JeecgBoot项目JAR分离打包优化实践
2025-05-03 12:54:52作者:滑思眉Philip
背景概述
在Java应用部署过程中,JAR包分离打包是一种常见的优化手段,尤其对于像JeecgBoot这样的企业级快速开发框架。传统的单体打包方式会导致每次更新都需要重新部署整个应用包,而分离打包则可以将依赖库与业务代码分离,提高部署效率。
分离打包的常见问题
在实际使用JeecgBoot 3.6.3版本进行分离打包时,开发者遇到了一个典型问题:业务代码相关的JAR文件(以jeecg前缀命名的)也被放到了外部lib目录中。这导致每次更新时都需要:
- 确定哪些业务模块有更新
- 手动更新lib目录下对应的JAR包
- 增加了部署的复杂度和出错概率
技术原理分析
Spring Boot的默认打包机制会将所有依赖(包括业务模块)打包成一个可执行的JAR文件。当采用分离打包策略时,通常的做法是:
- 使用
spring-boot-maven-plugin
配置ZIP布局 - 通过
maven-dependency-plugin
将依赖复制到指定目录 - 使用
maven-resources-plugin
处理静态资源
优化解决方案
针对JeecgBoot项目的特性,我们可以采用以下优化方案:
1. 自定义依赖分类
在pom.xml中明确定义哪些依赖应该外置,哪些应该内置:
<configuration>
<includes>
<!-- 排除业务模块 -->
<include>
<groupId>org.jeecgframework.boot</groupId>
<artifactId>jeecg-*</artifactId>
</include>
</includes>
</configuration>
2. 多模块打包策略
对于JeecgBoot的多模块项目,建议:
- 将核心启动模块(jeecg-system-start)作为主模块
- 业务模块作为依赖引入
- 在打包时保留业务模块在主JAR中
3. 启动参数优化
使用Spring Boot的loader.path参数指定外部依赖路径:
java -jar -Dfile.encoding=UTF-8 -Dloader.path=lib jeecg-system.jar
实施建议
- 版本控制:确保所有模块版本一致,避免依赖冲突
- 构建顺序:在多模块项目中,先构建依赖模块再构建主模块
- 测试验证:部署前在测试环境验证分离打包效果
- 文档记录:记录每个业务模块的版本和变更历史
最佳实践
对于JeecgBoot项目,推荐采用以下打包结构:
jeecg-system-start.jar (包含所有业务模块)
├── lib/ (第三方依赖)
├── config/ (配置文件)
└── static/ (静态资源)
这种结构下,业务更新只需替换主JAR文件,而第三方依赖可以长期保持不变。
总结
JeecgBoot项目的JAR分离打包优化需要平衡部署便利性和性能需求。通过合理配置Maven插件和Spring Boot打包策略,可以实现业务代码内置而第三方依赖外置的理想状态。这种方案既减少了部署包的大小,又简化了更新流程,特别适合频繁更新的业务系统。
登录后查看全文
热门项目推荐
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
- QQwen3-Coder-480B-A35B-InstructQwen3-Coder-480B-A35B-Instruct是当前最强大的开源代码模型之一,专为智能编程与工具调用设计。它拥有4800亿参数,支持256K长上下文,并可扩展至1M,特别擅长处理复杂代码库任务。模型在智能编码、浏览器操作等任务上表现卓越,性能媲美Claude Sonnet。支持多种平台工具调用,内置优化的函数调用格式,能高效完成代码生成与逻辑推理。推荐搭配温度0.7、top_p 0.8等参数使用,单次输出最高支持65536个token。无论是快速排序算法实现,还是数学工具链集成,都能流畅执行,为开发者提供接近人类水平的编程辅助体验。【此简介由AI生成】Python00
- KKimi-K2-InstructKimi-K2-Instruct是月之暗面推出的尖端混合专家语言模型,拥有1万亿总参数和320亿激活参数,专为智能代理任务优化。基于创新的MuonClip优化器训练,模型在知识推理、代码生成和工具调用场景表现卓越,支持128K长上下文处理。作为即用型指令模型,它提供开箱即用的对话能力与自动化工具调用功能,无需复杂配置即可集成到现有系统。模型采用MLA注意力机制和SwiGLU激活函数,在vLLM等主流推理引擎上高效运行,特别适合需要快速响应的智能助手应用。开发者可通过兼容OpenAI/Anthropic的API轻松调用,或基于开源权重进行深度定制。【此简介由AI生成】Python00
IssueSolutionDemos
用于管理和运行HarmonyOS Issue解决方案Demo集锦。ArkTS09note-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。TSX02chatgpt-on-wechat
基于大模型搭建的聊天机器人,同时支持 微信公众号、企业微信应用、飞书、钉钉 等接入,可选择GPT3.5/GPT-4o/GPT-o1/ DeepSeek/Claude/文心一言/讯飞星火/通义千问/ Gemini/GLM-4/Claude/Kimi/LinkAI,能处理文本、语音和图片,访问操作系统和互联网,支持基于自有知识库进行定制企业智能客服。Python021
热门内容推荐
1 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp音乐播放器项目中的函数调用问题解析4 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 5 freeCodeCamp博客页面工作坊中的断言方法优化建议6 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析7 freeCodeCamp论坛排行榜项目中的错误日志规范要求8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp课程视频测验中的Tab键导航问题解析
最新内容推荐
左手Annotators,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手controlnet-openpose-sdxl-1.0,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手ERNIE-4.5-VL-424B-A47B-Paddle,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手m3e-base,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手SDXL-Lightning,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手wav2vec2-base-960h,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手nsfw_image_detection,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手XTTS-v2,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手whisper-large-v3,右手GPT-4:企业AI战略的“开源”与“闭源”之辩 左手flux-ip-adapter,右手GPT-4:企业AI战略的“开源”与“闭源”之辩
项目优选
收起

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
709
459

React Native鸿蒙化仓库
C++
142
225

🔥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
53
15

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
115
255

openGauss kernel ~ openGauss is an open source relational database management system
C++
103
161

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
306
1.04 K

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.02 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
366
356

① 行代码,实现自动化办公
Python
21
13