maven3实战之坐标和依赖(最佳实践之优化依赖)
----------
在软件开发过程中,程序员会通过重构等方式不断地优化自己的代码,使其变得更简洁、更灵活。同理,程序员也应该能够对maven项目的依赖了然于胸,并对其进行优化,如去除多余的依赖,显式地声明某些必要的依赖。
maven会自动解析所有项目的直接依赖和传递性依赖,并且根据规则判断每个依赖的范围,对于一些依赖冲突,也能进行调节,以确保任何一个构件只有唯一的版本在依赖中存在。在这些工作之后,最后得到的那些依赖被称为已解析依赖。可以运行如下命令查看当前项目的已解析依赖:
mvn dependency:list
在此基础上,还能进一步了解已解析依赖的信息。将直接在当前项目POM声明的依赖定义为顶层依赖,而这些顶层依赖的依赖定义为第二层依赖,以此类推,有第三,第四层依赖。当这些依赖经maven解析后,就会构成一个依赖树,通过这棵依赖树就能很清楚地看到某个依赖是通过哪条传递路径引入的。可以运行如下命令查看当前项目的依赖树:
mvn dependency:tree
使用dependency:list和dependency:tree可以帮助我们详细了解项目中所有依赖的具体信息,在此基础上,还有dependency:analyze工具可以帮助分析当前项目的依赖。我们运行如下命令:
mvn dependency:analyze
执行后的结果中重要的是两个部分。首先是Used undeclared dependencies,意指项目中使用到的,但是没有显式声明的依赖。结果中还有一个重要的部分是:Unused declared dependencies,意指项目中未使用的,但是显式声明的依赖。
分享到:
相关推荐
安全隐患台账(模版).xls
【作品名称】:基于 Java+Mysql 实现的小型仓库管理系统-课程设计(含课设文档+源码) 【适用人群】:适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】:项目说明 1、项目结构:maven+mvc(M模型用的是mybatis技术) 2、项目模式:C/S(客户机/服务器)模式 3、编辑器:IDEA 2019.3.1 4、mysql版本号:5.1.38
项目简介: 本项目实现了一个基于VHDL(VHSIC硬件描述语言)的倒车雷达系统。倒车雷达用于检测车辆后方障碍物的距离,以辅助驾驶员安全倒车。系统通过超声波传感器检测距离,并使用LED显示或蜂鸣器提示障碍物的接近程度。 项目模块: 传感器接口模块: 处理超声波传感器的信号。 发送触发信号,接收回波信号。 计算回波时间,进而计算距离。 距离计算模块: 根据传感器回波时间计算距离。 处理和转换距离数据,准备用于显示和警报。 警报显示模块: 基于计算出的距离提供视觉和听觉警报。 使用LED显示不同的距离范围。 使用蜂鸣器发出不同频率的警报声。 控制模块: 控制各模块的协调工作。 管理超声波传感器的触发和数据采集周期。
试验检测仪器设备(参考标准、有证标准物质)一览表.doc
vuInhub靶场实战系列-Kioptrix Level #1
本资源是配套作者博客【stm32、ESP8266、华为云 搭建一个简单的物联网系统】
GPU:计算机图显核心,计算场景应用崛起
Web3.0:致力打造一个基于区块链技术、用户主导、去中心化的网络生态。在Web3.0中,用户为满足自身需求进行交互操作,并在交互中利用区块链技术,从而实现价值的创造、分配与流通。这样的整个用户交互、价值流通的过程就形成了Web3.0生态。相比Web2.0的平台中心化特征,Web3.0致力于实现用户所有、用户共建的“去中心化”网络生态。
行业报告
MQD企业大学建设思路与年度工作重点.pptx
Java语言基础入门教程 Java实训教程 4.类构造函数-this-静态属性方法-instanceof运算符共55页.pptx
centos 6 redhat 6 x86架构的openssh 9.7版本二进制rpm包 安全更新、升级安装新版本openssh 9.7版本,当前最新版本,修复安全漏洞。 2024年6月8日制作,内含ssh-copy-id命令
风传花信,雨濯春尘——中国人身险产品变迁史与未来展望 按照不同分类方法,人身险可以分为以下种类: 1)按保障责任划分:人寿保险、健康保险、意外伤害保险、年金保险; 2)按设计类型划分:普通型、分红型、投资连结型、万能型。 40 年间中国人身险产品历经多次变迁,从单一死亡风险保障到多元风险覆盖+兼备理财储蓄功能。
C08-我的笔记02.md
公司项目试验仪器设备台账.docx
transformer灵魂21问
YOLOv10的改进技术点主要体现在以下几个方面: 1.一致双分配策略(Consistent Dual Assignments): 1.YOLOv10采用了一致双分配策略,通过双重标签分配和匹配指标的一致性,实现了无需NMS(非最大抑制)的后处理训练。这既保证了训练阶段的丰富监督信息,又实现了高效的无NMS预测,提升了性能和速度。 2.在训练过程中,一对一头部与传统的一对多头部合并,两者共享相同的优化目标,但使用不同的匹配策略。一对多头部提供了丰富的监控信号,而一对一头部在推理过程中确保了高效、无NMS的预测。 2.整体效率和精度驱动的模型设计: 1.YOLOv10采用了整体效率和精度驱动的模型设计策略,从效率和精度两个角度对各种YOLO组件进行优化。 2.效率驱动型模型设计:通过使用深度可分离卷积的简化架构来减少计算开销,分离空间减少和信道增加减少计算成本并保留信息。同时,使用内在秩分析来识别和减少模型阶段的冗余,用更有效的结构代替复杂的块。 3.精度驱动的模型设计:通过增加深度阶、引入大型核卷积和部分自注意力模块来增强模型能力,提高性能。 3.性能与效率的提升: 1.YOLOv10
MeEdu 是一款基于 PHP 开发的线上网校系统。支持线上点播 | 知识付费 | 网校装修 | 数据统计 | 会员模块 | 角色管理等丰富功能。MeEdu 采用前后端分离模式,覆盖 PC | H5 端口。特点:系统稳定 | 功能丰富 | 界面优美 | 持续迭代。截止目前,已超过 1000+ 个人/企业用户选用 MeEdu 搭建了他们的独立网校平台。
《引爆流量_获客技术》实战演练方式,让你的生意客户裂变方式裂变式
试验材料留样期限统计表.docx