Nano Hash - криптовалюты, майнинг, программирование

многострочные ошибки плагина синтаксического анализа журнала jenkins

Я только что установил плагин парсера журнала для jenkins, но он не обрабатывает многострочные ошибки. Есть ли способ заставить это работать?

Я пытался:

^Caught exception(.*)(\n(.*)at (.*))+

а также

^Caught exception(.*)(\s(.*)at (.*))+

но ничего не работает.

jenkins jenkins-plugins
01.08.2015

  • Можете ли вы привести пример многострочной ошибки, которую вы хотели бы обработать? 03.08.2015

Ответы:


1

Я пытаюсь найти решение той же проблемы.

Предположим, что это часть вывода консоли:

1. some text
2. error_type first line
3. error_type second line
4. failed third line
5. some text

Я хочу, чтобы текст между 2-й и 4-й строками был помечен как ошибка:

Я пробовал следующее, но это не сработало

error /(?s)error_type(.*\s)failed/
03.08.2015
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..