Nano Hash - криптовалюты, майнинг, программирование

Как скопировать неверсированные тестовые ресурсы во время выпуска: выполнить?

Мой вопрос очень похож на "Maven не копирует неотслеживаемые ресурсы при выпуске". У меня есть тестовые ресурсы, которые не находятся под контролем версий. Поскольку тестирование является частью релиза: выполните его без этих ресурсов.

Как я могу сказать Maven скопировать эти неверсированные тестовые ресурсы в target/checkout/target/test-classes/. Я действительно предпочел бы не пропускать тестирование. Эти тестовые ресурсы не попадут в общедоступные vcs, поскольку у них есть учетные данные для веб-сервиса.

maven maven-release-plugin
11.12.2013

Ответы:


1

Кажется, есть много способов добиться этого. Один из способов — использовать maven-resources-plugin и профиль. Релиз-плагин устанавливает во время release:perform профиль release-plugin. Вам просто нужно добавить maven-resources-plugin в этот профиль (или пользовательский профиль, который активируется с помощью <releaseProfiles>).

<plugin>
    <artifactId>maven-resources-plugin</artifactId>
    <version>2.6</version>
    <executions>
        <execution>
            <id>copy-resources</id>
            <phase>validate</phase>
            <goals>
                <goal>copy-resources</goal>
            </goals>
            <configuration>
                <outputDirectory>${project.build.directory}/test-classes</outputDirectory>
                <resources>
                    <resource>
                        <directory>${basedir}/../../src/test/resources/</directory>
                    </resource>
                </resources>
            </configuration>
        </execution>
    </executions>
</plugin>

С org.sonatype.oss:oss-parent все немного иначе, так как этот родитель отключает <useReleaseProfile> но использует sonatype-oss-release.

05.01.2014

2

Так же, как быстрый ответ:

Вам НЕ СЛЕДУЕТ включать неверсионные ресурсы. Это не философия Maven... на самом деле вы НЕ ДОЛЖНЫ этого делать :).

maven и maven-release-plugin, предназначенные для обеспечения повторяемости сборки. Вы НЕ МОЖЕТЕ гарантировать, что ваша сборка когда-либо даст тот же результат, если вы полагаетесь на неверсионные, скажем, неконтролируемые ресурсы.

Для более поздних целей учетные данные можно легко зашифровать:

26.05.2015
  • Поэтому я хранил свои учетные данные в зашифрованном виде в VCS, а во время сборки мог их расшифровать. Хорошо, а как другие разработчики работают со своими учетными данными? 26.05.2015
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..