Heroku Java 应用官方构建包使用文档
1. 安装指南
本构建包为Java应用提供了官方支持,使用Maven 3.9.4构建应用,并使用OpenJDK 8运行。JDK版本可以通过以下说明进行配置。
构建包将检测应用的根目录下是否存在pom.xml文件或其他由Maven Polyglot插件支持的POM格式文件,以确定其为Java应用。之后,构建包将使用Maven执行pom.xml中定义的构建过程,并下载依赖项。.m2文件夹(本地Maven仓库)将在构建之间缓存以提高依赖解析速度。但请注意,在运行时,mvn可执行文件和.m2文件夹将不会在您的slug中可用。
2. 项目使用说明
选择JDK版本
在项目目录的根目录下创建一个system.properties文件,并设置java.runtime.version=1.8。
示例:
$ ls
Procfile pom.xml src
$ echo "java.runtime.version=1.8" > system.properties
$ git add system.properties && git commit -m "Java 8"
$ git push heroku main
...
选择Maven版本
您可以通过向项目添加Maven Wrapper,为Heroku指定特定版本的Maven。当此构建包检测到存在mvnw脚本和.mvn目录时,它将运行Maven Wrapper而不是默认的mvn命令。
如果需要覆盖默认设置,system.properties文件允许设置maven.version条目(无论是否指定了java.runtime.version条目)。例如:
java.runtime.version=1.8
maven.version=3.3.9
自定义Maven
有三种配置变量可用于自定义Maven执行:
MAVEN_CUSTOM_GOALS:默认设置为clean dependency:list installMAVEN_CUSTOM_OPTS:默认设置为-DskipTestsMAVEN_JAVA_OPTS:默认设置为-Xmx1024m
这些变量可以这样设置:
$ heroku config:set MAVEN_CUSTOM_GOALS="clean package"
$ heroku config:set MAVEN_CUSTOM_OPTS="--update-snapshots -DskipTests=true"
$ heroku config:set MAVEN_JAVA_OPTS="-Xss2g"
还有其他选项可用于定义自定义settings.xml文件。
3. 项目API使用文档
由于此构建包主要针对Java应用的部署和运行,没有直接的API供用户调用。但是,构建包通过环境变量和配置文件提供了丰富的自定义选项,具体已在“项目使用说明”部分介绍。
4. 项目安装方式
要使用此构建包,您需要将Java应用部署到Heroku平台。以下是基本的安装步骤:
- 确保已安装Heroku CLI工具。
- 创建一个新的Heroku应用或配置现有应用以使用此构建包。
# 创建一个新Heroku应用,并指定构建包
heroku create --buildpack <your-github-url>
# 或者,配置现有Heroku应用以使用您的构建包
heroku buildpacks:set <your-github-url>
# 您也可以使用git分支!
heroku buildpacks:set <your-github-url>#your-branch
确保将<your-github-url>替换为您GitHub上fork的构建包的URL。
完成这些步骤后,您可以按照“项目使用说明”部分中提供的指南配置您的Java应用,并推送到Heroku进行部署。
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