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
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
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
12
1
暂无简介
Dart
801
199
🎉 (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
1.37 K
781
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
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
350
203
Ascend Extension for PyTorch
Python
379
453
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1