百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

Docker一键部署 SpringBoot 应用的方法,贼快贼好用

ztj100 2025-04-02 00:36 60 浏览 0 评论

这两天发现个Gradle插件,支持一键打包、推送Docker镜像。今天我们来讲讲这个插件,希望对大家有所帮助!

Gradle Docker Plugin 简介

一款可以通过远程API管理Docker镜像和容器的插件,专为Java应用打造,原生支持SpringBoot。

使用该插件具有如下特性:

  • 与构建工具Gradle及其DSL无缝集成。
  • 在幕后处理Docker客户端和守护程序之间的复杂通信逻辑。
  • 简化了复杂工作流程的定义。
  • 最大程度地减少构建脚本的编写逻辑。

该插件由以下三个插件组成:

  • com.bmuschko.docker-remote-api:提供自定义任务,可以通过远程API与Docker进行交互。
  • com.bmuschko.docker-java-application:为Java应用创建并推送Docker镜像。
  • com.bmuschko.docker-spring-boot-application:为SpringBoot应用创建并推送Docker镜像。

操作镜像

还是以我的脚手架项目mall-tiny为例,让我们来看看使用该插件打包推送Docker镜像是不是够快够简单!

构建镜像

  • 要使用该插件,我们需要在build.gradle中进行如下配置,这里选择使用远程API插件和SpringBoot插件;
plugins {
    id 'com.bmuschko.docker-remote-api' version '6.7.0'
    id 'com.bmuschko.docker-spring-boot-application' version '6.7.0'
}
  • 然后在ext节点下面定义一个常量,这里定义好了镜像仓库地址,方便我们之后引用;
ext{
    registryUrl='192.168.5.78:5000'
}
  • 接下来就是非常重要的插件配置了,配置好Docker远程API的访问路径,还有SpringBoot应用镜像相关配置;
docker {
    url = 'tcp://192.168.5.78:2375'
    springBootApplication {
        baseImage = 'java:8'
        maintainer = 'macrozheng'
        ports = [8080]
        images = ["${registryUrl}/mall-tiny/${rootProject.name}:${version}"]
        jvmArgs = ['-Dspring.profiles.active=prod']
    }
}

接下来我们来解读下这些配置到底有什么作用;

接下来我们直接在IDEA中使用dockerBuildImage命令,即可将应用镜像打包到远程服务器上去;

  • 让我们看下控制台输出的日志,其实就是给我们默认创建了一个Dockerfile(连Dockerfile都省的写了),然后用它来打包Docker镜像;
> Task :dockerBuildImage
Building image using context 'I:\developer\gitee\mall-tiny-gradle\build\docker'.
Using images '192.168.5.78:5000/mall-tiny/mall-tiny:1.0.0-SNAPSHOT'.
Step 1/8 : FROM java:8
 ---> d23bdf5b1b1b
Step 2/8 : LABEL maintainer=macrozheng
 ---> Running in 9a63f56a03ae
Removing intermediate container 9a63f56a03ae
 ---> ed45af8fff90
Step 3/8 : WORKDIR /app
 ---> Running in 8bd4b513eb23
Removing intermediate container 8bd4b513eb23
 ---> d27759d1d7df
Step 4/8 : COPY libs libs/
 ---> 84c3a983972a
Step 5/8 : COPY resources resources/
 ---> c8a27f3475fc
Step 6/8 : COPY classes classes/
 ---> 3a76a8efc02b
Step 7/8 : ENTRYPOINT ["java", "-Dspring.profiles.active=prod", "-cp", "/app/resources:/app/classes:/app/libs/*", "com.macro.mall.tiny.MallTinyApplication"]
 ---> Running in e56ae56fd6eb
Removing intermediate container e56ae56fd6eb
 ---> 22d73f95e756
Step 8/8 : EXPOSE 8080
 ---> Running in b21d898456cb
Removing intermediate container b21d898456cb
 ---> 73684cf8c643
Successfully built 73684cf8c643
Successfully tagged 192.168.5.78:5000/mall-tiny/mall-tiny:1.0.0-SNAPSHOT
Created image with ID '73684cf8c643'.

BUILD SUCCESSFUL in 34s
5 actionable tasks: 5 executed
10:56:15: Task execution finished 'dockerBuildImage'.
  • 在项目的build\docker文件夹下可以发现这个Dockerfile,具体内容如下:
FROM java:8
LABEL maintainer=macrozheng
WORKDIR /app
COPY libs libs/
COPY resources resources/
COPY classes classes/
ENTRYPOINT ["java", "-Dspring.profiles.active=prod", "-cp", "/app/resources:/app/classes:/app/libs/*", "com.macro.mall.tiny.MallTinyApplication"]
EXPOSE 8080
  • 打包完镜像之后,直接使用如下命令即可运行项目,注意安装好MySQL和Redis
docker run -p 8080:8080 --name mall-tiny \
--link mysql:db \
--link redis:redis \
-v /etc/localtime:/etc/localtime \
-v /mydata/app/mall-tiny/logs:/var/logs \
-d 192.168.5.78:mall-tiny/mall-tiny:1.0.0-SNAPSHOT

推送镜像

  • 接下来我们试试推送镜像功能,不过首先需要安装一个镜像仓库,
  • 推送镜像也是非常简单的,直接在IDEA中使用dockerPushImage命令即可

  • 推送完成后,在我们的可视化镜像仓库中就可以看到该镜像了。

对比Maven

我们通过把项目clean以后再打包成Docker镜像,对比下使用Gradle和Maven的速度。

  • 使用Gradle进行clean并构建Docker镜像,耗时30s

  • 使用Maven进行clean并构建Docker镜像,耗时58s,果然Gradle还是能比Maven快一倍的

总结

今天我们体验了一把Gradle和Docker结合使用,发现真是够快够简单。对比Maven速度快了一倍,内置了Dockerfile,大大降低了配置难度。




相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: