論文の概要: Controller-Light CI/CD with Jenkins: Remote Container Builds and Automated Artifact Delivery
- arxiv url: http://arxiv.org/abs/2511.05720v1
- Date: Fri, 07 Nov 2025 21:27:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-11 21:18:44.54662
- Title: Controller-Light CI/CD with Jenkins: Remote Container Builds and Automated Artifact Delivery
- Title（参考訳）: JenkinsによるController-Light CI/CD - リモートコンテナビルドと自動アーティファクトデリバリ
- Authors: Kawshik Kumar Paul, Sawmik Kumar Paul,
- Abstract要約: 本稿では、Jenkinsが永続ボリュームを持つコンテナ化されたコントローラとして動作するコントローラライトCI/CDフレームワークを提案する。
Jenkinsは永続的なボリュームを持つコンテナ化されたコントローラとして動作し、重いビルドとパッケージング操作をリモートDockerホストに委譲する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traditional Jenkins installations often perform resource-intensive builds directly on the controller, which can overload system resources and decrease reliability. This paper presents a controller-light CI/CD framework in which Jenkins runs as a containerized controller with persistent volumes, delegating heavy build and packaging operations to a remote Docker host. The controller container maintains secure SSH connections to remote compute nodes and focuses solely on orchestration and reporting. Atomic deployments with time-stamped backups, containerized build environments, immutable artifact packaging, and automatic notifications are all integrated into the system. Experimental evaluation shows reduced CPU and RAM usage on the controller, faster build throughput, and lower artifact delivery latency. For small and medium-sized DevOps organizations looking for scalable automation without adding orchestration complexity, this method offers a repeatable, low-maintenance CI/CD pipeline.
- Abstract（参考訳）: 従来のJenkinsインストレーションは、しばしばコントローラに直接リソース集約的なビルドを実行するため、システムリソースをオーバーロードし、信頼性を低下させることができる。
本稿では、Jenkinsが永続的なボリュームを持つコンテナ化されたコントローラとして動作し、重いビルドとパッケージング操作をリモートDockerホストに委譲する、コントローラライトCI/CDフレームワークを提案する。
コントローラコンテナは、リモート計算ノードへのセキュアなSSH接続を維持し、オーケストレーションとレポートのみに重点を置いている。
タイムスタンプのバックアップ、コンテナ化されたビルド環境、不変のアーティファクトパッケージング、自動通知を備えたアトミックデプロイメントは、すべてシステムに統合される。
実験的評価では、コントローラ上でのCPUとRAM使用量の削減、ビルドスループットの向上、成果物のデリバリ遅延の低減が示されている。
オーケストレーションの複雑さを追加することなく、スケーラブルな自動化を求める中小規模のDevOps組織にとって、この方法は、繰り返し、低メンテナンスのCI/CDパイプラインを提供する。
関連論文リスト
- PIPer: On-Device Environment Setup via Online Reinforcement Learning [74.52354321028493]
自動化された環境設定メソッドは、任意のリポジトリに対して、手作業なしで完全に構成された環境を提供することで、開発者を支援することができる。
近年の研究では、最先端のLarge Language Models (LLMs) でさえ、このタスクの自動化に限られた成功をおさめていることが明らかになっている。
我々は、正しいスクリプトを生成するための教師付き微調整と、環境設定のタスクに適応するために、Reinforcement Learning with Verifiable Rewards(RLVR)を組み合わせる。
EnvBench-Python では,より大型の Qwen3-32B や GPT-4 と同等に動作可能な Qwen3-8B (コンシューマハードウェア上で動作可能なモデル) を実現する。
論文 参考訳（メタデータ） (2025-09-29T20:03:05Z) - Code2MCP: Transforming Code Repositories into MCP Services [53.234097255779744]
