3-代码拉取与运行

简介: JeecgBoot前后端分离快速启动指南:在线拉取GitHub源码(后端+Vue3前端),导入数据库脚本,IDEA导入项目并配置数据库与Redis,启动后端服务(8080端口)和前端工程,访问Swagger文档。支持单体与微服务架构,含Nacos、Gateway、Sentinel等组件,适用于快速开发与学习。

1.代码拉取
在线拉取
● 后端源码:https://github.com/jeecgboot/jeecg-boot
● 前端源码(VUE3):https://github.com/jeecgboot/jeecgboot-vue3
离线使用
● 后端源码:
● 前端源码:
2.数据库脚本导入
● 数据库脚本:
导入完成后如下:
2
3.Idea工程导入
● 导入后如下

(1) 修改数据库
● 文件路径:jeecg-module-system/jeecg-system-start/src/main/resources/application-dev.yml
● 修改位置:

(2) 修改Redis
● 文件路径:jeecg-module-system/jeecg-system-start/src/main/resources/application-dev.yml
● 修改位置:

4.后端工程启动
找到类 :jeecg-system-start/src/main/java/org/jeecg/JeecgSystemApplication.java ,右键执行启动
通过 :http://localhost:8080/jeecg-boot/doc.html 访问后台的swagger地址。如下:

● 代码目录结构
├─jeecg-boot-parent(父POM: 项目依赖、modules组织)
│ ├─jeecg-boot-base-core(共通模块: 工具类、config、权限、查询过滤器、注解、接口等)
│ ├─jeecg-module-demo 示例代码
│ ├─jeecg-module-system System系统管理目录
│ │ ├─jeecg-system-biz System系统管理权限
│ │ ├─jeecg-system-start 单体启动项目(8080)
│ │ ├─jeecg-system-api System系统管理模块对外api
│ │ │ ├─jeecg-system-cloud-api System模块对外提供的微服务接口
│ │ │ ├─jeecg-system-local-api System模块对外提供的单体接口
│ ├─jeecg-server-cloud --微服务模块
├─jeecg-cloud-gateway --微服务网关模块(9999)
├─jeecg-cloud-nacos --Nacos服务模块(8848)
├─jeecg-system-cloud-start --System微服务启动项目(7001)
├─jeecg-demo-cloud-start --Demo微服务启动项目(7002)
├─jeecg-visual
├─jeecg-cloud-monitor --微服务监控模块 (9111)
├─jeecg-cloud-xxljob --微服务xxljob定时任务服务端 (9080)
├─jeecg-cloud-sentinel --sentinel服务端 (9000)
├─jeecg-cloud-test -- 微服务测试示例(各种例子)
├─jeecg-cloud-test-more -- 微服务测试示例(feign、熔断降级、xxljob、分布式锁)
├─jeecg-cloud-test-rabbitmq -- 微服务测试示例(rabbitmq)
├─jeecg-cloud-test-seata -- 微服务测试示例(seata分布式事务)
├─jeecg-cloud-test-shardingsphere -- 微服务测试示例(分库分表)
5.前端工程启动
● Visual导入工程

● 确保打开了:NPM Scripts

● 注意修改访问的后端地址

● 点击命令 server启动项目。看到如下日志标识启动成功

相关文章
|
13天前
|
数据采集 人工智能 安全
|
8天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
652 4
|
8天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
350 164
|
7天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
359 155

热门文章

最新文章