使用Travis-CI部署Hugo,实现自动化部署

2024-02-05 03:18

本文主要是介绍使用Travis-CI部署Hugo,实现自动化部署,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

使用Travis-CI部署Hugo,实现自动化部署

需求描述

Hugo是一个静态网站生成工具,如果每次都要手动编译然后上传着实麻烦,如果能每次编辑完提交之后使用自动化运维自动生成对应的网站,则回非常方便。

travis则提供了这样一个自动化运维的功能,而且对github的开源工程是免费的,和GitHub能较好的集成。

使用travis配置自动化部署需要如下几步:

步骤说明

  1. 建立hugo 项目分支
  2. blog分支中配置.travis.yml
  3. 申请github key
  4. 在travis上配置

下面开始详细叙述。

建立hugo 项目分支

hugo new site blog
cd blog
git init
git remote add origin git@github.com:m2kar/m2kar.github.io.git
git checkout -b blog
git add .
git commit -m "first commit"
git push -u origin blog

然后在github的项目设置中把blog设置为主分支。

其他细节可以参考: https://mogeko.me/2018/018/ 不再赘述。

blog分支中配置.travis.yml


language: gobranches:only:- blog  # 设置自动化部署的源码分支- 2-travis-auto-depoly # test for travis# cache this directory
cache:directories:- themes# - public#- themes 主题没有更改时可以缓存before_install:
- export TZ='Asia/Shanghai'  # 设置时区#- npm install -g hexo#- npm install -g hexo-cli# 安装依赖组件
install:- wget https://github.com/gohugoio/hugo/releases/download/v0.51/hugo_0.51_Linux-64bit.tar.gz- tar -xzvf hugo_0.51_Linux-64bit.tar.gz- chmod +x hugo- export PATH=$PATH:$PWD- hugo version#- git clone -b ${TRAVIS_BRANCH} --recursive https://github.com/m2kar.github.io.git#- cd m2kar.github.io- git log -p -2 | cat- commit_msg=$(git log -n1 --pretty=format:"%s")- git clone --recursive -b master https://${GH_APIKEY}@github.com/m2kar/m2kar.github.io.git public- rm -rf public/*script:- hugo -t even- cp CNAME public/- pushd public - git add .- git commit -m "auto depoly ${commit_msg} "- git push- echo "depoly done"

参见: https://github.com/m2kar/m2kar.github.io/blob/blog/.travis.yml

申请github key

在 https://github.com/settings/tokens 申请一个token,并授予访问public_repo的权限,记录下来这个token。

在travis上配置

  1. 访问 https://travis-ci.org
  2. 激活 <用户名>.github.io 这个项目。
  3. 在setting中打开"Build pushed branches"这个开关
  4. 在setting中添加名为"GH_APIKEY"的环境变量,把刚才申请的token填进去,Branch选择blog分支。

配置完成。

在Linux/Mac上部署docker实现hugo

在本地进行测试的时候,也需要安装hugo程序。

docker是个非常方便的工具,可以方便进行各种程序的部署安装。

jguyomard/hugo-builder 提供了一个封装完好的hugo工具。

生成网站

docker run --rm -it -v $PWD:/src -u ${UID}:hugo jguyomard/hugo-builder hugo

启动hugo服务器并映射到1313端口

docker run --rm -it -v $PWD:/src -u ${UID}:hugo -p 1313:1313 jguyomard/hugo-builder hugo server --bind 0.0.0.0

使用alias方便调用

把下面两行放到.zshrc文件中

 alias hugo="docker run --rm -it -v $PWD:/src -u ${UID}:hugo jguyomard/hugo-builder hugo"alias hugo-server="docker run --rm -it -v $PWD:/src -u ${UID}:hugo -p 1313:1313 jguyomard/hugo-builder hugo server --bind 0.0.0.0"

执行source ~/.zshrc


  • 版权声明:本文为 m2kar 的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
  • 作者: m2kar
  • 打赏链接: 欢迎打赏m2kar
  • 邮箱: m2kar.cn#gmail.com
  • 主页: m2kar.cn
  • Github: github.com/m2kar
  • CSDN: M2kar的专栏

这篇关于使用Travis-CI部署Hugo,实现自动化部署的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/679607

相关文章

闲置电脑也能活出第二春?鲁大师AiNAS让你动动手指就能轻松部署

对于大多数人而言,在这个“数据爆炸”的时代或多或少都遇到过存储告急的情况,这使得“存储焦虑”不再是个别现象,而将会是随着软件的不断臃肿而越来越普遍的情况。从不少手机厂商都开始将存储上限提升至1TB可以见得,我们似乎正处在互联网信息飞速增长的阶段,对于存储的需求也将会不断扩大。对于苹果用户而言,这一问题愈发严峻,毕竟512GB和1TB版本的iPhone可不是人人都消费得起的,因此成熟的外置存储方案开

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi