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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00