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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00