快速落地 JT/T 808 服务端:jt-framework

简介: jt-framework 是基于 Spring Boot 的 JT/T 808 服务端框架,支持 JT/T 1078、附件服务器及 Dashboard,提供开箱即用的 Starter 与示例工程。注解驱动、协议解析完整,覆盖分包、加解密、多版本适配,助力车联网平台快速集成终端通信能力。(239 字)

快速落地 JT/T 808 服务端:jt-framework

一、项目名称

jt-framework

一句话简介:基于 Spring Boot 的 JT/T 808(并扩展 JT/T 1078、附件服务器、Dashboard)服务端框架,提供 starter + 示例工程,适合直接集成到你的车联网平台后端。

适用场景:

  • 车联网平台对接终端:JT/T 808 登录/定位/心跳/下发指令
  • 音视频与实时流:JT/T 1078 相关链路(beta)
  • 需要可观测/运维入口:组件统计、请求处理器列表、Dashboard(beta)
    图片

    二、开源协议

  • 以仓库 LICENSE 为准

三、功能概述(核心卖点)

1)Spring Boot Starter(boot2/boot3 双线)

  • 是什么:把 JT/T 808/1078 能力做成 starter,直接依赖即可启动服务端,不需要从零搭 Netty pipeline。
  • 怎么做:
    • Spring Boot 2.x:jt-808-server-spring-boot-starter-boot2(JDK 8+)
    • Spring Boot 3.x:jt-808-server-spring-boot-starter(JDK 17+)
  • 注意事项(可选):boot2/boot3 的 JDK 与 Spring Boot 版本有硬约束,选型先看 README 的兼容矩阵。

2)注解驱动的消息处理

  • 是什么:用注解/Handler 的方式组织业务处理逻辑,减少“switch case + 手写路由”的维护成本。
  • 怎么做:示例工程集中在 samples/**demos/**,可以直接照着写自己的 Handler。
  • 注意事项(可选):建议把“协议解析/校验/分包重组”留在框架层,把“业务入库/告警/策略”放在你的业务模块。

3)分包/下发/加解密等协议常见难点覆盖

  • 是什么:覆盖 JT/T 808 常见能力:消息分包、消息下发、报文加解密、多版本适配。
  • 怎么做:配置项通过 application.yml/yaml 管理,示例里能看到分包缓存、线程池、最大帧长等参数。
  • 对外部依赖要显式说明:
    • 分包存储支持 caffeine / redis / none(示例里有 caffeine、redis 的配置块)
    • 若启用 redis,你需要自备 Redis 服务并开放连接权限

4)附件服务器(苏标附件等)

  • 是什么:独立的附件服务器能力(与 808 指令服务器可分开启停),用于上传/接收附件数据链路。
  • 怎么做:示例 samples/jt-808-attachment-server-sample 中可看到:
    • jt808.attachment-server.enabled: true
    • jt808.attachment-server.port: 6809
  • 注意事项(可选):附件临时目录/落盘目录需要可写权限(示例默认 /tmp/jt808-attachment-server-demo/)。

5)JT/T 1078(beta)

  • 是什么:提供 1078 服务端 starter + 示例(WebMVC/WebFlux),用于音视频链路相关场景。
  • 怎么做:示例 samples/jt-1078-server-sample-webmvc-boot3 / ...webflux-boot3
    • HTTP:server.port: 1078
    • TCP:jt1078.server.port: 61078
  • 注意事项(可选):示例里包含数据 dump 到文件的配置(默认 /tmp/jtt/**),部署到容器或生产机时要显式挂载目录。

6)Dashboard(beta)

  • 是什么:Dashboard server/client + UI(Vue3)模块,提供更直观的运行态入口。
  • 怎么做:模块在 dashboard/**,UI 在 dashboard/jt-dashboard-server-ui-vue3
  • 注意事项(可选):Dashboard 模块当前只支持 spring-boot-3.x/jdk17+(见 README 模块矩阵)。

