【2023新windows电脑部署测试环境系列-04】Jenkins部署 (上)

简介: 【2023新windows电脑部署测试环境系列-04】Jenkins部署 (上)

640.jpg


jenkins对我们测试来说挺重要的,持续集成cicd ,定时任务,远程控制,打包部署测试环境等等。虽然在一些公司,早已用上自研的这种综合控制平台,不过也至少9成以上的组织还是在用jenkins。

   

一个公司并不一定只有一个jenkins平台,有些组内比如测试组也会有自己的jenkins用来处理组内的一些常见任务,所以部署这件事就可能轮到任何同学头上,也是我为什么要讲一下jenkins的部署的原因。

   

目前本系列是windows系统教程,其他系统的宝宝们也可以看看,毕竟万变不离其宗,部署的流程和思路是一样的都。

 

首先,jenkins是java开发的,想部署运行起来,必须要电脑里有jdk环境。

   

所以第一步先检查jdk环境,为什么要先检查呢?很多教程上来就叫你安装,结果导致你的电脑里同样的东西安装了一大堆,所以之后再安装什么,切记先检查是否已经存在。

   

检查jdk环境:

   

打开cmd窗口:输入java 回车

   640.png

可以发现我的电脑并没有安装,于是我先去下载jdk:

   

下载地址呢分为很多种,官方,各种ftp,私人网盘,盗版网站等等。

 

注意,不要下载太高的版本,我担心后面可能会因为jdk版本过高或者过低导致各种报错,所以下个差不多中间靠后的就行:上百兆,还是官网所以可能慢,大家也可以直接去其他方式下载一样。

640.png


安装完成后,还要继续搞环境变量,这里说下为什么要搞环境变量。其实就是为了你之后安装的其他软件,比如jenkins。jenkins在运行中,内部的一些代码命令会直接使用 JAVA_HOME这样的变量,如果你没配置,jenkins就会说找不到你的java。也就是我们配置的环境变量,变量名都是为了迎合其他应用软件,这属于行业准规范,你以后要是开发一个软件,想调用用户电脑的java,你不用管java在哪,就直接用变量JAVA_HOME代替就可以,至于能不能找到,那就是用户自己的事了,用户配置好环境变量自然可以运行你的软件。


我的是win11,所以要从左下角找到:

640.png

然后点击环境变量:

640.png

640.png

这个变量值你如果默认安装那就应该和我一样了... 注意版本号自己去电脑地址栏复制

然后确定后继续添加:

640.png


这步骤,其实就是引用刚刚的变量JAVA_HOME来指定另外俩个子目录。

注意分号,可以复制:


%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar;


然后找到 系统变量中的Path ,选中后点击编辑

640.png


然后给Path添加俩个子路径:

%JAVA_HOME%

%JAVA_HOME%\bin

640.png


然后一路确定关闭所有弹窗

一路确定后,重启cmd窗口:


输入:java -version

640.png


可以看到java安装成功,jdk的环境应该也完事了。


本节完,欢迎继续收看下一节,jenkins的部署。

相关文章
|
1月前
|
机器学习/深度学习 编解码 监控
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
这篇文章详细介绍了如何使用YOLOv8进行目标检测任务,包括环境搭建、数据准备、模型训练、验证测试以及模型转换等完整流程。
1229 1
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
18天前
|
人工智能 测试技术 Windows
Windows 竞技场:面向下一代AI Agent的测试集
【10月更文挑战第25天】随着人工智能的发展,大型语言模型(LLMs)在多模态任务中展现出巨大潜力。为解决传统基准测试的局限性,研究人员提出了Windows Agent Arena,一个在真实Windows操作系统中评估AI代理性能的通用环境。该环境包含150多个多样化任务,支持快速并行化评估。研究团队还推出了多模态代理Navi,在Windows领域测试中成功率达到19.5%。尽管存在局限性,Windows Agent Arena仍为AI代理的评估和研究提供了新机遇。
37 3
|
19天前
|
缓存 自然语言处理 并行计算
基于NVIDIA A30 加速卡推理部署通义千问-72B-Chat测试过程
本文介绍了基于阿里云通义千问72B大模型(Qwen-72B-Chat)的性能基准测试,包括测试环境准备、模型部署、API测试等内容。测试环境配置为32核128G内存的ECS云主机,配备8块NVIDIA A30 GPU加速卡。软件环境包括Ubuntu 22.04、CUDA 12.4.0、PyTorch 2.4.0等。详细介绍了模型下载、部署命令及常见问题解决方法,并展示了API测试结果和性能分析。
834 1
|
1月前
|
机器学习/深度学习 监控 计算机视觉
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
本文介绍了如何使用YOLOv7进行目标检测,包括环境搭建、数据集准备、模型训练、验证、测试以及常见错误的解决方法。YOLOv7以其高效性能和准确率在目标检测领域受到关注,适用于自动驾驶、安防监控等场景。文中提供了源码和论文链接,以及详细的步骤说明,适合深度学习实践者参考。
314 0
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
1月前
|
机器学习/深度学习 并行计算 数据可视化
目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务(从数据准备到训练测试部署的完整流程)
这篇文章介绍了如何使用PaddleClas框架完成多标签分类任务,包括数据准备、环境搭建、模型训练、预测、评估等完整流程。
87 0
目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务(从数据准备到训练测试部署的完整流程)
|
1月前
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
47 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
|
1月前
|
机器学习/深度学习 XML 并行计算
目标检测实战(七): 使用YOLOX完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
这篇文章介绍了如何使用YOLOX完成图像目标检测任务的完整流程,包括数据准备、模型训练、验证和测试。
158 0
目标检测实战(七): 使用YOLOX完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
1月前
|
Ubuntu API Python
Chat-TTS chat-tts-ui 实机部署上手测试!Ubuntu服务器实机 2070Super*2 8GB部署全流程
Chat-TTS chat-tts-ui 实机部署上手测试!Ubuntu服务器实机 2070Super*2 8GB部署全流程
65 1
|
1月前
|
XML 网络安全 数据格式
Kali渗透测试:Windows事件管理工具wevtutil的使用方法(一)
Kali渗透测试:Windows事件管理工具wevtutil的使用方法(一)
|
1月前
|
前端开发 JavaScript 应用服务中间件
linux安装nginx和前端部署vue项目(实际测试react项目也可以)
本文是一篇详细的教程,介绍了如何在Linux系统上安装和配置nginx,以及如何将打包好的前端项目(如Vue或React)上传和部署到服务器上,包括了常见的错误处理方法。
286 0
linux安装nginx和前端部署vue项目(实际测试react项目也可以)

热门文章

最新文章