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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00