GoogleContainerTools Jib 插件中排除目录配置详解
2025-05-15 08:25:59作者:舒璇辛Bertina
在使用 GoogleContainerTools 的 Jib 插件构建容器镜像时,开发者经常需要精细控制哪些文件应该被包含在最终的镜像中。本文将深入探讨 Jib 插件中排除目录的正确配置方法,帮助开发者解决常见的文件排除问题。
问题背景
Jib 是一个流行的 Java 容器镜像构建工具,它允许开发者在不使用 Docker 的情况下构建容器镜像。在构建过程中,开发者可能需要通过 <extraDirectories> 配置来添加额外的文件到镜像中,同时排除某些不需要的目录和文件。
常见配置误区
许多开发者尝试使用类似以下的配置来排除 target 和 src 目录:
<excludes>
<exclude>target/**</exclude>
<exclude>src/**</exclude>
</excludes>
这种配置确实可以排除目录中的内容,但目录本身仍然会被创建在最终的镜像中。这是因为 target/** 模式只会匹配目录下的所有内容,而不会匹配目录本身。
正确配置方法
要实现完全排除目录(包括目录本身),需要同时添加两个排除规则:
<excludes>
<exclude>target/**</exclude> <!-- 排除目录内容 -->
<exclude>target</exclude> <!-- 排除目录本身 -->
<exclude>src/**</exclude> <!-- 排除目录内容 -->
<exclude>src</exclude> <!-- 排除目录本身 -->
</excludes>
这种双重排除模式确保了目录及其内容都不会出现在最终的容器镜像中。
实际应用示例
以下是一个完整的 Jib 插件配置示例,展示了如何正确排除多个目录和文件:
<plugin>
<groupId>com.google.cloud.tools</groupId>
<artifactId>jib-maven-plugin</artifactId>
<version>3.4.0</version>
<configuration>
<extraDirectories>
<paths>
<path>
<from>${project.basedir}</from>
<into>/app</into>
<excludes>
<exclude>target/**</exclude>
<exclude>target</exclude>
<exclude>src/**</exclude>
<exclude>src</exclude>
<exclude>pom.xml</exclude>
</excludes>
</path>
</paths>
</extraDirectories>
</configuration>
</plugin>
技术原理
Jib 的文件排除功能基于 Ant 风格的模式匹配。理解以下几点有助于正确配置:
target模式只匹配名为 "target" 的文件或目录target/或target/**匹配 "target" 目录及其所有内容- 要完全排除目录,需要同时匹配目录本身和其内容
最佳实践建议
- 对于需要完全排除的目录,总是同时添加目录名和目录内容两种排除模式
- 使用相对路径进行匹配,路径相对于
<from>指定的目录 - 在开发过程中使用
mvn jib:build -DsendCredentialsOverHttp=true命令快速验证配置效果 - 考虑使用不同的目标路径(如
/copied)进行测试,以避免与应用程序的标准目录混淆
通过正确理解和使用 Jib 的排除模式,开发者可以精确控制容器镜像中的文件结构,构建出更精简、更符合需求的容器镜像。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217