3. 打包

简介: 本项目通过Maven构建,使用Spring Boot插件将应用打包为可执行JAR,配置`mainClass`并执行`mvn clean package`生成单个JAR文件,支持前台/后台运行(`java -jar`或`nohup`),通过端口查PID并`kill -9`停止服务;也可分离JAR、依赖与配置文件以提升灵活性。
  1. 全在一个jar内
    1.1 配置文件
    XML
    复制代码
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29

     <finalName>hzzx</finalName>
     <plugins>
         <plugin>
             <groupId>org.apache.maven.plugins</groupId>
             <artifactId>maven-compiler-plugin</artifactId>
             <configuration>
                 <source>1.8</source>
                 <target>1.8</target>
             </configuration>
         </plugin>
    
         <plugin>
             <groupId>org.springframework.boot</groupId>
             <artifactId>spring-boot-maven-plugin</artifactId>
             <configuration>
                 <!-- 工程主入口-->
                 <mainClass>cn.test.web.FrameworkSpringApplication</mainClass>
             </configuration>
             <executions>
                 <execution>
                     <goals>
                         <goal>repackage</goal>
                     </goals>
                 </execution>
             </executions>
         </plugin>
     </plugins>
    


    1.2 打包步骤
    或借助指令:
    XML
    复制代码
    1
    mvn clean package
    1.3 运行指令
    XML
    复制代码
    1
    2
    java -jar .jar 前台运行
    nohup java -jar
    .jar 后台运行
    1.4 停止指令
    netstat -anp 或者 ps -ef |grep 端口 或者 netstat -nap | grep 端口
    找到pid之后
    kill -9 pid
    2.jar,依赖jar,配置文件分开
    参考这个:https://www.cnblogs.com/wym789/p/11505591.html

相关文章
|
机器学习/深度学习 测试技术
大模型开发:描述交叉验证以及为什么在模型评估中使用它。
【4月更文挑战第24天】交叉验证是评估机器学习模型性能的方法,通过将数据集分成训练集和多个子集(折叠)进行多次训练验证。它能减少过拟合风险,提供更可靠的性能估计,用于参数调优,并减少小数据集或噪声带来的随机性影响。通过汇总多轮验证结果,得到模型的整体性能估计。
895 7
|
编解码 iOS开发 开发者
App上架Apple App Store和Google Play流程
App上架Apple App Store和Google Play流程
929 2
|
XML 数据格式 Windows
WIX 安装部署教程(六) 为你收集的七个知识点
原文:WIX 安装部署教程(六) 为你收集的七个知识点  前段时间整理5篇WIX(Windows Installer XML)的安装教程,但还不够完善,这里继续整理了七个知识点分享给大家。WIX最新版本3.
2412 0
|
6月前
|
机器学习/深度学习 自然语言处理 搜索推荐
大模型应用:电商智能推荐:基于本地大模型的冷启动智能推荐系统实例.61
本文介绍基于Qwen1.5-1.8B-Chat轻量大模型的电商智能推荐系统,解决冷启动、模糊意图理解与可解释性差等痛点;通过语义特征增强、个性化意图解析及自然语言推荐理由生成,提升准确性与用户体验,代码开源、易于中小团队落地。
666 13
|
9月前
|
存储 传感器 监控
RFID实现仓储物流透明化与智能化管理
RFID 技术在仓储物流领域,是当前提升效率和准确性的核心方案之一。其核心价值在于通过非接触式自动识别,RFID实现仓储物流透明化与智能化管理。
|
5月前
|
存储 弹性计算 数据库
2026年阿里云老用户购买云服务器有没有优惠?具体优惠政策及配置和价格参考
2026年阿里云为回馈老用户,推出了一系列优惠政策,涵盖99元和199元经典云服务器套餐及第九代高性能实例。老用户指在阿里云官网有收费云产品购买记录的用户,可享受低价长效特惠,如经济型e实例低至3.9折,第九代实例年付6.4折、月付8折起。通过巧用购物车、合理选择带宽与时长、主动领取权益等购买策略,老用户能以更优惠的价格实现云服务器的扩容、升级或新购。
605 3
|
小程序
公众号如何添加附传Word、Excel、Pdf、PPT文档
公众号里添加一些文档给公众号粉丝下载,比如课件PPT、申请表Word文档、岗位需求Excel表、大赛入围/获奖名单等。公众号本身是不支持直接上传文件的,但我们可以通过附件小程序“间接”上传文件。
1762 0
|
机器学习/深度学习 算法 PyTorch
基于Pytorch Gemotric在昇腾上实现GraphSage图神经网络
本实验基于PyTorch Geometric,在昇腾平台上实现GraphSAGE图神经网络,使用CiteSeer数据集进行分类训练。内容涵盖GraphSAGE的创新点、算法原理、网络架构及实战分析。GraphSAGE通过采样和聚合节点邻居特征,支持归纳式学习,适用于未见节点的表征生成。实验包括模型搭建、训练与验证,并在NPU上运行,最终测试准确率达0.665。
|
JavaScript C# 开发工具
20款VS Code实用插件推荐
20款VS Code实用插件推荐
849 0