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。
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