2G 内存云服务器部署 Spring Boot + MySQL 实战:从踩坑到上线

2G 内存云服务器部署 Spring Boot + MySQL 实战:从踩坑到上线
在这里插入图片描述

2G 内存云服务器部署 Spring Boot + MySQL 实战:从踩坑到上线

前言

最近把自己的全栈博客项目部署到了腾讯云的入门级服务器(2核2G),过程中踩了不少坑。本文记录完整的部署过程和问题排查思路,希望对同样在小规格服务器上部署 Java 项目的同学有所帮助。

项目技术栈:

  • 后端:Java 17 + Spring Boot 3.2.3 + Spring Security + JPA
  • 数据库:MySQL 8.0
  • 前端:Flutter Web
  • 反向代理:Nginx 1.26
  • 容器:Docker 28.4

服务器配置:

  • 腾讯云轻量应用服务器
  • 2 核 CPU / 2GB 内存 / 50GB 磁盘
  • TencentOS Server 4 (x86_64)

一、方案一:Docker Compose 全容器化(失败)

1.1 docker-compose.yml

最初的方案是标准的全容器化部署:

services:db:image: mysql:8.0environment:MYSQL_ROOT_PASSWORD: ${DB_ROOT_PASSWORD}MYSQL_DATABASE: vonblog MYSQL_USER: vonblog MYSQL_PASSWORD: ${DB_PASSWORD}ports:-"3306:3306"volumes:- mysql_data:/var/lib/mysql healthcheck:test:["CMD","mysqladmin","ping","-h","localhost"]interval: 10s timeout: 5s retries:5backend:build: ./backend depends_on:db:condition: service_healthy ports:-"8080:8080"environment:SPRING_DATASOURCE_URL: jdbc:mysql://db:3306/vonblog?useUnicode=true&characterEncoding=utf-8&serverTimezone=Asia/ShanghaiSPRING_DATASOURCE_USERNAME: vonblog SPRING_DATASOURCE_PASSWORD: ${DB_PASSWORD}nginx:image: nginx:alpine depends_on:- backend ports:-"80:80"-"443:443"

1.2 问题现象

后端容器反复报错:

com.mysql.cj.jdbc.exceptions.CommunicationsException: Communications link failure Caused by: java.net.ConnectException: Connection refused 

1.3 排查过程

逐项排查:

# 1. MySQL 容器状态 — 正常docker compose ps# db: Up 18 minutes (healthy)# 2. DNS 解析 — 正常dockerexec vonblog-backend-1 nslookup db # Address: 172.19.0.2# 3. MySQL 用户权限 — 已授权dockerexec vonblog-db-1 mysql -uroot-p-e"GRANT ALL ON vonblog.* TO 'vonblog'@'%';"# 4. 端口监听 — MySQL 确实在监听dockerexec vonblog-db-1 ss -tlnp|grep3306

一切看起来都正常,但后端就是连不上。

1.4 根因分析

2GB 内存是瓶颈。

free -h 一看:

 total used free shared buff/cache available Mem: 1.9Gi 588Mi 643Mi 8.0Mi 916Mi 1.3Gi 

MySQL 8.0 默认配置下内存占用约 400-500MB,Spring Boot JVM 默认堆大小也是几百 MB。两个容器同时启动,加上 Docker 本身的开销,内存直接见底。

在内存不足的情况下,容器间的网络通信会出现各种诡异问题:TCP 连接建立失败、超时、被内核 OOM killer 干掉后重启等。Connection refused 只是表象,本质是资源不足。

二、方案二:混合部署(成功)

2.1 架构调整

┌─────────────────────────────────────┐ │ 腾讯云 2C2G 服务器 │ │ │ │ ┌───────────┐ ┌────────────────┐ │ │ │ Docker │ │ 宿主机 │ │ │ │ MySQL 8.0 │ │ Java 17 (jar) │ │ │ │ (容器) │ │ Nginx (systemd)│ │ │ └───────────┘ └────────────────┘ │ │ ↑ 3306 ↑ 8080 ↑ 80 │ │ └──── 127.0.0.1 ────────┘ │ └─────────────────────────────────────┘ 

核心思路:MySQL 留在 Docker(数据隔离方便),Spring Boot 和 Nginx 直接跑在宿主机上(省内存)。

2.2 步骤一:启动 MySQL 容器

docker run -d\--name vonblog-mysql \--restart always \-eMYSQL_ROOT_PASSWORD=YourRootPassword \-eMYSQL_DATABASE=vonblog \-eMYSQL_USER=vonblog \-eMYSQL_PASSWORD=YourDbPassword \-p3306:3306 \-v mysql_data:/var/lib/mysql \ mysql:8.0 \ --character-set-server=utf8mb4 \ --collation-server=utf8mb4_unicode_ci 

2.3 步骤二:安装 Java 17

# TencentOS / CentOS / RHEL 系 yum install-y java-17-openjdk-headless # 验证java-version# openjdk version "17.0.18"

2.4 步骤三:运行 Spring Boot jar

关键:限制 JVM 堆内存,2G 服务器不能让 JVM 随意扩张。

mkdir-p /opt/vonblog/uploads nohupjava-Xms256m-Xmx512m\-jar /opt/vonblog/app.jar \--spring.profiles.active=prod \--spring.datasource.url="jdbc:mysql://127.0.0.1:3306/vonblog?useUnicode=true&characterEncoding=utf-8&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true&useSSL=false"\--spring.datasource.username=vonblog \--spring.datasource.password=YourDbPassword \> /opt/vonblog/app.log 2>&1&echo"PID: $!"

