JeecgBoot项目JAR分离打包优化实践
2025-05-03 01:16:59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
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0207
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0133
MinerUA high-quality tool for convert PDF to Markdown and JSON.一站式开源高质量数据提取工具,将PDF转换成Markdown和JSON格式。Python08
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
wgai开箱即用的JAVAAI在线训练识别平台&OCR平台AI合集包含旦不仅限于(车牌识别、安全帽识别、抽烟识别、常用类物识别等) 图片和视频识别,可自主训练任意场景融合了AI图像识别opencv、yolo、ocr、esayAI内核识别;AI智能客服、AI语言模型、 无任何第三方API接口可定制化自主离线化部署并自主化行业化使用避免占用内存、GPU消耗训练与识别分开使用;Java05
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
772
5.05 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
869
1.99 K
Ascend Extension for PyTorch
Python
748
931
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
694
1.37 K
openEuler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。
C
468
461
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
268
昇腾LLM分布式训练框架
Python
181
225
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++
1.09 K
1.14 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
363
132