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。
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 StartedRust0198
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 Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07