注意几个要点:

  • -Xms256m -Xmx512m:堆内存限制在 256-512MB,给系统和 MySQL 留空间
  • 127.0.0.1:3306:通过宿主机 loopback 连接 Docker 映射出来的端口
  • allowPublicKeyRetrieval=true:MySQL 8.0 默认使用 caching_sha2_password,需要这个参数

2.5 步骤四:配置 Nginx

yum install-y nginx cat> /etc/nginx/conf.d/vonblog.conf <<'EOF' server { listen 80; server_name _; client_max_body_size 10M; # 前端静态文件 root /opt/vonblog/web; index index.html; # API 反代 location /api/ { proxy_pass http://127.0.0.1:8080/api/; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; } # 上传文件 location /uploads/ { alias /opt/vonblog/uploads/; expires 30d; } # Flutter Web SPA 路由 location / { try_files $uri $uri/ /index.html; } } EOF systemctl enable nginx systemctl start nginx 

try_files $uri $uri/ /index.html 这行很重要——Flutter Web 是 SPA 单页应用,所有路由都要回落到 index.html,否则刷新页面会 404。

2.6 效果

# 启动耗时 Started VonBlogApplication in10.393 seconds # 内存占用free-h# Mem: 1.9Gi total, ~400Mi free, ~1.1Gi used (含 buff/cache)# MySQL 容器约 300MB + JVM 约 400MB + Nginx 约 20MB + 系统约 300MB

刚好塞下,不富裕但够用。

三、前端文件传输的曲折

3.1 SCP 被断连

本地 flutter build web --release 构建完后用 SCP 上传,结果:

Connection closed by 118.x.x.x port 22 

反复尝试都被断。原因是之前多次 SSH 密码交互触发了服务器的入侵防护策略(fail2ban 或类似机制)。

3.2 解决方案:临时 HTTP 上传服务

在服务器上用 Python 起一个临时的文件接收服务:

# 服务端(服务器上执行) python3 -c " import http.server, os classH(http.server.BaseHTTPRequestHandler):defdo_PUT(self): length =int(self.headers['Content-Length'])withopen('/opt/vonblog/web.tar.gz','wb')as f: f.write(self.rfile.read(length)) self.send_response(200) self.end_headers() self.wfile.write(b'OK') os._exit(0)# 接收完自动退出 http.server.HTTPServer(('0.0.0.0',9999), H).serve_forever() " &
# 客户端(本地执行)tar-czf web.tar.gz web/ curl-X PUT --data-binary @web.tar.gz http://服务器IP:9999/upload 
# 服务端解压cd /opt/vonblog &&tar-xzf web.tar.gz 

7.8MB 的压缩包,3 秒传完。简单粗暴但有效。

⚠️ 注意:这个方案没有任何认证,仅适合临时使用,用完立即关闭端口或进程。

四、内存优化建议

如果你也在 2G 服务器上跑 Java 项目,这些参数值得关注:

4.1 JVM 参数

# 严格限制堆内存-Xms256m-Xmx512m# 如果更紧张,可以进一步压缩-Xms128m-Xmx256m# 使用 G1GC(Java 17 默认),低延迟友好-XX:+UseG1GC

4.2 MySQL 内存调优

如果 MySQL 也要省内存,可以在启动时追加参数:

docker run ... mysql:8.0 \ --innodb-buffer-pool-size=128M \ --max-connections=50\ --table-open-cache=200

4.3 Swap 兜底

2G 内存的服务器强烈建议开 Swap:

fallocate -l 2G /swapfile chmod600 /swapfile mkswap /swapfile swapon /swapfile echo'/swapfile none swap sw 0 0'>> /etc/fstab 

有 Swap 兜底,偶发的内存峰值不会直接触发 OOM killer。

五、待优化

  1. systemd 服务化:目前后端用 nohup 启动,服务器重启后不会自动恢复。应该写一个 systemd service 文件。
  2. HTTPS:用 Let’s Encrypt + certbot 配置免费 SSL 证书。
  3. 日志轮转app.log 会无限增长,需要配置 logrotate。
  4. 监控:没有任何监控,进程挂了无感知。至少应该加个健康检查脚本 + crontab。

总结

方案优点缺点适用场景
Docker Compose 全容器环境隔离、一键部署内存开销大4G+ 内存服务器
混合部署省内存、连接稳定管理稍复杂2G 内存服务器
全宿主机最省资源环境污染1G 极端场景

