GitPuk入门到精通 - 使用GitPuk + Arbess进行CICD自动化部署

GitPuk是一款国产开源免费、简洁易用的代码管理工具,包含仓库管理、分支管理、代码扫描等模块本文讲为大家详细介绍如何安装GitPuk,并如何集成Arbess进行CICD自动部署。

1、GitPuk安装与配置

1.1 安装

以CentOS操作系统为例。

  • 下载:CentOS安装包下载地址:GitPuk下载,点击CentOS下载,下载完成后得到类似tiklab-gitpuk-x.x.x.rpm的文件。
  • 安装:上传到服务器上,在文件同级目录执行npm命令安装。

rpm -ivh --replacefiles --nodeps tiklab-gitpuk-x.x.x.rpm

  • 启动:系统默认安装路径为/opt目录,进入/opt/tiklab-gitpuk/bin目录下,执行sh startup.sh即可启动成功。

使用 http://ip:9800 进行访问。初始用户名密码admin\123456登录,首次登录根据需要修改管理员密码。成功登录后展示GitPuk首页。

1.2 配置

  • 配置Arbess服务集成

在系统设置集成开放中添加。选择Arbess填写服务地址、账号密码

  • GitPuk添加WebHooks

进入你创建的仓库,点击设置在仓库配置中,找到WebHooks进行添加

字段说明
名称可根据自身输入想取的名称
路径ArbessWebHook地址
secretToken类似于安全密钥,用于身份验证、授权或数据完整性验证的敏感凭证

1.2.1 关联CICD部署

1.进入你要关联的GitPuk代码库中,点击左侧进入关联CICD页面

2.点击关联CICD,选中你要关联的部署项目点击确定即可

2、Arbess安装与配置

2.1 安装

以CentOS操作系统为例。

  • 下载:CentOS安装包下载地址:Arbess下载,点击CentOS下载,下载完成后得到类似tiklab-arbess-x.x.x.rpm的文件。
  • 安装:上传到服务器上,在文件同级目录执行npm命令安装。

rpm -ivh --replacefiles --nodeps tiklab-arbess-x.x.x.rpm

  • 启动,系统默认安装路径为/opt目录,进入/opt/tiklab-arbess/bin目录下,执行sh startup.sh即可启动成功。

使用 http://ip:9200 进行访问。初始用户名密码admin\123456登录,首次登录根据需要修改管理员密码。成功登录后展示Arbess首页。

2.2 配置

  • 配置GitPuk服务集成

在系统设置集成开放中添加服务集成。选择GitPuk、填写名称、服务地址、认证类型(用户名密码或秘钥)、用户名、密码。

  • WebHooks配置

进入到你创建的流水线,点击上方的触发设置即可查看到当前的WebHooks

2.2.1 配置GitPuk源码

进入Arbess添加流水线,点击源码自建GitPuk填好对应内容点击确定即可

字段

描述

任务名称

任务名称清晰地标识项目或对象。

Git版本

Arbess所在服务器Git安装路径。

自建GitPuk服务

自建GitPuk服务地址。

仓库

选择授权信息后点击仓库,程序会自动获取凭证权限下的仓库列表,管理者只需选择需要配置的仓库即可。

分支

选择代码的分支。填写需要拉取远程仓库具体的分支,不填默认为master分支,填写错误会导致任务执行失败。

2.2.2 配置Maven构建

源码配置完毕后,配置构建任务,Arbess支持多种构建方式这里以Maven为例,填入对应内容后点击确定即可

字段

描述

任务名称

任务名称清晰地标识项目或对象。

JDK版本

Arbess所在服务器JDK安装路径。

Maven版本

Arbess所在服务器Maven安装路径

模块地址

构建路径,默认为${DEFAULT_CODE_ADDRESS},也可输入绝对路径。

执行命令执行Maven构建的命令。

2.2.3 配置主机部署

最后配置主机部署任务即可,点击主机部署输入部署信息点击确定即可

字段

描述

任务名称

任务名称清晰地标识项目或对象。默认主机部署。

主机地址

部署主机远程SSH认证凭证。

部署文件

需要部署的文件,可以写绝对路径,也可以写泛路径,泛路径需要配合部署文件规则来匹配到部署文件。
部署文件匹配规则文件匹配规则,支持正则表达式。

部署位置

部署远程主机位置。

部署命令

文件部署命令。

3、运行自动化部署

3.1 触发WebHooks

1.在Arbess配置部署完成后,即可回到GitPuk中进行WebHooks的操作把已修改的代码推送至GitPuk即可。

2.推送完成后,我们可以回到Arbess进行查看WebHooks是否根据我们的推送自动的触发了本次部署

3.成功触发后,即可回到刚刚关联的CICD部署中进行查看,也可直接点击关联的部署进行详细的查看

4.可以在Arbess历史页面查看到该流水线运行历史。

5.在历史页面点击日志即可详细查看,日志详情

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值