Model Context Protocol (MCP)は、大規模言語モデルがどのようにツールを使用するかの標準を作成することを目的としている。
私たちは、GitHubリポジトリを機能的なMSPサービスに自動的に変換するエージェントベースのフレームワークであるCode2MCPを紹介します。
Code2MCPはバイオインフォマティクス、数学、流体力学などの科学分野におけるオープンソースの計算ライブラリの変換に成功している。
論文 参考訳（メタデータ） (2025-09-07T06:13:25Z) - Git Context Controller: Manage the Context of LLM-based Agents like Git [6.521644491529639]
大きな言語モデル(LLM)ベースのエージェントは、内部推論と外部ツールの使用をインターリーブすることによって、印象的な機能を示している。
ソフトウェアバージョン管理システムにインスパイアされた構造化コンテキスト管理フレームワークであるGit-Context-Controller(GCC)を紹介した。
自己複製のケーススタディでは、GCCを増強したエージェントが新しいCLIエージェントをスクラッチから作り、40.7タスクの解決を実現した。
論文 参考訳（メタデータ） (2025-07-30T08:01:45Z) - EnvBench: A Benchmark for Automated Environment Setup [76.02998475135824]
大規模言語モデルにより、研究者はソフトウェア工学領域における実用的なリポジトリレベルのタスクに集中できるようになった。
環境設定に関する既存の研究は革新的なエージェント戦略を導入しているが、その評価は小さなデータセットに基づいていることが多い。
このギャップに対処するため、包括的環境設定ベンチマークEnvBenchを紹介します。
論文 参考訳（メタデータ） (2025-03-18T17:19:12Z) - PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC [98.82146219495792]
本稿では,PC-Agentという階層型エージェントフレームワークを提案する。
認識の観点からは,現在のMLLMのスクリーンショットコンテンツに対する認識能力の不十分さを克服するために,アクティブ知覚モジュール(APM)を考案する。
意思決定の観点から、複雑なユーザ命令や相互依存サブタスクをより効果的に扱うために、階層的なマルチエージェント協調アーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-02-20T05:41:55Z) - Repo2Run: Automated Building Executable Environment for Code Repository at Scale [10.143091612327602]
大規模なリポジトリに対して実行可能なテスト環境の構築を自動化するためのエージェントであるRepo2Runを紹介します。
Repo2RunはDockerイメージを反復的にビルドし、建物のフィードバックに基づいてユニットテストを実行し、Dockerfileを合成する。
結果のDockerfileを使用して、コードとテストを実行するDockerコンテナ環境を作成することができる。
論文 参考訳（メタデータ） (2025-02-19T12:51:35Z) - Design and Implementation of Flutter based Multi-platform Docker Controller App [1.1443262816483672]
本稿では,Dockerリソースを遠隔操作するFlutterアプリケーションの開発に焦点を当てる。
アプリケーションはSSHプロトコルを使用してサーバとのセキュアな接続を確立し、コマンドを実行する。
HTTPを使用してアプリケーションをDockerエンジンに接続する、別のアプローチも検討されている。
論文 参考訳（メタデータ） (2025-02-17T11:48:02Z) - Deep Reinforcement Learning for Wireless Scheduling in Distributed Networked Control [37.10638636086814]
完全分散無線制御システム(WNCS)の周波数チャネル数に制限のある結合アップリンクとダウンリンクのスケジューリング問題を考える。
深層強化学習(DRL)に基づくフレームワークを開発した。
DRLにおける大きなアクション空間の課題に対処するために,新しいアクション空間削減法とアクション埋め込み法を提案する。
論文 参考訳（メタデータ） (2021-09-26T11:27:12Z) - Learning a Contact-Adaptive Controller for Robust, Efficient Legged
Locomotion [95.1825179206694]
四足歩行ロボットのためのロバストコントローラを合成するフレームワークを提案する。
高レベルコントローラは、環境の変化に応じてプリミティブのセットを選択することを学習する。
確立された制御方法を使用してプリミティブを堅牢に実行する低レベルコントローラ。
論文 参考訳（メタデータ） (2020-09-21T16:49:26Z) - dm_control: Software and Tasks for Continuous Control [24.588523489116326]
dm_controlソフトウェアパッケージは、強化学習エージェントのためのPythonライブラリとタスクスイートの集合体である。
MuJoCoラッパーは、関数とデータ構造に便利なバインディングを提供する。
Control Suiteは、パフォーマンスベンチマークとして機能することを意図した、標準化された構造を持つタスクの固定セットである。
論文 参考訳（メタデータ） (2020-06-22T17:52:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。