JReleaser v1.18.0 发布:增强构建与部署能力的技术解析
JReleaser 是一个强大的 Java 项目发布工具,它能够自动化整个软件发布流程,包括构建、打包、发布到各种平台以及生成变更日志等。最新发布的 v1.18.0 版本带来了多项功能增强和问题改进,进一步提升了开发者的工作效率和发布体验。
核心功能增强
原生镜像构建支持
v1.18.0 版本中,JReleaser 增加了对 FLAT_BINARY 分布类型的原生镜像构建支持。这意味着开发者现在可以更灵活地使用 GraalVM 原生镜像工具链来构建不同格式的二进制分发包,为不同平台提供更优化的运行时性能。
Docker 构建改进
构建过程中现在会自动包含 git 工具,解决了之前在某些场景下因缺少 git 而导致的构建失败问题。这一改进特别适合那些在构建过程中需要访问 git 仓库信息的项目。
Maven 部署优化
新版本显著提升了 Maven 部署器的稳定性和可靠性:
- 增加了部署超时后的重试机制和延迟处理
- 添加了对 Nexus3 仓库的专门支持
- 当部署到 Maven Central 超时时会显示明确的提示信息
这些改进大大减少了因网络波动或服务端问题导致的部署失败情况。
容器化支持增强
Podman 支持
现在除了 Docker 外,JReleaser 还支持使用 Podman 作为容器构建工具。Podman 是一个无守护进程的容器引擎,在某些环境中可能比 Docker 更受欢迎。这一变化为开发者提供了更多的选择灵活性。
发布流程改进
Forgejo 支持
v1.18.0 版本新增了对 Forgejo 作为发布平台的支持。Forgejo 是一个 Git 托管服务的分支,这一支持使得使用 Forgejo 的团队也能享受到 JReleaser 的自动化发布功能。
GitHub Release 控制
现在可以通过配置显式控制是否将 GitHub Release 标记为最新版本,这为管理多个并行版本提供了更精细的控制能力。
问题改进与稳定性提升
新版本改进了多个影响用户体验的问题:
- 解决了 SMTP 邮件通知中因 Jakarta Mail 重定位导致的类找不到问题
- 优化了组装器解析逻辑,现在只解析被选中的组装器
- 改进了快照构件部署坐标计算错误的问题
- 更新了 AppImage 模板,确保兼容性
开发者工具链更新
JReleaser v1.18.0 同步更新了众多依赖库,包括:
- 升级到 GraalVM 22.3.5
- 更新 Jackson 到 2.19.0
- 升级 Picocli 到 4.7.7
- 更新多个安全相关库版本
这些更新不仅带来了性能改进,也修复了已知的问题。
总结
JReleaser v1.18.0 通过新增功能、优化现有流程和改进问题,进一步巩固了其作为 Java 项目发布自动化首选工具的地位。无论是原生镜像构建、容器化支持,还是对各种仓库和代码托管平台的支持,这个版本都为开发者提供了更强大、更灵活的工具集。对于追求高效、自动化发布流程的 Java 团队来说,升级到 v1.18.0 版本将带来显著的效率提升和更顺畅的发布体验。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C031
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00