Taverna Common Activities 技术文档
2024-12-23 14:07:42作者:魏献源Searcher
1. 安装指南
环境要求
- Java:1.8 或更新版本(测试使用 OpenJDK 1.8)
- Apache Maven:3.2.5 或更新版本(较旧版本可能也适用)
依赖模块
Taverna Common Activities 依赖于其他 Taverna 模块,Maven 会自动从 Apache 的 Maven 仓库下载这些依赖。如果你希望手动编译这些模块,请按照以下顺序进行:
请参考 pom.xml 文件中的 <properties> 部分,以获取正确的版本信息。
构建步骤
- 克隆项目代码到本地。
- 在项目根目录下运行以下命令进行构建:
该命令将构建每个模块并运行测试。mvn clean install
在 Windows 上构建
如果你在 Windows 上构建,请确保将源代码解压到一个路径较短的文件夹中,例如 C:\src,因为 Windows 对路径长度有 260 个字符的限制,可能会导致构建失败。
跳过测试
如果你希望跳过测试(测试可能会耗时较长),可以使用以下命令:
mvn clean install -DskipTests
跳过 Rat Maven 插件
如果你在独立修改源代码,而不涉及 Taverna 项目,可以选择跳过 Rat Maven 插件,该插件会强制要求每个源文件包含 Apache 头文件。可以使用以下命令:
mvn clean install -Drat.skip=true
2. 项目的使用说明
Taverna Common Activities 是一个用于 Taverna 工作流中的常见活动模块。它包含多种活动类型,如 Beanshell 脚本、外部工具、RESTful 服务调用、WSDL 服务调用等。每个模块实现了一种特定的 Taverna 活动类型,用户可以根据需求选择合适的模块进行使用。
模块列表
- taverna-beanshell-activity:运行 Beanshell 脚本。
- taverna-external-tool-activity:运行本地或通过 SSH 运行的命令行工具。
- taverna-interaction-activity:通过浏览器向用户提问。
- taverna-rest-activity:基于 URI 模板调用 RESTful HTTP(S) 服务。
- taverna-spreadsheet-import-activity:从 CSV、Excel 和 OpenOffice 导入数据。
- taverna-wsdl-activity:调用基于 WSDL 描述的 SOAP 服务。
- taverna-wsdl-generic:用于解析 WSDL 和调用 SOAP 服务的库。
- taverna-xpath-activity:使用 XPath 表达式选择 XML 片段。
3. 项目 API 使用文档
活动接口
每个模块实现了一个特定的 Taverna 活动类型,具体接口定义可以参考 Taverna 的 Activity 接口文档。
依赖库
- taverna-rest-activity:依赖于 Apache HttpComponents Client,支持
https://连接。 - taverna-wsdl-generic 和 taverna-wsdl-activity:依赖于 Java Secure Socket Extension (JSSE) 和 Apache WSS4J,用于访问安全的 SOAP Web 服务。
- taverna-interaction-activity:依赖于 Jetty,支持 SSL 加密。
4. 项目安装方式
通过 Maven 安装
- 确保你已经安装了 Java 和 Maven。
- 在项目根目录下运行以下命令进行构建和安装:
mvn clean install
手动编译依赖模块
如果你希望手动编译依赖模块,请按照以下顺序进行:
- 编译
taverna-language。 - 编译
taverna-osgi。 - 编译
taverna-engine。
跳过测试和 Rat Maven 插件
如果你希望跳过测试或 Rat Maven 插件,可以使用以下命令:
mvn clean install -DskipTests -Drat.skip=true
5. 注意事项
导出限制
该项目包含加密软件,请确保你所在的国家允许使用加密软件。具体信息请参考 Wassenaar Arrangement。
许可证
该项目基于 Apache License 2.0 发布,详细信息请参考 LICENSE 文件。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
801
199
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
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
350
203
Ascend Extension for PyTorch
Python
379
453
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1