JEECG-Boot项目JAR分离打包优化实践
2025-05-02 10:40:35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
相关项目推荐
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-1.5暂无简介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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210