Sonatype Nexus Staging Maven插件在多模块项目中跳过子模块部署的解决方案
问题背景
在使用Sonatype Nexus Staging Maven插件(nexus-staging-maven-plugin)进行多模块Maven项目部署时,开发者可能会遇到一个常见问题:无法通过传统的maven.deploy.skip属性来跳过特定子模块的部署。这个问题在DFLib DataFrame项目中就曾出现,其中dflib-benchmark模块虽然设置了跳过部署的属性,但仍然被发布到了Sonatype仓库中。
传统方法的局限性
在标准的Maven部署流程中,开发者通常使用以下两种方式来跳过模块部署:
- 在模块的pom.xml中设置属性:
<properties>
<maven.deploy.skip>true</maven.deploy.skip>
</properties>
- 显式配置maven-deploy-plugin:
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-deploy-plugin</artifactId>
<configuration>
<skip>true</skip>
</configuration>
</plugin>
然而,当使用Nexus Staging Maven插件时,这些方法可能不再有效,因为该插件接管了部署流程,绕过了标准部署插件的配置。
解决方案:使用excludeArtifacts配置
针对Nexus Staging Maven插件,正确的解决方案是使用其提供的excludeArtifacts配置项。这个配置允许开发者明确指定要排除的artifact ID列表。
配置示例:
<plugin>
<groupId>org.sonatype.plugins</groupId>
<artifactId>nexus-staging-maven-plugin</artifactId>
<extensions>true</extensions>
<configuration>
<serverId>oss-sonatype-releases</serverId>
<nexusUrl>https://s01.oss.sonatype.org/</nexusUrl>
<autoReleaseAfterClose>false</autoReleaseAfterClose>
<excludeArtifacts>
<artifact>dflib-benchmark</artifact>
</excludeArtifacts>
</configuration>
</plugin>
最佳实践建议
-
明确排除:对于多模块项目,建议在父POM中明确列出所有需要排除的子模块artifact ID,而不是依赖全局属性。
-
版本兼容性:确保使用的插件版本支持
excludeArtifacts配置项。较新版本的插件通常有更好的兼容性和功能支持。 -
测试验证:在正式发布前,使用
mvn deploy -DdryRun=true命令进行测试,验证排除配置是否生效。 -
考虑迁移:随着Sonatype发布流程的更新,建议评估迁移到新的central-publishing-maven-plugin的可能性,该插件提供了更现代的配置方式。
技术原理
Nexus Staging Maven插件通过扩展Maven的部署机制,提供了更精细的发布控制。当配置了excludeArtifacts时,插件会在构建部署描述符时过滤掉指定的artifact,从而确保它们不会被上传到远程仓库。这种机制比传统的跳过属性更加可靠,因为它直接作用于部署流程的核心环节。
通过理解这一机制,开发者可以更有效地控制多模块项目的发布内容,确保只有预期的模块被部署到中央仓库。
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00