Build-Info 项目技术文档
2024-12-24 18:35:13作者:裴麒琰
1. 安装指南
在开始使用 Build-Info 项目之前,请确保您的开发环境已经安装了以下依赖:
- JDK 8
- Gradle 5.6.2 或使用提供的 Gradle Wrapper
为了运行测试,还需要设置以下环境变量:
export BITESTS_PLATFORM_URL='http://localhost:8081'
export BITESTS_PLATFORM_USERNAME=admin
export BITESTS_PLATFORM_ADMIN_TOKEN=admin-access-token
export BITESTS_ARTIFACTORY_PIP_ENV=/Users/user/venv-test/bin
有关如何生成管理员令牌的详细信息,请参考JFrog文档。
2. 项目的使用说明
Build-Info 是 Artifactory 的开放集成层,用于 CI 服务器和构建工具。构建信息以 json 格式发送到 Artifactory。
3. 项目API使用文档
Build-Info 项目包括多个模块的测试,以下是如何针对不同构建工具运行测试的命令:
提取器测试 (Extractor tests)
./gradlew clean build-info-api:test build-info-client:test build-info-extractor:test build-info-vcs:test
Maven 测试
./gradlew clean build-info-extractor-maven3:test
Gradle 测试
./gradlew clean build-info-extractor-gradle:test
npm 测试
确保系统中已添加 npm 可执行文件的搜索路径(PATH 环境变量),并且版本为 7.7 或更高。
./gradlew clean build-info-extractor-npm:test
Go 测试
确保系统中已添加 Go 可执行文件的搜索路径(PATH 环境变量),并且版本为 v1.14 或更高。
./gradlew clean build-info-extractor-go:test
Pip 测试
确保系统中已添加 Python 和 pip 可执行文件的搜索路径(PATH 环境变量),并且在一个干净的 pip 环境中运行测试。创建一个虚拟环境并提供其路径到 'BITESTS_ARTIFACTORY_PIP_ENV' 变量。
python -m venv buildinfo-tests-env
export BITESTS_ARTIFACTORY_PIP_ENV=/Users/user/buildinfo-tests-env/bin
./gradlew clean build-info-extractor-pip:test
NuGet 测试
确保系统中已添加 Nuget 和 Dotnet 可执行文件的搜索路径(PATH 环境变量)。
./gradlew clean build-info-extractor-nuget:test
Docker 测试
Docker 测试仅在 Linux/mac 上运行。除了运行测试所需的一般环境变量外,还需要设置以下环境变量:
export BITESTS_PLATFORM_CONTAINER_REGISTRY=127.0.0.1:8081
export BITESTS_ARTIFACTORY_DOCKER_HOST=tcp://127.0.0.1:1234
对于 OSX 代理,请运行一个 Socat 容器:
docker run -d -v /var/run/docker.sock:/var/run/docker.sock -p 127.0.0.1:1234:1234 bobrik/socat TCP-LISTEN:1234,fork UNIX-CONNECT:/var/run/docker.sock
然后运行测试:
./gradlew clean build-info-extractor-docker:test
4. 项目安装方式
使用 Gradle Wrapper 构建 Build-Info 项目,可以在 Unix 和 Windows 系统上运行以下命令:
# Unix
./gradlew clean build
# Windows
gradlew clean build
如果不需要运行测试,可以添加 "-x test" 选项到 "clean build" 命令中:
./gradlew clean build -x test
以上就是 Build-Info 项目的详细技术文档,希望对您的使用有所帮助。
登录后查看全文
热门项目推荐
kernelopenEuler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。C037
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0114
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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
433
3.29 K
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++
689
352
Ascend Extension for PyTorch
Python
237
271
暂无简介
Dart
690
162
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
9
1
仓颉编程语言运行时与标准库。
Cangjie
143
881
React Native鸿蒙化仓库
JavaScript
266
327
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
211
114
仓颉编译器源码及 cjdb 调试工具。
C++
138
869