当前位置:首页 > 文章列表 > 文章 > java教程 > Maven Shade 插件配置生成 Fat Jar 方法

Maven Shade 插件配置生成 Fat Jar 方法

2026-05-26 19:12:37 0浏览 收藏
本文直击 Maven 开发者构建 Fat Jar 时最常遭遇的“静默失败”痛点——maven-shade-plugin 因误配在 `` 中而完全不生效,导致生成的 JAR 缺乏依赖和主类入口、无法直接运行;文章不仅一针见血指出根源在于配置作用域与生命周期绑定的混淆,更提供经过验证的极简可运行配置模板、四步精准验证法(含调试日志过滤、JAR 内容检查、命令行执行),并附上多模块管理、MANIFEST 冲突规避、资源合并、Java 模块兼容等关键实战注意事项,助你彻底告别无效配置,用最清晰的理解实现一次构建、开箱即用的可执行 Fat Jar。

如何正确配置 Maven Shade 插件生成可执行 Fat Jar

本文详解 Maven 中 maven-shade-plugin 未生效的典型原因:插件被错误置于 块内,导致构建时完全静默;提供精简、可运行的配置模板,并说明验证方法与关键注意事项。

本文详解 Maven 中 `maven-shade-plugin` 未生效的典型原因:插件被错误置于 `` 块内,导致构建时完全静默;提供精简、可运行的配置模板,并说明验证方法与关键注意事项。

在使用 Maven 构建可执行 Fat Jar(即包含全部依赖与主类声明的单体 JAR)时,maven-shade-plugin 是业界首选——它不仅支持依赖打包,还提供类重定位(relocation)、资源合并、冲突处理等高级能力。但大量开发者会遇到一个“无声失败”问题:执行 mvn clean package 后,输出的仍是普通 JAR(由 maven-jar-plugin 生成),控制台日志中甚至找不到 shade 的任何执行痕迹,且生成的 JAR 既无 Main-Class 入口,也不含第三方依赖(如示例中的 gnu.getopt)。

根本原因在于 Maven 的配置作用域误解:

  • 仅用于集中声明插件的默认版本与配置模板,它本身不触发插件执行,也不绑定到生命周期阶段;
  • 真正启用插件并使其参与构建流程,必须将 声明置于 (即顶层插件块)中。

在你的 pom.xml 中,maven-shade-plugin 被包裹在 内:


  
    
      
        org.apache.maven.plugins
        maven-shade-plugin
        3.4.1
        
      
    
  

这相当于“只写了说明书,没按开关”——插件配置存在,但从未被激活。Maven 默认仍调用 maven-jar-plugin:jar(见日志中 maven-jar-plugin:2.4:jar (default-jar)),因此生成的是空依赖、无 MANIFEST 的标准 JAR。

✅ 正确配置方式(精简可运行版):
将 移出 ,直接置于 下,并确保 绑定到 package 阶段:


  
    
      org.apache.maven.plugins
      maven-shade-plugin
      3.4.1
      
        
          package
          
            shade
          
          
            
              
                org.example.Hello
              
            
            
            false
            
            true
            fat
          
        
      
    
  

✅ 效果验证方法:

  • 执行 mvn clean package -X | grep -i "shade",应看到类似:
    Executing org.apache.maven.plugins:maven-shade-plugin:3.4.1:shade
  • 检查 target/ 目录:除 hello-fat-jar-0.1-SNAPSHOT.jar 外,还会生成 hello-fat-jar-0.1-SNAPSHOT-fat.jar(因启用了 shadedArtifactAttached);
  • 运行 jar -tf target/hello-fat-jar-0.1-SNAPSHOT-fat.jar | head -20,可见 gnu/getopt/ 包路径及大量依赖类;
  • 运行 java -jar target/hello-fat-jar-0.1-SNAPSHOT-fat.jar -x,应输出 Hello X! 和 Goodbye。

⚠️ 关键注意事项:

  • 勿混用 与 :多模块项目中,若需统一管理插件版本,应在父 POM 的 中声明版本,再于子模块 中仅声明 groupId/artifactId/goals(无需重复 version);
  • 避免 MANIFEST 冲突:若同时配置了 maven-jar-plugin,其 MANIFEST 可能覆盖 Shade 的设置,建议移除或显式禁用;
  • 依赖冲突处理:当多个依赖含同名资源(如 META-INF/services/*),需添加 ServicesResourceTransformer;
  • Java 9+ 模块兼容性:若项目使用模块系统(module-info.java),Shade 不支持自动迁移模块描述符,建议结合 jlink 或改用 jpackage。

最终,一个最小可行的 Fat Jar 构建流程只需三步:

  1. 将 maven-shade-plugin 正确声明于 ;
  2. 配置 ManifestResourceTransformer 指定 mainClass;
  3. 执行 mvn clean package 并验证输出 JAR 的内容与可执行性。

至此,你已掌握 Maven Shade 插件的核心实践逻辑——不是配置越复杂越好,而是理解作用域、生命周期与插件职责边界,方能一次构建,稳定交付。

好了,本文到此结束,带大家了解了《Maven Shade 插件配置生成 Fat Jar 方法》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!

阿里巴巴查看供应商证书方法【详解】阿里巴巴查看供应商证书方法【详解】
上一篇
阿里巴巴查看供应商证书方法【详解】
JavaScript优化与代码分割技巧
下一篇
JavaScript优化与代码分割技巧
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。
    446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。
    517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。
    532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。
    479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