Eclipse Che 支持 WildFly Bootable Jar 栈的 VS Code 编辑器集成
在云原生开发环境中,Eclipse Che 作为一款基于 Kubernetes 的开发者工作空间平台,能够通过 Devfile 定义开发环境配置。近期,社区针对 WildFly Bootable Jar 技术栈的 VS Code 编辑器支持进行了优化,解决了原有镜像依赖缺失的问题。
背景与挑战
WildFly Bootable Jar 是 WildFly 应用服务器的一种轻量级打包方式,允许将应用及其依赖打包为可执行 JAR 文件。在 Eclipse Che 生态中,该技术栈的 Devfile 原先使用了 Jaeger Tracing 的 all-in-one 镜像作为基础容器环境。这个基于 musl/alpine 的镜像虽然轻量,但缺乏 Node.js 运行所需的底层库文件,导致 VS Code 编辑器无法正常启动。
技术解决方案
开发团队通过以下两种途径解决了该问题:
-
镜像替换方案
将原quay.io/jaegertracing/all-in-one:1.50镜像替换为包含完整 Node.js 运行时依赖的基础镜像。新镜像需要满足:- 兼容原有功能组件
- 包含 glibc 等标准库支持
- 保持合理的镜像体积
-
构建层优化方案
同时评估了在 Che-Code 的 linux-musl Dockerfile 层面进行修改的可能性,通过添加缺失的依赖库来增强基础镜像的兼容性。这种方案需要对构建系统有深入理解,但能保持镜像的轻量化优势。
实施效果
经过社区协作,最终采用镜像替换方案作为即时解决方案,相关变更已通过 Pull Request 合并至 Devfile 注册表。现在开发者可以:
- 直接使用 VS Code 作为 WildFly Bootable Jar 项目的在线编辑器
- 获得完整的代码补全和调试功能支持
- 保持原有的应用服务器特性不变
技术启示
该案例体现了云原生开发环境的典型挑战:
- 基础镜像的轻量化与功能完备性需要平衡
- 跨组件依赖管理需考虑运行时环境差异
- 社区协作能快速验证多种技术方案
对于类似技术栈的集成,建议开发者在选择基础镜像时:
- 明确编辑器/工具链的运行时需求
- 优先选择经过验证的标准化镜像
- 必要时通过多阶段构建分离运行时和工具链环境
此次优化进一步丰富了 Eclipse Che 对 Java 生态系统的支持能力,为云原生时代的企业级应用开发提供了更完善的工作流体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00