MyBatis-Plus 在 Tomcat 中配置 Spring 参数的最佳实践
在 Java Web 应用开发中,MyBatis-Plus 作为 MyBatis 的增强工具,经常与 Spring 框架结合使用。当我们将基于 MyBatis-Plus 和 Spring 的应用部署到 Tomcat 服务器时,如何正确配置 Spring 参数是一个常见的技术问题。本文将详细介绍在不同 Tomcat 部署场景下传递 Spring 配置参数的方法。
嵌入式 Tomcat 的参数配置
对于使用 Spring Boot 内嵌 Tomcat 的应用,参数传递最为简单直接。我们可以通过 java -jar 命令直接传递 Spring 配置参数:
java -jar myapp.jar --server.port=8081 --spring.datasource.url=jdbc:mysql://localhost:3306/mydb
这种方式会覆盖 application.properties 或 application.yml 文件中的默认配置,非常适合在测试和生产环境中快速调整配置。
传统 Tomcat 的参数配置方法
当我们将应用部署到独立 Tomcat 服务器时,有以下几种配置 Spring 参数的方式:
1. 通过 CATALINA_OPTS 环境变量配置
这是最推荐的方式,可以在 Tomcat 启动时传递系统属性:
# Linux/Unix 系统
export CATALINA_OPTS="$CATALINA_OPTS -Dserver.port=8081 -Dspring.datasource.url=jdbc:mysql://localhost:3306/mydb"
# Windows 系统
set CATALINA_OPTS=%CATALINA_OPTS% -Dserver.port=8081 -Dspring.datasource.url=jdbc:mysql://localhost:3306/mydb
建议将这些配置写入 Tomcat 的 setenv.sh(Linux)或 setenv.bat(Windows)文件中,这样每次启动 Tomcat 时都会自动加载这些参数。
2. 通过 context.xml 文件配置
在 Tomcat 的 conf/context.xml 文件中可以添加参数配置:
<Context>
<Parameter name="server.port" value="8081" override="false"/>
<Parameter name="spring.datasource.url" value="jdbc:mysql://localhost:3306/mydb" override="false"/>
</Context>
这种方式适合需要为特定应用配置参数的场景。
3. 通过 web.xml 文件配置
在应用的 WEB-INF/web.xml 中可以添加上下文参数:
<context-param>
<param-name>server.port</param-name>
<param-value>8081</param-value>
</context-param>
<context-param>
<param-name>spring.datasource.url</param-name>
<param-value>jdbc:mysql://localhost:3306/mydb</param-value>
</context-param>
这种方式将配置与应用打包在一起,适合应用特定的配置需求。
配置参数的作用域与优先级
理解不同配置方式的作用域和优先级非常重要:
- 命令行参数:最高优先级,仅适用于嵌入式 Tomcat
- CATALINA_OPTS:系统级配置,影响所有部署的应用
- context.xml:影响特定主机或应用
- web.xml:仅影响单个应用
在实际生产环境中,建议根据配置的作用范围选择合适的配置方式。对于 MyBatis-Plus 相关的数据库连接池配置等应用级参数,推荐使用 web.xml 或 context.xml 方式;对于服务器端口等系统级参数,则适合使用 CATALINA_OPTS 方式。
安全注意事项
在配置数据库连接等敏感信息时,应当注意:
- 避免在配置文件中直接写入明文密码
- 考虑使用 JNDI 数据源方式管理数据库连接
- 对于生产环境,建议使用配置中心统一管理配置
- 确保配置文件权限设置合理,防止信息泄露
通过合理选择配置方式,我们可以在 Tomcat 环境中灵活管理 MyBatis-Plus 和 Spring 应用的各项参数,满足不同环境下的部署需求。
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