postman 安装失败_【Postman】14 Postman与Jenkins集成使用

d588ecb0c1b7e0c9e0d43142b1698630.png

Postman提供的Newman命令行工具,与Jenkins可以灵活组合,以实现接口测试的持续集成或者定时任务。

如果Jenkins部署在Linux系统中,可以直接在shell中运行Newman命令。

如果Jenkins部署在windows系统中,可以将Newman命令保存在批处理文件.bat中。

今天,我们以windows系统下的CI(持续集成)进行演示:

一、创建批处理文件

1、创建一个文本文件,并且重命名为:maintest.bat,保存编码格式为UTF-8,或者通过notepad++转化格式

2、在文件中输入newman指令,保存文件(--bail newman:当用例失败则停止Newman运行)

collection文件、csv文件均保存在目录:e:/data/

生成的HTML文件也保存到目录:e:/data/

7de2015ff64c83523ec7435beb374678.png

二、Jenkins中配置

1、打开Jenkins网页

需提前安装Jenkins,然后Chrome浏览器中打开输入:http://localhost:8080,即可打开Jenkins

e40db94645688d015efb2a386a0ef0c5.png

2、配置newman环境变量

Jenkins主页->Build Executor Status->设置按钮->勾选环境变量->添加path变量及值,如下图所示:

df39b31373f48a516eb88cadce77c1b5.png

3、创建一个自由风格的项目

Jenkins主页->new item,设置如下:

b97a51c2dd466e443db7e25d33f98c71.png

4、配置项目

选择刚创建的项目name列,在下拉框中选择Configure,弹出窗口设置如下,保存退出:

也可添加定时任务配置,在触发器位置选择:Build periodically,设置数据:10 20 * * *,表示每天的20:10会运行该项目

768ca9fa393dfdc872f9db3b92548632.png

4、运行项目

4bb0441edfd8f2b0721d0ad69d2fdbd3.png

5、查看Jenkins中项目运行结果(蓝色表示通过,红色表示失败)

9bce967918eb6856e1fb8f756add2564.png

6、查看生成的HTML报告

在E:/data 目录下,查看result.html文件,使用Chrome浏览器打开

ecb0ad6f886eb2646ac6429ebde27b82.png

【原创系列文章 如需转载 请联系作者 】

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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