WedX - журнал о программировании и компьютерных науках

Как прочитать свойства артефакта артефакта в скрипте сборки gradle

У меня есть 2 задания jenkins, первое задание публикует файл jar в артефакте и добавляет свойство (идентификатор фиксации) к артефакту. Второе задание всегда извлекает jar последней версии из артефакта, но также требует свойства, связанного с этим артефактом. Мы используем Gradle для наших сборок. Есть ли способ получить его внутри gradle или у нас есть другая альтернатива?

Изменить: задания не являются частью конвейера. Это означает, что они являются независимыми заданиями, а второе задание срабатывает при изменении другого репозитория.


Ответы:


1

Первое задание jenkins запускает вторую параметризованную сборку.

Вторая сборка может запускать gradle одним из двух способов: с помощью Invoke Gradle script или с помощью командной строки.

Если вы используете функцию Invoke Gradle script, проверьте Pass job parameters as Gradle properties. Затем, предположив, что ваш параметр для второй сборки называется commitId, вы можете ссылаться на него в своем коде следующим образом.

if (project.properties.containsKey('commitId')) {
    println "do something with commitId: ${project.properties.get('commitId')}"
}

Если вы просто используете сценарий командной строки, вы можете передать такие свойства

./gradlew clean build -PcommitId=${commitId}

Любой способ получить свойства внутри build.gradle одинаков

23.01.2017
  • Спасибо за Ваш ответ. Я добавил правку в свой ответ. Мои 2 задания являются независимыми заданиями, и я не хочу запускать второе задание каждый раз, когда запускается мое первое задание, и наоборот. 24.01.2017

  • 2

    Вы можете использовать клиент Artifactory (Java), чтобы получить свойства артефакта.< бр> Например:

    Artifactory artifactory = ArtifactoryClient.create("https://localhost:8081/artifactory", "username", "password");
    ItemHandle item = artifactory.repository("RepoName").file("path/to/file.jar");
    List<String> values = item.getPropertyValues("commitId");
    

    Дополнительные сведения о клиенте см. на его странице на GitHub.

    24.01.2017
    Новые материалы

    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


    Для любых предложений по сайту: [email protected]