3. 打包

简介: 本文介绍Java项目打包为可执行JAR文件的完整流程,包括配置文件设置、Maven打包步骤(如pom.xml配置)、运行与停止指令。支持前台/后台启动,以及通过端口查找PID并终止进程,同时提供依赖分离部署参考方案。

1. 全在一个jar内

1.1 配置文件
1.2 打包步骤

BAUUMUSLALNWAUMOBMAULEAOOWALEDO

If-rztEEtaqaopfcisnd

C口Q

GWCHOULTAMELLMESAECARLASERLLMOLIEOHULTIAE

特二森

eNFteaCaohy

oooce

sartifactidxml-aplso/artifactid

tverstonsl.rsion

Cpluging>

<groupidsorg.apache.aven.plugns/groupid

artifactidmaven-campiler-plugink/artifact

<iplugin>

plugin>

Broupdoorg.springfranchork.bootroupid

<artIfactdspring-oot-

cconfLguration

<--工程主入口-->

RKSRRK688

uexecution

<roalrepackagek/goal>

@-n-a-o-n

Kiplugin

Klplugins

heamsicaLhuaobuea

comHedlizhcHwoaLad

国一中ijiIe1LEi

拍anLag

HBMAQHWAABMEANLIHAIOOO

美生0+日8蛋18



或借助指令:

XML

复制代码

1

mvn clean package


1.3 运行指令

XML

复制代码

1

2

java -jar **.jar 前台运行

nohup java -jar **.jar 后台运行

1.4 停止指令
netstat -anp    或者    ps -ef |grep 端口    或者   netstat -nap | grep 端口
找到pid之后    
kill -9 pid
2.jar,依赖jar,配置文件分开
参考这个:https://www.cnblogs.com/wym789/p/11505591.html



相关文章
|
1天前
|
云安全 人工智能 算法
以“AI对抗AI”,阿里云验证码进入2.0时代
三层立体防护,用大模型打赢人机攻防战
1287 1
|
9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。
696 4
|
2天前
|
机器学习/深度学习 安全 API
MAI-UI 开源:通用 GUI 智能体基座登顶 SOTA!
MAI-UI是通义实验室推出的全尺寸GUI智能体基座模型,原生集成用户交互、MCP工具调用与端云协同能力。支持跨App操作、模糊语义理解与主动提问澄清,通过大规模在线强化学习实现复杂任务自动化,在出行、办公等高频场景中表现卓越,已登顶ScreenSpot-Pro、MobileWorld等多项SOTA评测。
525 2
|
3天前
|
人工智能 Rust 运维
这个神器让你白嫖ClaudeOpus 4.5,Gemini 3!还能接Claude Code等任意平台
加我进AI讨论学习群,公众号右下角“联系方式”文末有老金的 开源知识库地址·全免费
|
2天前
|
存储 弹性计算 安全
阿里云服务器4核8G收费标准和活动价格参考:u2a实例898.20元起,计算型c9a3459.05元起
现在租用阿里云服务器4核8G价格是多少?具体价格及配置详情如下:云服务器ECS通用算力型u2a实例,配备4核8G配置、1M带宽及40G ESSD云盘(作为系统盘),其活动价格为898.20元/1年起;此外,ECS计算型c9a实例4核8G配置搭配20G ESSD云盘,活动价格为3459.05元/1年起。在阿里云的当前活动中,4核8G云服务器提供了多种实例规格供用户选择,不同实例规格及带宽的组合将带来不同的优惠价格。本文为大家解析阿里云服务器4核8G配置的实例规格收费标准与最新活动价格情况,以供参考。
229 150
|
9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。
353 164