GoogleContainerTools Jib 插件中排除目录配置详解
2025-05-15 16:37:14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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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