四、技术选型

  • 后端:Java · Spring Boot 2/3 · Netty(协议服务端常见实现路径)
  • 构建:Gradle · Kotlin DSL(*.gradle.kts)
  • 协议/编解码:jt-framework · xtream-codec 适配器(3.0.0-rc.1 起内置)
  • 缓存(可选):Caffeine · Redis
  • Dashboard:Spring Boot 3.x · Vue3(jt-dashboard-server-ui-vue3)

五、如何使用

准备数据/环境(先看这个):

  • JDK:
    • Spring Boot 3.x 示例:JDK 17+
    • Spring Boot 2.x 示例:JDK 8+(但仓库整体构建链路以 JDK17 为主,建议本地直接用 JDK17 跑 boot3 示例)
  • 端口(示例默认/推荐):
    • JT/T 808 TCP:6808(在 jt-808-server-sample-customized 里显式配置)
    • JT/T 808 管理 HTTP:8808(多个 sample 默认 server.port: 8808
    • 附件服务器:6809jt-808-attachment-server-sample
    • JT/T 1078 TCP:61078;HTTP:1078application-local.yaml
  • 权限/网络:需要开放 TCP 端口给终端连入;容器环境记得映射端口

方式 1:手动构建(maven )

<dependency>
    <groupId>io.github.hylexus.jt</groupId>
    <artifactId>jt-808-server-spring-boot-starter-boot2</artifactId>
    <version>3.0.0-rc.1</version>
</dependency>
  • Windows 可用:\.\gradlew.bat ...

六、二次开发注意事项

  • 环境依赖版本(从 README/构建配置推断):
    • Spring Boot 2.x starter:JDK 8+(上限到 2.7.18)
    • Spring Boot 3.x starter:JDK 17+(3.0.0+)
    • 构建工具:Gradle Wrapper(gradlew/gradlew.bat
  • 本地开发启动方式:
    • 先跑 sample:./gradlew :samples:jt-808-server-sample-bare-boot3:bootRun
    • 再按需迁移配置到你的业务工程(核心就是依赖 starter + application.yml)
  • 常见问题 3 条以内:
    • 端口冲突:HTTP(server.port)和 TCP(jt808.server.port / jt1078.server.port)是两套端口,别只改一个。
    • 容器内目录不可写:1078/附件服务器示例默认写 /tmp/**,生产环境需要挂载并给权限。
    • 分包缓存策略:caffeine/redis 的选择会影响一致性与资源占用,压测后再定。

八、目录结构与主要文件

jt-framework/
├── jt-core                                   # 公共基础能力(供 808/1078/dashboard 复用)
├── jt-808-server-support                      # JT/T 808 核心实现(协议处理链路、编解码等)
├── jt-808-server-spring-boot-starter          # Spring Boot 3.x starter(JDK17+)
├── jt-808-server-spring-boot-starter-boot2    # Spring Boot 2.x starter(JDK8+)
├── jt-1078-server-support                     # JT/T 1078 核心实现(beta)
├── jt-1078-server-spring-boot-starter         # 1078 Spring Boot 3.x starter(beta)
├── dashboard/                                 # Dashboard 模块(server/client/ui,beta)
├── samples/                                   # 可直接运行的示例(808/1078/附件服务器/codec 适配等)
├── demos/                                     # Demo 工程(更多组合示例)
├── docs/                                      # 文档站点(VuePress)
├── build.gradle.kts                           # 根构建脚本(依赖管理、发布、checkstyle 等)
└── settings.gradle.kts                        # 多模块声明(包含 samples/demos/dashboard)

