Jeecg-Boot多模块开发中404问题的排查与解决
2025-05-02 04:37:47作者:乔或婵
问题背景
在使用Jeecg-Boot 3.7.1版本进行多模块开发时,开发者遇到了新建模块请求返回404的问题。该问题出现在未使用jeecg默认包名的情况下,尽管已经正确配置了包扫描路径和相关依赖。
问题现象
开发者描述的主要现象包括:
- 新建模块的API请求返回404错误
- 过滤器可以拦截到请求,但控制器未被正确映射
- 使用jeecg默认包名时功能正常,自定义包名时出现问题
配置检查要点
根据问题描述,正确的多模块开发配置应包含以下关键点:
-
POM依赖配置:
- 主项目和启动模块都需要引入新建的模块依赖
- 必须包含jeecg-boot-base-core依赖
-
YAML配置:
- application-dev.yml中需要配置Mybatis Plus的mapper路径
- 需要配置MybatisPlusSaasConfig的mapper路径
-
Swagger配置:
- Swagger2Config中需要添加新建模块的包路径
-
包扫描配置:
- 需要确保Spring能够扫描到新建模块中的组件
常见解决方案
-
包扫描路径确认:
- 检查主启动类上的@ComponentScan注解
- 确保扫描路径包含新建模块的包路径
- 如果使用自定义包名,需要显式添加扫描路径
-
Maven依赖验证:
- 执行完整的Maven clean和install操作
- 检查模块间的依赖关系是否正确
- 确认所有模块都已正确安装到本地仓库
-
配置项复查:
- 检查application.yml中的mybatis-plus配置
- 确认mapper-locations路径包含新建模块的mapper文件
- 检查实体类扫描路径是否正确
-
缓存清理:
- 清理IDE的构建缓存
- 重启应用服务器
- 必要时清理浏览器缓存
深入分析
当使用非默认包名时出现404问题,通常表明Spring未能正确扫描和注册控制器组件。这可能是由于:
- 主应用的组件扫描范围未覆盖新建模块
- 自动配置类未被正确加载
- 包路径配置存在拼写错误或路径不匹配
- 模块间的依赖关系未正确建立
最佳实践建议
-
包名规划:
- 建议在自定义包名中保留jeecg相关前缀
- 保持包结构的清晰和一致性
-
配置管理:
- 使用属性文件统一管理包扫描路径
- 为不同环境维护独立的配置文件
-
开发流程:
- 在添加新模块后执行完整的构建流程
- 使用IDE的依赖分析工具检查模块关系
- 定期清理构建产物和缓存
通过系统性地检查上述各个环节,通常可以解决Jeecg-Boot多模块开发中的404问题。关键在于确保组件能够被正确扫描和注册,以及所有配置项的一致性和准确性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217