JeecgBoot项目v3.7.3springboot3版本技术解析
JeecgBoot是一个基于代码生成器的快速开发平台,采用前后端分离架构,能够帮助开发者快速构建企业级应用系统。该项目集成了众多主流技术栈,提供了丰富的功能模块和代码生成工具,大幅提升了开发效率。
版本升级与技术演进
本次发布的v3.7.3springboot3版本是JeecgBoot项目的一个重要里程碑,主要完成了从Spring Boot 2.x到Spring Boot 3.x的技术升级,同时将JDK版本提升至17。这一升级带来了诸多技术优势和性能提升,使项目能够更好地利用现代Java生态的最新特性。
核心技术变更
Spring Boot 3与JDK 17适配
项目核心框架升级至Spring Boot 3.x版本,这是一个重大的版本迭代,带来了许多架构上的改进和新特性。同时配套升级JDK至17版本,充分利用了长期支持版本(LTS)的稳定性和新特性。
这一升级涉及整个技术栈的适配工作,包括:
- 基础框架依赖的版本调整
- 配置文件的兼容性处理
- 新版本API的适配
- 废弃API的替换
持久层技术升级
项目对数据库连接池Druid进行了版本升级至1.2.22,解决了与Spring Boot 3.x的兼容性问题。同时优化了MyBatis和Minidao等ORM框架的集成方式,确保在Spring Boot 3环境下稳定运行。
安全框架增强
Shiro安全框架升级至2.0.4版本,解决了多个已知问题。同时优化了与Redis的集成方式,使用Jedis 3.8.0作为Redis客户端,提升了缓存性能和安全性。
性能优化与改进
服务器容器替换
项目将默认的Tomcat容器替换为Undertow,这是一个高性能的非阻塞式Web服务器,能够提供更好的并发处理能力和更低的资源消耗。这一变更显著提升了系统的吞吐量和响应速度。
序列化组件升级
Fastjson组件升级至2.0.43版本,修复了多个已知问题,同时提供了更好的性能和更丰富的功能。这一升级增强了系统的稳定性和数据处理能力。
分布式事务支持
项目完善了分布式事务的Demo实现,提供了更清晰的示例和更稳定的实现方案,帮助开发者更好地理解和应用分布式事务场景下的解决方案。
开发体验优化
接口文档改进
对Swagger接口文档进行了多项优化:
- 调整了自动生成接口文档的范围
- 排除了部分免登录接口的token校验请求头
- 优化了文档展示效果和交互体验
- 提供了更清晰的接口分类和描述
这些改进使API文档更加易读易用,提升了前后端协作效率。
代码生成器增强
针对Spring Boot 3.x环境,优化了代码生成器的输出:
- 修正了Schema注解参数的生成逻辑
- 适配了新版本框架的特性
- 提供了更符合现代Java编码规范的代码模板
部署与运维改进
Docker支持优化
调整了Docker镜像的基础镜像为JDK17,确保容器化部署时能够充分利用新版本Java的特性。同时优化了镜像构建过程,减少了镜像体积,提升了部署效率。
War包部署修复
解决了War包方式部署时服务启动报错的问题,增强了项目的部署灵活性,使项目能够适应更多样的部署环境需求。
总结
JeecgBoot v3.7.3springboot3版本的发布标志着该项目正式进入Spring Boot 3.x时代,带来了性能、稳定性和开发体验的多方面提升。通过这次升级,项目不仅跟上了Java生态的最新发展,也为开发者提供了更强大、更稳定的开发平台。对于企业级应用开发而言,这一版本提供了更好的技术基础和更丰富的功能支持,值得开发者关注和采用。
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