当前位置:首页 > 文章列表 > 文章 > java教程 > SpringBoot打Jar方法与插件原理详解

SpringBoot打Jar方法与插件原理详解

2026-03-09 14:33:32 0浏览 收藏
本文深入解析了Spring Boot项目打包可执行JAR的核心机制与常见陷阱,重点揭示了为何mvn package后无法生成带BOOT-INF和正确Main-Class的fat jar——根本原因在于spring-boot-maven-plugin未被正确声明或配置,尤其在使用自定义parent时极易遗漏;同时厘清了classifier仅影响文件名而非功能、IDEA Build Artifacts与Maven标准流程的本质差异、以及mainClass显式配置的必要场景与静默失败风险,为开发者提供精准排错路径和可靠构建实践指南。

Spring Boot怎么打包为可执行的jar文件_spring-boot-maven-plugin插件原理解析

为什么 mvn package 后 target 里没生成可执行 jar?

最常见原因是 spring-boot-maven-plugin 没正确声明,或者项目继承了非 Spring Boot 的 parent。如果你用的是 spring-boot-starter-parent,插件默认已配置好 repackage goal;但若用了自定义 parent(比如公司统一父 POM),就必须显式声明插件,否则 mvn package 只打出普通 jar —— 没 BOOT-INF、没 MANIFEST.MF 里的 Main-Class: org.springframework.boot.loader.JarLauncher,自然不能 java -jar 运行。

实操建议:

  • 检查 pom.xml 是否包含 org.springframework.bootspring-boot-maven-plugin
  • 确认 是 jar(不是 war 或空)
  • 运行 mvn clean package -X 看日志里有没有 [INFO] Replacing main artifact with repackaged archive —— 没这句就说明 repackage 根本没触发

classifier 和 repackage 配置怎么影响输出文件名?

spring-boot-maven-plugin 的核心动作是 repackage:它把 Maven 默认打包生成的原始 jar(只含 class 和 resources)“重新封装”成带依赖、可执行的 fat jar。而 classifier 是给这个重打包产物加后缀,不影响功能,只改文件名。

比如配置了 exec-dev,最终生成的就是 myapp-1.0.0-exec-dev.jar,而不是默认的 myapp-1.0.0.jar。这在多环境构建时很实用,但要注意:

  • IDEA 的 Maven 工具窗口里执行 package,不会自动识别 classifier —— 必须命令行加 -Denv=dev 这类参数(如果配置里用了 ${env})
  • 如果同时存在多个 execution(比如 dev/test/prod),得确保只有一个激活,否则可能生成多个 jar 或覆盖失败
  • classifier 不影响 java -jar 行为,只要 MANIFEST 正确,名字随便起

IDEA 直接 Build Artifacts 和 mvn package 生成的 jar 有什么区别?

本质区别在于依赖打包策略:mvn package 走的是 Spring Boot 官方流程,产出标准 fat jar(所有依赖进 BOOT-INF/lib/);而 IDEA 的 Build → Build Artifacts 默认走传统 Java 打包逻辑,即使选了 “with dependencies”,也大概率生成一个普通 jar + 一堆独立 jar 文件散落在同目录 —— 缺少 org.springframework.boot.loader.JarLauncher,java -jar 会报 NoClassDefFoundError 或直接提示 “no main manifest attribute”。

除非你手动在 IDEA 的 Artifact 配置里指定 Main Class 为 org.springframework.boot.loader.JarLauncher,并勾选 “Extract to the target JAR”,否则别信 Build Artifacts 生成的所谓 “可执行 jar”。

  • 本地快速验证?用 mvn spring-boot:run 更靠谱,它不打 jar,但复用相同 classpath 和配置
  • CI/CD 流水线必须用 mvn clean package,避免环境差异
  • 想看 jar 结构?用 jar -tvf target/myapp.jar | head -20,确认有 BOOT-INF/ 开头的路径

mainClass 配置什么时候必须写?

绝大多数情况不用写 —— 插件会自动从 spring-boot-maven-plugin 的 repackage 阶段扫描项目中唯一的 @SpringBootApplication 类作为启动类,并写入 MANIFEST.MF 的 Start-Class 属性。但以下两种场景必须显式指定 :

  • 项目里有多个 @SpringBootApplication 类(比如测试用的嵌入式启动类、集成测试专用入口)
  • 主类不在默认包路径下,或被其他模块引用导致插件扫描错乱(少见,但多模块项目偶发)

配置方式很简单,在插件内加:


  com.example.MyApplication

漏配的后果不是编译失败,而是运行时报 java.lang.IllegalStateException: No SpringApplication classes found 或直接找不到 main 方法 —— 因为 JarLauncher 去找 Start-Class 失败了。

真正容易被忽略的是:这个配置只对 repackage 生效,对 mvn compile 或 mvn test 完全无感;而且一旦写错类名,jar 能生成、也能 java -jar 启动,但会静默加载失败 —— 日志里只有 “Starting Servlet web server” 就卡住,连端口都不监听。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

Java在Linux下安装教程及环境配置说明Java在Linux下安装教程及环境配置说明
上一篇
Java在Linux下安装教程及环境配置说明
漫蛙manwa2最深处通道解析
下一篇
漫蛙manwa2最深处通道解析
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    455次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    521次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    536次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    483次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    304次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码