jenv安装与配置完全指南
项目基础介绍及编程语言
项目名称: jenv
项目简介: jenv是一款强大的Java环境管理工具,灵感来源于rbenv,它允许开发者在开发环境中轻松切换不同版本的Java,这对于同时处理依赖于不同Java版本的项目尤其有用。它不负责Java的安装,但提供了一套机制来管理已安装的Java环境,确保你的项目可以使用正确的JAVA_HOME。
主要编程语言: 主要通过Shell脚本实现,适用于多平台,包括但不限于Bash和Fish等shell环境。
关键技术和框架
- 环境变量管理: 利用环境变量(如JAVA_HOME)来控制Java版本的应用。
- Shell插件架构: 支持通过插件的方式扩展功能,比如
export插件用于设置JAVA_HOME。 - 跨平台兼容: 设计上考虑了Linux、macOS等操作系统,通过适配不同的shell来达到广泛适用性。
安装和配置步骤
准备工作
确保你的系统已安装Git,并准备一个适合的包管理器,对于macOS推荐使用Homebrew,而Linux系统则可能需要apt或yum/dnf。
详细安装步骤
在macOS上安装jenv
-
安装Homebrew(如果尚未安装)
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" -
通过Homebrew安装jenv
brew install jenv
在Linux上安装jenv
-
克隆仓库到本地
git clone https://github.com/jenv/jenv.git ~/.jenv -
添加jenv到PATH 根据你的shell编辑相应的配置文件,以bash为例:
echo 'export PATH="$HOME/.jenv/bin:$PATH"' >> ~/.bash_profile echo 'eval "$(jenv init -)"' >> ~/.bash_profile对于zsh,编辑
.zshrc文件。 -
使配置生效 执行以下命令之一:
source ~/.bash_profile # 或者如果你是zsh用户 source ~/.zshrc
配置并验证jenv
-
初始化jenv 在终端执行:
eval "$(jenv init -)"并且为了使得JAVA_HOME动态更新,启用
export插件。jenv enable-plugin export -
重启shell或使用此命令刷新当前会话
exec $SHELL -l -
检查是否安装成功 使用
jenv doctor命令验证安装和配置情况,确保没有错误信息。
添加Java环境
-
安装Java: 通过系统包管理器或手动下载安装所需的Java版本。例如,在macOS上,你可以使用Homebrew安装最新版Java。
brew install java -
让jenv识别Java路径 查找安装好的Java路径,然后使用
jenv add命令添加。jenv add "/usr/local/opt/openjdk/libexec/openjdk.jdk/Contents/Home"注意路径可能会因你的安装位置不同而变化。
-
查看jenv版本 确认添加成功:
jenv versions你应该能看到刚刚添加的Java版本。
使用jenv进行版本管理
-
设置全局Java版本
jenv global 11 -
为特定目录设置本地Java版本 在项目目录运行:
jenv local 8 -
设置当前shell会话的Java版本
jenv shell 17
至此,您已经成功安装并配置了jenv,能够灵活地管理您的Java开发环境了。记得根据实际需要管理和调整你的Java版本,享受高效的开发体验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00