进行远程调试时,参数格式发生了变化。原先的-jvm-debug 5005现在需要改为-jvm-debug '*:5005'才能保持相同的功能。这一变更影响了所有使用该参数进行远程调试的用户。
Windows批处理脚本改进
1.11.1版本为Windows平台的批处理脚本(bat)实现了-jvm-debug参数的支持,使得Windows用户也能方便地进行JVM调试。这一改进填补了之前平台间功能差异的空白。
脚本执行优化
修复了转发脚本(forwarder scripts)中未使用exec命令的问题。这一改进确保了脚本执行时能正确替换当前进程,而不是创建子进程,从而避免了潜在的进程管理问题。
构建系统更新
项目内部进行了多项构建工具和依赖项的更新:
- 将jdeb更新至1.13版本,提升了Debian包构建功能
- Scala 3库更新到3.6.3版本
- sbt-scalafmt插件更新到2.5.4
- sbt-ci-release插件更新到1.9.2
许可证调整
移除了BSD许可证的引用,并添加了NOTICE文件,使项目的许可证信息更加清晰规范。
技术影响分析
对于使用sbt-native-packager的项目,1.11.1版本带来的调试参数变更需要特别注意。这一变化源于现代JDK版本对调试参数处理方式的改进,使得参数格式需要更加明确地指定调试地址。
Windows平台调试支持的加入使得跨平台开发体验更加一致,开发者现在可以在不同操作系统上使用相同的调试工作流程。
脚本执行方式的优化虽然看似微小,但对于长期运行的应用程序尤为重要,它确保了进程信号的正确传递和资源清理。
升级建议
对于正在使用sbt-native-packager的项目,升级到1.11.1版本时应注意:
- 检查项目中是否使用了
-jvm-debug参数,特别是如果运行在JDK 9+环境下,需要按照新格式调整参数 - Windows用户现在可以统一使用
-jvm-debug参数进行调试 - 验证构建过程是否受到依赖项更新的影响
- 对于Docker相关功能,确认构建过程是否正常
总结
sbt-native-packager 1.11.1版本虽然是一个维护性更新,但包含了多项对开发者体验有实质性影响的改进。特别是调试参数格式的统一和Windows平台支持的完善,使得这个工具在不同环境下的表现更加一致可靠。对于依赖sbt-native-packager进行应用打包和部署的团队,及时升级到这个版本将获得更好的开发体验和更稳定的构建过程。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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