Gradle Cargo 插件技术文档
1. 安装指南
1.1 添加插件到构建脚本
要使用 Gradle Cargo 插件,首先需要将其二进制文件添加到构建脚本的类路径中。插件可以在 Gradle 插件门户中找到。以下代码片段展示了如何使用 buildscript 语法来获取插件:
buildscript {
repositories {
gradlePluginPortal()
}
dependencies {
classpath 'com.bmuschko:gradle-cargo-plugin:2.9.0'
}
}
1.2 应用插件
插件 JAR 文件包含两个插件:
- com.bmuschko.cargo-base:提供 Cargo 自定义任务类型、预配置类路径和部署项。
- com.bmuschko.cargo:提供一组本地和远程 Cargo 任务,并公开扩展以进行配置。
大多数用户会选择使用 com.bmuschko.cargo 插件,因为它可以快速上手。以下是应用该插件的代码示例:
apply plugin: 'com.bmuschko.cargo'
如果你需要完全控制部署任务,可以使用 com.bmuschko.cargo-base 插件。以下是应用该插件的代码示例:
apply plugin: 'com.bmuschko.cargo-base'
1.3 配置 Cargo 版本
com.bmuschko.cargo-base 插件已经为 Cargo 设置了依赖项,并选择了一个默认版本的库。你也可以定义自定义版本的 Cargo 库。以下示例展示了如何使用 Cargo 1.9.10 版本:
dependencies {
def cargoVersion = '1.9.10'
cargo "org.codehaus.cargo:cargo-core-uberjar:$cargoVersion",
"org.codehaus.cargo:cargo-licensed-dtds:$cargoVersion",
"org.codehaus.cargo:cargo-ant:$cargoVersion"
}
2. 项目使用说明
2.1 插件功能
Gradle Cargo 插件通过利用 Cargo Ant 任务,为任何给定的 Gradle 构建提供了将 Web 应用程序部署到本地和远程容器的能力。该插件支持 WAR 和 EAR 工件。
2.2 典型用例
该插件的典型用例是支持开发过程中的部署。需要注意的是,Cargo 使用热部署,随着时间的推移,这会填满运行容器的 JVM 进程的 PermGen 内存,最终导致 java.lang.OutOfMemoryError。
2.3 容器管理
Cargo 支持通过 Cargo daemon 进行容器管理(启动/停止远程容器)。然而,在持续部署场景中,通常需要执行更复杂的操作。
3. 项目 API 使用文档
3.1 预定义任务
cargo 插件预定义了以下任务:
| 任务名称 | 依赖任务 | 类型 | 描述 |
|---|---|---|---|
| cargoDeployRemote | - | CargoDeployRemote | 将可部署项部署到远程容器。 |
| cargoUndeployRemote | - | CargoUndeployRemote | 从远程容器中取消部署可部署项。 |
| cargoRedeployRemote | - | CargoRedeployRemote | 重新部署可部署项到远程容器。 |
| cargoRunLocal | - | CargoRunLocal | 启动本地容器,部署可部署项并等待停止。 |
| cargoStartLocal | - | CargoStartLocal | 启动本地容器,部署可部署项并执行任务。 |
| cargoRedeployLocal | - | CargoRedeployLocal | 在本地容器上重新部署可部署项。 |
| cargoStopLocal | - | CargoStopLocal | 停止本地容器。 |
| cargoConfigureLocal | - | CargoConfigureLocal | 配置本地容器。 |
3.2 扩展属性
cargo 插件定义了以下约定属性:
containerId:目标容器的 ID。port:容器响应的 TCP 端口(默认为 8080)。
你可以在 cargo 闭包中定义 1..n 个部署工件的可选属性,每个部署工件在其自己的闭包中指定:
file:可以传递给Project.files(Object...)的任何类型,并解析为单个文件或目录。context:容器处理 Web 应用程序的 URL 上下文(默认为 WAR/EAR 名称)。
4. 项目安装方式
4.1 本地安装
要安装本地容器,可以使用 cargoRunLocal 或 cargoStartLocal 任务。以下是一个示例:
cargo {
containerId = 'tomcat9x'
port = 8080
local {
jvmArgs = '-Xmx512m'
outputFile = file('build/output.log')
logFile = file('build/cargo.log')
logLevel = 'high'
}
}
4.2 远程安装
要安装远程容器,可以使用 cargoDeployRemote 任务。以下是一个示例:
cargo {
containerId = 'tomcat9x'
port = 8080
remote {
protocol = 'http'
hostname = 'remote-server'
username = 'admin'
password = 'password'
}
}
通过以上步骤,你可以成功安装并使用 Gradle Cargo 插件进行本地和远程容器的部署。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C043
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00