Jenkins 用户手册
2024-12-20 01:13:59作者:俞予舒Fleming
1. 安装指南
Jenkins 提供了多种安装方式,包括WAR文件、Docker镜像、本地安装包等,支持多种操作系统,如Linux发行版和Windows。
1.1WAR文件安装
- 下载Jenkins的WAR文件。
- 将WAR文件部署到Java应用服务器中,如Apache Tomcat。
- 访问服务器上的Jenkins管理页面,完成初始化配置。
1.2Docker镜像安装
- 使用以下命令拉取Jenkins Docker镜像:
docker pull jenkins/jenkins - 运行以下命令启动Jenkins容器:
docker run -d -p 8080:8080 -p 50000:50000 jenkins/jenkins
1.3本地安装包安装
根据操作系统选择对应的安装包下载,并按照提示完成安装。
2. 项目使用说明
Jenkins 是一个功能强大的开源自动化服务器,支持多种自动化任务,包括项目构建、测试执行、静态代码分析、部署等。
2.1 创建任务
- 登录Jenkins管理界面。
- 点击“新建任务”按钮。
- 输入任务名称,选择任务类型,如“构建一个自由风格的软件项目”。
- 配置任务构建步骤、构建触发器等。
2.2 运行任务
创建任务后,可以直接点击“构建”按钮运行任务。任务运行状态和结果将在页面上显示。
2.3 查看结果
任务执行完成后,可以查看构建结果、测试报告、构建日志等。
3. 项目API使用文档
Jenkins 提供了丰富的API接口,用于远程管理和操作。
3.1 API列表
/api/json:返回Jenkins实例的JSON格式信息。/job/{jobName}/api/json:返回指定任务的JSON格式信息。/job/{jobName}/{buildNumber}/api/json:返回指定任务特定构建的JSON格式信息。
3.2 使用示例
以下是一个使用Python调用Jenkins API获取任务列表的示例:
import requests
import json
# Jenkins服务器地址和API Token
jenkins_url = "http://your_jenkins_server"
user_name = "your_user_name"
token = "your_api_token"
# 获取任务列表
response = requests.get(f"{jenkins_url}/api/json?tree=jobs[name,url]", headers={"Authorization": f"Basic {user_name}:{token}"})
# 解析响应内容
jobs = json.loads(response.text)
# 打印任务列表
for job in jobs['jobs']:
print(job['name'], job['url'])
4. 项目安装方式
请参考本文档的“安装指南”部分,选择合适的安装方式安装Jenkins。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler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。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220