Jetty项目模块化依赖问题分析与解决方案
背景介绍
Jetty作为一个广泛使用的Java Web服务器和Servlet容器,在其12.x版本中对模块系统进行了重要改进。在Jetty 12的EE10版本中,开发团队重构了JNDI相关代码,将其从各EE模块中提取到核心模块,这一架构调整带来了模块依赖关系的变化。
问题发现
近期Jetty项目中的一个变更引发了Spring Boot项目的兼容性问题。具体表现为:当Spring Boot项目使用Jetty作为内嵌服务器并运行在Java模块系统下时,由于新增的requires org.eclipse.jetty.jndi声明导致启动失败。
技术分析
-
依赖关系变更:Jetty 12 EE10版本将JNDI实现从各EE模块移至核心模块,导致
jetty-ee10-plus模块需要显式声明对jetty-jndi的依赖。 -
Spring Boot的实践:长期以来,Spring Boot Starter Jetty都排除了
jetty-jndi依赖,这表明在大多数Spring Boot使用场景中并不需要完整的JNDI功能。 -
模块系统行为:Java模块系统对依赖的严格检查与传统的类路径机制不同。显式的
requires声明会强制要求依赖模块存在,而Spring Boot项目通常不包含jetty-jndi模块。
解决方案讨论
开发团队与社区成员就这一问题进行了深入讨论,考虑了多种解决方案:
-
改为
requires static:这种"弱依赖"声明可以允许模块在缺少依赖时仍能工作,但团队认为EnvConfiguration类是jetty-ee10-plus的核心功能,不应设为可选。 -
调整Spring Boot配置:建议Spring Boot项目移除对
jetty-jndi的排除,但这需要Spring Boot团队的配合。 -
应用层解决:最终用户可以在自己的项目中显式添加
jetty-jndi依赖,这是当前最直接的解决方案。
技术决策
经过讨论,Jetty团队确认当前的依赖声明是合理的,因为:
- JNDI功能是
jetty-ee10-plus模块的核心组成部分 EnvConfiguration类会被服务加载器自动加载并执行- 改为可选依赖会影响模块功能的完整性
最佳实践建议
对于使用Jetty模块系统的开发者:
- 如果项目需要完整的EE功能,应确保包含所有必要的Jetty模块
- 在使用Spring Boot时,注意检查其排除的依赖是否会影响模块系统
- 对于自定义模块化应用,明确声明所有需要的Jetty模块依赖
总结
这次讨论体现了Java模块系统在实际应用中的挑战,特别是在大型框架和库的生态系统中。Jetty团队通过保持模块边界的清晰性,确保了功能的完整性,而最终用户则可以通过适当配置来满足特定需求。这种权衡是模块系统设计中常见的考量,需要在功能完整性和使用灵活性之间找到平衡点。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00