Nano Hash - криптовалюты, майнинг, программирование

Загрузить несколько скриптов из общей папки в конвейер

Я хотел бы поделиться глобальным репозиторием с несколькими скриптами Python, которые можно было бы вызывать из конвейера Jenkinsfile.

Я создал глобальный общий ресурс и добавил @Library('...') _ в Jenkinsfile. Он клонирует указанное репо, но я не знаю, как вызывать сценарии из этой общей папки конвейера, или мне нужно поместить сценарии в ресурс/папку?

Я не смог найти какой-либо конкретики для этого. Некоторые скрипты в этом репо зависят друг от друга. Любая помощь приветствуется.

jenkins jenkins-pipeline
28.11.2017

Ответы:


1

В вашем Jenkinsfile - загрузите скрипт с помощью libraryResource

 script = libraryResource 'my_script.py'

и использовать его

sh script
28.11.2017
  • Я видел этот пример раньше и документацию Jenkins, но не совсем понятно, как загрузить, например, два скрипта Python a.py и b.py из папки ресурсов, а затем выполнить a.py. 29.11.2017
  • Это то, что я сделал сейчас, но это не кажется самым оптимальным. resources\testFile.groovy ``` def Test() { final pythonContent = libraryResource('a.py') final pythonContent1 = libraryResource('b.py') writeFile(file: 'a.py ', text: pythonContent) writeFile(file: 'b.py', text: pythonContent1) sh('python a.py') }``` затем я вызываю Jenkinsfile, используя script { testFile.Test() } Я бы предпочел не писать в целевое рабочее пространство . Я просто хочу, чтобы выходной текстовый файл, сгенерированный a.py, был скопирован в целевое рабочее пространство. Есть ли лучший способ сделать это, чтобы его можно было использовать во всем мире. 29.11.2017
  • Я не думаю, что общая библиотека является правильным решением для вас. Лучший способ - просто клонировать оба репо в рабочей области и запустить a.py 29.11.2017
  • Папка /resources должна позволять мне иметь нестандартные сценарии. На мой взгляд, клонирование нового репо в Jenkinsfile было бы громоздким. Я не хочу говорить владельцам каждого проекта клонировать конкретное репо для этого. Я бы лучше сказал им добавить @Library и вызвать функцию для вывода нужного текстового файла. 29.11.2017
  • Я предполагаю, что хорошим решением может быть выполнение всей обработки внутри временного местоположения в рабочей области, а затем очистка после создания вывода. Таким образом, меньше шансов, что рабочее пространство клиентов будет повреждено. 29.11.2017
    • 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..