JEECG-Boot项目JAR分离打包优化实践
2025-05-02 08:49:58作者:乔或婵
背景介绍
在JEECG-Boot 3.6.3版本中,开发者反馈了一个关于JAR分离打包的问题。当使用分离式打包时,业务代码相关的JAR文件(以jeecg前缀开头的)也被放到了外部lib目录中,这给后续的更新部署带来了不便。本文将深入分析这个问题,并提供优化建议。
问题分析
JEECG-Boot是一个基于Spring Boot的快速开发平台,采用微服务架构设计。在标准的Spring Boot应用中,JAR分离打包是一种常见的优化手段,它可以将应用依赖的第三方库与业务代码分离,从而:
- 减小主JAR包体积
- 加快构建和部署速度
- 便于依赖管理
然而,当前JEECG-Boot的分离打包配置将所有依赖(包括业务模块)都提取到了外部lib目录,这导致:
- 更新业务代码时需要逐个查找并替换lib目录下的相关JAR
- 增加了部署复杂度
- 不利于版本管理和回滚
解决方案
1. 修改Maven打包配置
核心思路是通过Spring Boot Maven插件的配置,控制哪些依赖需要内嵌在主JAR中,哪些需要外置。
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
<configuration>
<layout>ZIP</layout>
<includes>
<!-- 包含业务模块 -->
<include>
<groupId>org.jeecgframework.boot</groupId>
<artifactId>jeecg-*</artifactId>
</include>
</includes>
</configuration>
</plugin>
2. 优化后的完整配置示例
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
<configuration>
<layout>ZIP</layout>
<includes>
<!-- 包含所有jeecg开头的业务模块 -->
<include>
<groupId>org.jeecgframework.boot</groupId>
<artifactId>jeecg-*</artifactId>
</include>
</includes>
</configuration>
</plugin>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-dependency-plugin</artifactId>
<executions>
<execution>
<id>copy-dependencies</id>
<phase>package</phase>
<goals>
<goal>copy-dependencies</goal>
</goals>
<configuration>
<outputDirectory>${project.build.directory}/lib</outputDirectory>
<!-- 排除业务模块 -->
<excludeGroupIds>org.jeecgframework.boot</excludeGroupIds>
</configuration>
</execution>
</executions>
</plugin>
<!-- 其他插件配置保持不变 -->
</plugins>
3. 启动命令调整
优化后,启动命令保持不变:
java -jar -Dfile.encoding=UTF-8 -Dloader.path=lib jeecg-system.jar
实施效果
采用上述优化方案后:
- 业务模块(jeecg-*)会被打包到主JAR中
- 第三方依赖会被提取到lib目录
- 更新业务代码只需替换主JAR即可
- 更新第三方依赖只需替换lib目录下相应JAR
最佳实践建议
- 版本管理:为业务JAR和第三方依赖分别建立版本管理策略
- 构建优化:考虑使用Maven Profile区分开发环境和生产环境打包配置
- 部署流程:建立自动化部署脚本,减少人工操作错误
- 依赖监控:定期检查并更新第三方依赖版本
总结
通过对JEECG-Boot项目JAR分离打包配置的优化,我们实现了业务代码与第三方依赖的合理分离,简化了部署更新流程。这种优化不仅适用于JEECG-Boot,也可以作为其他Spring Boot项目JAR分离打包的参考方案。开发者应根据实际项目需求,灵活调整打包策略,找到最适合自己项目的部署方案。
登录后查看全文
热门项目推荐
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust012
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
热门内容推荐
最新内容推荐
如何用自然语言掌控电脑?UI-TARS-desktop智能助手入门指南离线语音资源全攻略:高效管理与优化指南4步攻克抖音直播回放留存难题:面向内容创作者的全流程技术指南Home Assistant功能扩展实战指南:从问题诊断到价值实现的完整路径开源工具 AzurLaneLive2DExtract:3大核心优势助力碧蓝航线Live2D模型资源提取与二次创作Godot卡牌游戏框架深度探索:从理论架构到实战开发直播内容管理新维度:多场景直播归档方案全攻略OBS Advanced Timer:5个直播控时秘诀让你的直播节奏尽在掌握零基础掌握Home Assistant扩展:Docker加载项实战指南虚拟显示技术重塑数字工作空间:突破物理屏幕限制的多屏效率革命
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
629
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
947
887
openEuler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。
C
398
303
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
909
暂无简介
Dart
921
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
143
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381