九、源码地址

目录
相关文章
|
19天前
|
人工智能 前端开发 Docker
Huobao Drama 开源短剧生成平台:从剧本到视频
Huobao Drama 是一个基于 Go + Vue3 的开源 AI 短剧自动化生成平台,支持剧本解析、角色与分镜生成、图生视频及剪辑合成,覆盖短剧生产全链路。内置角色管理、分镜设计、视频合成、任务追踪等功能,支持本地部署与多模型接入(如 OpenAI、Ollama、火山等),搭配 FFmpeg 实现高效视频处理,适用于短剧工作流验证与自建 AI 创作后台。
1830 6
|
30天前
|
SQL 人工智能 分布式计算
从工单、文档到结构化知识库:一套可复用的 Agent 知识采集方案
我们构建了一套“自动提取 → 智能泛化 → 增量更新 → 向量化同步”的全链路自动化 pipeline,将 Agent 知识库建设中的收集、提质与维护难题转化为简单易用的 Python 工具,让知识高效、持续、低门槛地赋能智能体。
312 36
|
23天前
|
人工智能 运维 监控
进阶指南:BrowserUse + AgentRun Sandbox 最佳实践
本文将深入讲解 BrowserUse 框架集成、提供类 Manus Agent 的代码示例、Sandbox 高级生命周期管理、性能优化与生产部署策略。涵盖连接池设计、安全控制、可观测性建设及成本优化方案,助力构建高效、稳定、可扩展的 AI 浏览器自动化系统。
422 47
|
9天前
|
人工智能 Java Nacos
构建开放智能体生态:AgentScope 如何用 A2A 协议与 Nacos 打通协作壁垒?
AgentScope 全面支持 A2A 协议和 Nacos 智能体注册中心,实现跨语言跨框架智能体互通。
298 35
|
23天前
|
人工智能 安全 调度
AI工程vs传统工程 —「道法术」中的变与不变
本文从“道、法、术”三个层面对比AI工程与传统软件工程的异同,指出AI工程并非推倒重来,而是在传统工程坚实基础上,为应对大模型带来的不确定性(如概率性输出、幻觉、高延迟等)所进行的架构升级:在“道”上,从追求绝对正确转向管理概率预期;在“法”上,延续分层解耦、高可用等原则,但建模重心转向上下文工程与不确定性边界控制;在“术”上,融合传统工程基本功与AI新工具(如Context Engineering、轨迹可视化、多维评估体系),最终以确定性架构驾驭不确定性智能,实现可靠价值交付。
309 41
AI工程vs传统工程 —「道法术」中的变与不变
|
23天前
|
数据采集 人工智能 IDE
告别碎片化日志:一套方案采集所有主流 AI 编程工具
本文介绍了一套基于MCP架构的轻量化、多AI工具代码采集方案,支持CLI、IDE等多类工具,实现用户无感、可扩展的数据采集,已对接Aone日志平台,助力AI代码采纳率分析与研发效能提升。
397 46
告别碎片化日志:一套方案采集所有主流 AI 编程工具
|
存储 机器学习/深度学习 缓存
Hybrid Model Support:阿里云 Tair 联合 SGLang对 Mamba-Transformer 等混合架构模型的支持方案
阿里云 Tair KVCache 联合 SGLang,创新支持 Mamba-Transformer 等混合架构模型。通过双池内存、状态快照等技术,解决异构状态管理难题,实现前缀缓存与推测解码,显著提升 Qwen3-Next 等模型的推理效率,推动大模型迈向高效智能体时代。
|
1月前
|
人工智能 安全 API
Nacos 安全护栏:MCP、Agent、配置全维防护,重塑 AI Registry 安全边界
Nacos安全新标杆:精细鉴权、无感灰度、全量审计!
673 66
|
23天前
|
存储 缓存 数据建模
StarRocks + Paimon: 构建 Lakehouse Native 数据引擎
12月10日,Streaming Lakehouse Meetup Online EP.2重磅回归,聚焦StarRocks与Apache Paimon深度集成,探讨Lakehouse Native数据引擎的构建。活动涵盖架构统一、多源联邦分析、性能优化及可观测性提升,助力企业打造高效实时湖仓一体平台。
303 39
|
9天前
|
XML 前端开发 Serverless
自建一个 Agent 很难吗?一语道破,万语难明
本文分享了在奥德赛TQL研发平台中集成BFF Agent的完整实践:基于LangGraph构建状态图,采用Iframe嵌入、Faas托管与Next.js+React框架;通过XML提示词优化、结构化知识库(RAG+DeepWiki)、工具链白名单及上下文压缩(保留近3轮对话)等策略,显著提升TQL脚本生成质量与稳定性。
182 21
自建一个 Agent 很难吗?一语道破,万语难明