核心结论:小规格服务器不要迷信全容器化,够用就行。 Docker Compose 在 4G 以上内存的机器上体验很好,但在 2G 机器上,混合方案是更务实的选择。


本文基于实际项目部署经验撰写,项目技术栈:Spring Boot 3.2.3 + Flutter Web + MySQL 8.0 + Nginx + Docker

如有疑问欢迎评论交流。

Read more

IntelliJ IDEA 接入 AI 编程助手(Copilot、DeepSeek、GPT-4o Mini)

IntelliJ IDEA 接入 AI 编程助手(Copilot、DeepSeek、GPT-4o Mini)

IntelliJ IDEA 接入 AI 编程助手(Copilot、DeepSeek、GPT-4o Mini) 📊 引言 近年来,AI 编程助手已成为开发者的高效工具,它们可以加速代码编写、优化代码结构,并提供智能提示。本文介绍如何在 IntelliJ IDEA 中集成 DeepSeek、GPT-4o Mini、GitHub Copilot,并探索 本地 AI 编程助手 方案,帮助开发者在不同场景下提升编程效率。 👨‍💻 1. GitHub Copilot 集成 Copilot 是由 GitHub 和 OpenAI 推出的 AI 代码补全工具,它可以根据上下文智能生成代码片段。 GitHub Copilot 免费版 vs 付费版对比。 功能免费版付费版代码补全每月

By Ne0inhk
AIGC已入侵日常生活,你察觉到了吗?

AIGC已入侵日常生活,你察觉到了吗?

目录 引言:AIGC 掀起生活变革 AIGC 在内容创作领域的应用 写作辅助 图像生成 AIGC 在智能设备中的应用 智能语音助手 智能拍照与图像处理 AIGC 在生活服务中的应用 智能客服 旅行规划 AIGC 应用面临的挑战与思考 内容质量与可靠性 隐私与安全 对就业的影响 总结与展望 引言:AIGC 掀起生活变革 在数字化浪潮汹涌澎湃的当下,AIGC(人工智能生成内容,Artificial Intelligence Generated Content)如同一颗璀璨的新星,照亮了我们生活的每一个角落。它是继 PGC(专业生产内容)、UGC(用户生产内容)之后的又一内容生产新范式,借助机器学习、深度学习等人工智能技术,AIGC 能够自动生成文本、图像、音频、视频等多样化的内容 ,正逐渐渗透到我们生活的方方面面,从日常的信息获取、创意激发,

By Ne0inhk

8步出图效率革命:Qwen-Image-Lightning重构AIGC创作流程

导语:阿里通义千问团队推出的Qwen-Image-Lightning模型,通过创新蒸馏技术将图像生成步骤压缩至4-8步,实现12-25倍速度提升,同时保持复杂文本渲染核心优势,重新定义AIGC生产效率标准。 【免费下载链接】Qwen-Image-Lightning 项目地址: https://ai.gitcode.com/hf_mirrors/lightx2v/Qwen-Image-Lightning 行业现状:速度与质量的长期平衡 2024-2025年文生图领域呈现"双轨并行"发展态势:一方面以FLUX、SeedDream 3.0为代表的模型追求极致画质,需50-100步推理;另一方面企业级应用迫切需要实时响应,如电商广告素材生成要求3秒内出图。传统扩散模型面临"质量-速度"平衡难题,而Qwen-Image-Lightning通过FlowMatch蒸馏技术与动态时序调整,在8步内完成原本需100步的图像生成过程,实测在NVIDIA A100显卡上实现单图生成时间≤1秒。 核心亮点:三大技术突破实现效率跃升 1. 蒸馏技术重构推理流程 基于Qwen-Image 20B参

By Ne0inhk
高级java每日一道面试题-2025年7月15日-基础篇[LangChain4j]-如何集成国产大模型(如通义千问、文心一言、智谱 AI)?

高级java每日一道面试题-2025年7月15日-基础篇[LangChain4j]-如何集成国产大模型(如通义千问、文心一言、智谱 AI)?

你想了解在LangChain4j中如何集成主流的国产大模型(通义千问、文心一言、智谱AI),并希望得到面向高级面试的详细解答。这是LangChain4j落地国内场景的核心考点,既考察对框架扩展能力的理解,也考察对国产模型生态的熟悉度。 一、核心原理:国产模型集成的通用逻辑 LangChain4j对国产大模型的集成,核心遵循「统一接口 + 专属适配器」的设计: 1. 所有模型均实现LangChain4j的ChatLanguageModel/EmbeddingModel核心接口,保证调用方式一致; 2. 每个国产模型有专属的集成依赖(如langchain4j-dashscope对应通义千问); 3. 配置上需适配国产模型的专属参数(如阿里云AccessKey、百度API Key/Secret Key)。 二、完整集成实现(通义千问 + 文心一言 + 智谱AI) 以下是可直接运行的生产级代码,覆盖三大主流国产模型的集成,包含基础调用、参数配置、异常处理等核心要点。 1. 前置依赖(Maven) 首先引入各模型的专属集成依赖(按需选择): <dependencies><!

By Ne0inhk