当前位置:首页 > 文章列表 > 文章 > linux > Linux下安装Maven教程与配置方法

Linux下安装Maven教程与配置方法

2026-05-02 13:37:51 0浏览 收藏
本文详细解析了Linux系统下Maven的正确安装与配置全流程,强调JDK版本兼容性(如Maven 3.9+必须搭配JDK 11+)、JAVA_HOME与M2_HOME环境变量的精准设置、手动解压安装优于apt包管理的实操理由,以及settings.xml用户级配置(~/.m2/settings.xml)优先于全局配置的关键原则;特别指出国内开发者应配置阿里云镜像并用mvn help:effective-settings验证生效情况,还深入剖析了网络超时、镜像失效、XML配置错误等高频问题的定位与调试技巧——帮你避开90%初学者踩过的隐性坑,真正实现开箱即用、稳定高效的Maven开发环境。

Linux怎么安装Maven_Linux如何配置Java构建工具【方法】

确认系统已装 JDK 且 JAVA_HOME 正确

没配好 JDK,Maven 启动直接报 Exception in thread "main" java.lang.UnsupportedClassVersionError 或直接提示 “No Java runtime present”。Maven 3.9+ 要求 JDK 11+,老版本 Maven(如 3.6.3)最低也需 JDK 8。

实操建议:

  • 先运行 java -version 和 javac -version 确认输出一致、版本达标
  • 检查 JAVA_HOME 是否指向 JDK 根目录(不是 JRE),例如:/usr/lib/jvm/java-17-openjdk-amd64
  • 在 ~/.bashrc 或 /etc/environment 中设置:export JAVA_HOME=/path/to/your/jdk,然后 source ~/.bashrc
  • 别用 update-alternatives --config java 改了 java 命令却忘了同步 JAVA_HOME——这是最常被忽略的断点

用 apt 安装(Ubuntu/Debian)还是手动解压(推荐)

apt install maven 最快,但 Ubuntu 22.04 默认源里是 Maven 3.6.3,CentOS Stream 9 是 3.8.6,都偏旧;且 apt 版本不走 M2_HOME,升级/切换版本困难,mvn -v 显示的路径也藏得深。

实操建议:

  • 去官网 https://maven.apache.org/download.cgi 下载 apache-maven-3.9.7-bin.tar.gz(选 -bin.tar.gz,别下 -src.zip)
  • 解压到固定位置,比如 /opt/maven:sudo tar -xzf apache-maven-3.9.7-bin.tar.gz -C /opt/
  • 设环境变量:export M2_HOME=/opt/maven 和 export PATH=$M2_HOME/bin:$PATH
  • 验证:mvn -v 输出里必须同时出现 Java 版本和 Maven 版本,且 which mvn 指向 /opt/maven/bin/mvn

settings.xml 放哪?改什么才真正生效

全局配置写在 $M2_HOME/conf/settings.xml,用户级配置放 ~/.m2/settings.xml。后者优先级更高,但很多人改了全局文件却以为自己在改用户配置,结果镜像、代理全不生效。

实操建议:

  • 首次配置优先编辑 ~/.m2/settings.xml(若不存在就 mkdir -p ~/.m2 && cp $M2_HOME/conf/settings.xml ~/.m2/)
  • 国内要用阿里云镜像,就在 块里加:
    
      aliyunmaven
      *
      Aliyun Maven
      https://maven.aliyun.com/repository/public
    
  • 改完别忘了 mvn help:effective-settings 查看最终生效的配置,它会告诉你实际加载的是哪个 settings.xml
  • 代理、localRepository 路径这些字段,如果在两个 settings.xml 里都定义了,以用户级为准

执行 mvn clean compile 卡住或报错 Could not transfer artifact

这基本等于网络或镜像没生效:要么 DNS 不通,要么 settings.xml 路径错、格式错(比如 XML 标签没闭合)、镜像 写成了 central 而不是 *,或者公司内网需要额外配置认证。

实操建议:

  • 先跑 mvn archetype:generate -DgroupId=test -DartifactId=test-app -DarchetypeArtifactId=maven-archetype-quickstart -DinteractiveMode=false,看是否能拉下 maven-archetype-quickstart —— 这是最轻量的连通性测试
  • 加 -X 参数看详细日志:mvn -X clean compile 2>&1 | grep -i "downloading\|transfer",确认请求发到了哪个 URL
  • 如果用的是私有 Nexus/Artifactory, 里密码别明文写,用 mvn --encrypt-master-password 和 --encrypt-password 加密后填进 ~/.m2/settings-security.xml
  • 临时绕过镜像调试:加参数 -Dmaven.repo.local=/tmp/test-repo,避免污染本地仓库
Maven 的复杂点不在安装步骤,而在环境变量、配置文件层级、网络策略三者之间的隐式耦合——改一处,得查三处。特别是 JAVA_HOME 和 M2_HOME 不在一个 shell 会话里生效,最容易让人反复重试却找不到原因。

理论要掌握,实操不能落!以上关于《Linux下安装Maven教程与配置方法》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

img与table边框样式区别及兼容技巧img与table边框样式区别及兼容技巧
上一篇
img与table边框样式区别及兼容技巧
手机通话录音找不到怎么办?
下一篇
手机通话录音找不到怎么办?
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。
    258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。
    305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。
    283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。
    261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。
    68次使用