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。
kernelopenEuler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。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00