Jenkins Throttle Concurrent Builds Plugin 下载及安装教程
1. 项目介绍
Jenkins Throttle Concurrent Builds Plugin 是一个用于控制 Jenkins 项目并发构建数量的插件。该插件允许用户为不同的项目或项目类别设置并发构建的限制,从而避免资源过度占用或构建冲突。通过该插件,用户可以为每个项目或类别设置全局、节点或标签特定的并发构建限制。
2. 项目下载位置
要下载 Jenkins Throttle Concurrent Builds Plugin,可以通过以下步骤从 GitHub 仓库获取:
-
打开命令行工具(如 Terminal 或 Git Bash)。
-
使用
git clone命令克隆仓库到本地:git clone https://github.com/jenkinsci/throttle-concurrent-builds-plugin.git -
克隆完成后,项目文件将保存在当前目录下的
throttle-concurrent-builds-plugin文件夹中。
3. 项目安装环境配置
在安装该插件之前,需要确保 Jenkins 环境已经正确配置。以下是安装环境的配置步骤:
3.1 Jenkins 安装
-
下载并安装 Jenkins:
- 访问 Jenkins 官方网站,下载适合你操作系统的 Jenkins 安装包。
- 按照安装向导完成 Jenkins 的安装。
-
启动 Jenkins 服务:
-
在命令行中输入以下命令启动 Jenkins 服务:
java -jar jenkins.war --httpPort=8080 -
打开浏览器,访问
http://localhost:8080,进入 Jenkins 管理界面。
-
3.2 Maven 安装
-
下载并安装 Maven:
- 访问 Apache Maven 官方网站,下载适合你操作系统的 Maven 安装包。
- 解压下载的文件,并将 Maven 的
bin目录添加到系统的PATH环境变量中。
-
验证 Maven 安装:
-
在命令行中输入以下命令,验证 Maven 是否安装成功:
mvn -v
-
3.3 环境配置示例
以下是环境配置的示例图片:


4. 项目安装方式
安装 Jenkins Throttle Concurrent Builds Plugin 的步骤如下:
- 进入 Jenkins 管理界面,点击左侧菜单中的“Manage Jenkins”。
- 在“Manage Jenkins”页面中,点击“Manage Plugins”。
- 在“Plugin Manager”页面中,选择“Advanced”选项卡。
- 在“Upload Plugin”部分,点击“Choose File”按钮,选择从 GitHub 下载的插件
.hpi文件。 - 点击“Upload”按钮,等待插件上传并安装完成。
5. 项目处理脚本
安装完成后,可以通过以下脚本配置 Jenkins 项目的并发构建限制:
pipeline {
agent any
options {
throttleJobProperty(
categories: ['myThrottleCategory'],
throttleEnabled: true,
throttleOption: 'category'
)
}
stages {
stage('Build') {
steps {
echo 'Building...'
}
}
stage('Test') {
steps {
echo 'Testing...'
}
}
}
}
以上脚本定义了一个 Jenkins Pipeline,并使用 throttleJobProperty 选项为项目设置了并发构建限制。categories 参数指定了使用的限制类别,throttleEnabled 启用限制,throttleOption 设置为 category 表示使用类别限制。
通过以上步骤,您可以成功下载、安装并配置 Jenkins Throttle Concurrent Builds Plugin,从而有效控制 Jenkins 项目的并发构建数量。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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