Linux

简介: 本文介绍如何将SpringBoot项目打包并部署至Linux服务器。包含工程搭建、JDK安装配置、应用上传启动及通过心跳接口验证服务健康状态的完整流程,适用于Java应用的Linux部署测试场景。(238字)

1.系统打包
为方便测试,这里我以一个简单的SpringBoot工程为例,工程中预留了一个心跳健康检查接口
即后续可以通过访问这个接口,感知应用是否健康,如果有正常返回即说明工程成功部署
工程搭建
如不想0-1搭建,也可直接采用这个:

pom.xml
<?xml version="1.0" encoding="UTF-8"?>


4.0.0
com.yzxb
linux
0.0.1-SNAPSHOT
linux
Demo project for Spring Boot

1.8
UTF-8
UTF-8
2.6.13



org.springframework.boot
spring-boot-starter-web





org.springframework.boot
spring-boot-dependencies
${spring-boot.version}
pom
import


<build>
    <finalName>linuxDemo</finalName>
    <plugins>
        <plugin>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-compiler-plugin</artifactId>
            <version>3.8.1</version>
            <configuration>
                <source>1.8</source>
                <target>1.8</target>
                <encoding>UTF-8</encoding>
            </configuration>
        </plugin>
        <plugin>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-maven-plugin</artifactId>
            <version>${spring-boot.version}</version>
            <configuration>
                <mainClass>cn.yzxb.linux.LinuxApplication</mainClass>
            </configuration>
            <executions>
                <execution>
                    <id>repackage</id>
                    <goals>
                        <goal>repackage</goal>
                    </goals>
                </execution>
            </executions>
        </plugin>
    </plugins>
</build>


启动类
package cn.yzxb.linux;

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication
public class LinuxApplication {
public static void main(String[] args) {
SpringApplication.run(LinuxApplication.class, args);
System.out.println("Linux run success");
}
}

controller
package cn.yzxb.linux.controller;

import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("heart")
public class LinuxController {

@GetMapping
public String heartBeat() {
    return "I'm OK";
}

}

应用打包

2.上传应用
找到上述打包路径所在的jar文件,借助于xshell或finalshell等工具,上传至自己指定的路径即可
应用启动前,请确保你已正确安装对应版本的JDK,如未安装可参照下述操作
1.上传JDK

2.安装JDK
● 在jdk所在目录解压即可:tar -zxvf jdk-8u271-linux-x64.tar.gz
3.配置JAVA_HOME(注意JAVA_HOME路径)
● vim /etc/profile
export JAVA_HOME=/tmp/linux/jdk1.8.0_271
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib:$CLASSPATH
export JAVA_PATH=${JAVA_HOME}/bin:${JRE_HOME}/bin
export PATH=$PATH:${JAVA_PATH}
● source /etc/profile
4.验证JDK
● source /etc/profile

3.启动应用

4.验证心跳

相关文章
|
5天前
|
机器学习/深度学习 人工智能 算法
QwenLong-L1.5:让AI真正读懂长文本的秘密武器
通义实验室推出QwenLong-L1.5,基于Qwen3-30B-A3B打造的长文本推理专家,仅30B参数即实现媲美GPT-5和Gemini-2.5-Pro的能力。系统性解决“学不好、用不了”难题,三大核心技术:多跳推理数据合成、稳定强化学习算法、突破上下文限制的记忆框架,全面提升复杂任务与超长文本处理性能。
206 3
|
12天前
|
人工智能 安全 数据可视化
面向业务落地的AI产品评测体系设计与平台实现
在AI技术驱动下,淘宝闪购推进AI应用落地,覆盖数字人、数据分析、多模态创作与搜推AI化四大场景。面对研发模式变革与Agent链路复杂性,构建“评什么、怎么评、如何度量”的评测体系,打造端到端质量保障平台,并规划多模态评测、可视化标注与插件市场,支撑业务持续创新。
256 38
|
12天前
|
机器学习/深度学习 缓存 物联网
打造社交APP人物动漫化:通义万相wan2.x训练优化指南
本项目基于通义万相AIGC模型,为社交APP打造“真人变身跳舞动漫仙女”特效视频生成功能。通过LoRA微调与全量训练结合,并引入Sage Attention、TeaCache、xDIT并行等优化技术,实现高质量、高效率的动漫风格视频生成,兼顾视觉效果与落地成本,最终优选性价比最高的wan2.1 lora模型用于生产部署。(239字)
370 44
|
7天前
|
设计模式 缓存 监控
Python装饰器:优雅的代码增强术
Python装饰器:优雅的代码增强术
234 111
|
3天前
|
缓存 监控 大数据
PHP性能优化小贴士:让你的网站飞起来
PHP性能优化小贴士:让你的网站飞起来
159 128
|
1月前
|
JSON 安全 JavaScript
深入浅出解析 HTTPS 原理
HTTPS是HTTP与SSL/TLS结合的安全协议,通过数字证书验证身份,利用非对称加密安全交换会话密钥,再以对称加密高效传输数据,确保通信的机密性、完整性和真实性。整个过程如同建立一条加密隧道,保障网络交互安全。
818 16
|
8天前
|
人工智能 数据库 开发者
Minion Skills:Claude Skills的开源实现
Minion Skills 是 Claude Skills 的开源实现,旨在让 AI Agent 按需动态加载专业能力(如处理 PDF、Excel 等),避免冗长上下文。通过声明式 Markdown 定义技能,支持项目级与用户级分层管理,实现高效、低延迟的精准任务执行,兼容多 LLM 平台,推动开放的智能体生态发展。
|
19天前
|
存储 人工智能 运维
一行代码实现智能异常检测:UModel PaaS API 架构设计与最佳实践
阿里云 UModel PaaS API 发布:通过 Table + Object 双层抽象,屏蔽存储差异、自动处理字段映射与过滤条件,让每一个实体都成为一个‘可调用的对象’,真正实现‘以实体为中心’的智能可观测。
553 66
|
1月前
|
数据采集 人工智能 自然语言处理
Meta SAM3开源:让图像分割,听懂你的话
Meta发布并开源SAM 3,首个支持文本、点、框等提示进行图像与视频分割的统一基础模型,突破传统限制,实现开放词汇概念的精准识别与跟踪,涵盖超400万独特概念,推动视觉分割新发展。
1108 6
|
18小时前
|
人工智能 安全 数据可视化
面向业务落地的AI产品评测体系设计与平台实现
在AI技术驱动下,淘宝闪购推进大模型应用落地,构建覆盖“评什么、怎么评、如何度量”的全链路评测体系。面对研发模式变革与Agent复杂性挑战,平台以端到端评测为主、分层测评为辅,打造可回放环境、多裁判机制及变更分级策略,实现质量与效率平衡。已支撑10+部门、90+AI产品,沉淀千余评测集,问题解决率超80%。未来将拓展多模态评测、可视化标注与插件市场,推动评测生态化发展。