linux学习:持续集成篇--简介-01

简介:

1、持续集成介绍

 持续集成是一种软件开发实践

   团队开发成员经常集成他们的工作,每次集成都通过自动化构建(包括自动化编译、测试、发布)来验证,从而尽快的发现集成错误

 持续集成的价值、要素、原则

   原则

    1. 所有的开发人员需要在本地机器上做本地构建,然后再提交的版本控制库中,从而确保他们的变更不会导致持续集成失败。

    2. 开发人员每天至少向版本控制库中提交一次代码。

    3. 开发人员每天至少需要从版本控制库中更新一次代码到本地机器。

    4. 需要有专门的集成服务器来执行集成构建,每天要执行多次构建。

    5. 每次构建都要100%通过。

    6. 每次构建都可以生成可发布的产品。

    7. 修复失败的构建是优先级最高的事情。

    8. 测试是未来,未来是测试

       价值:减少风险、减少重复过程、增强项目的可见性、建立团队对开发产品的信心


       要素

    1.统一的代码库

    2.自动构建

    3.自动测试

    4.每个人每天都要向代码库主干提交代码

    5.每次代码递交后都会在持续集成服务器上触发一次构建

    6.保证快速构建

    7.模拟生产环境的自动测试

    8.每个人都可以很容易的获取最新可执行的应用程序

    9.每个人都清楚正在发生的状况

    10.自动化的部署

2、持续集成管理平台的组成
  持续集成管理平台不只是CI服务器,是一系列软件开发管理工具的组合

 

 源码版本管理:Subversion、Git

 项目构建工具:Maven、Ant

 代码质量管理:Sonar(Checkstyle、PMD、FindBugs....)

 持续集成引擎:Hudson、Jenkins、Apache Continuum

 应用持续部署:操作系统、JDK、Tomcat、JBoss...

 

 实施持续集成过程中要用到的其它各种工具、各种插件..

    wKiom1jM3Sjghxb6AACr6xiJra4078.png

3、实践说明与内容

  这里采用的是Hudson + Maven + Sonar + Subversion

  a、Subversion源码版本控制系统的安装

    Subversion + Apache + jsvnadmin

  b、Maven私有库和本地库的安装与配置

    Sonatype Nexus + Maven

  c、Sonar代码质量管控平台的安装与使用配置

  d、Hudson持续集成引擎的安装与配置

本文转自我爱大金子博客51CTO博客,原文链接http://blog.51cto.com/1754966750/1907893如需转载请自行联系原作者


我爱大金子

相关文章
|
1月前
|
Ubuntu 安全 Unix
【Linux学习】零基础学习Linux
【Linux学习】零基础学习Linux
|
30天前
|
机器学习/深度学习 算法
大模型开发:描述集成学习以及它如何工作。
集成学习通过结合多个模型预测提升性能,减少偏差和方差。分为Bagging和Boosting:Bagging使用数据子集并行训练模型,如随机森林;Boosting则顺序训练,聚焦前一轮错误,如AdaBoost。Stacking利用模型输出训练新模型。多样性是关键,广泛应用于分类、回归等任务,能有效提高泛化能力和防止过拟合。
16 0
|
2天前
|
机器学习/深度学习 缓存 算法
【视频】Boosting集成学习原理与R语言提升回归树BRT预测短鳍鳗分布生态学实例-2
【视频】Boosting集成学习原理与R语言提升回归树BRT预测短鳍鳗分布生态学实例
21 5
|
2天前
|
消息中间件 Unix Linux
Linux的学习之路:17、进程间通信(1)
Linux的学习之路:17、进程间通信(1)
17 1
|
2天前
|
存储 安全 Linux
Linux的学习之路:9、冯诺依曼与进程(1)
Linux的学习之路:9、冯诺依曼与进程(1)
17 0
|
2天前
|
Unix Linux Windows
Linux的学习之路:3、基础指令(2)
Linux的学习之路:3、基础指令(2)
24 0
|
7天前
|
机器学习/深度学习 算法 前端开发
Scikit-learn进阶:探索集成学习算法
【4月更文挑战第17天】本文介绍了Scikit-learn中的集成学习算法,包括Bagging(如RandomForest)、Boosting(AdaBoost、GradientBoosting)和Stacking。通过结合多个学习器,集成学习能提高模型性能,减少偏差和方差。文中展示了如何使用Scikit-learn实现这些算法,并提供示例代码,帮助读者理解和应用集成学习提升模型预测准确性。
|
7天前
|
机器学习/深度学习 算法 Python
使用Python实现集成学习算法:Bagging与Boosting
使用Python实现集成学习算法:Bagging与Boosting
18 0
|
17天前
|
Linux 应用服务中间件 网络安全
小白学习Linux的学习建议和阶段
【4月更文挑战第5天】小白学习Linux的学习建议和阶段
46 0
|
22天前
|
传感器 Linux API
嵌入式Linux串口编程简介
嵌入式Linux串口编程简介
19 1