Pagy:轻量级且高效的Ruby分页库
项目介绍
Pagy 是一个极其高效且功能全面的 Ruby 分页宝石,旨在解决大数据集的分页需求。与其他流行的分页工具如 WillPaginate 和 Kaminari 相比,它在性能上表现出色,消耗的资源远少。它支持 Rack 框架(包括 Rails、Sinatra 和 Padrino 等)以及纯 Ruby 环境,并能适应任何ORM、数据库或搜索库。Pagy 提供了对多种CSS框架的支持,如 Bootstrap,以及针对特殊场景的扩展,比如集成Elasticsearch。
项目快速启动
要开始使用 Pagy,首先确保你的环境中已经安装了 Ruby,并且通过以下命令添加 Pagy 到你的 Gemfile 中:
gem 'pagy'
之后,执行 bundle install 来安装。接下来,在你的应用程序中初始化 Pagy 并进行基本分页。以 Rails 应用为例,假设你想对产品列表进行分页:
# 在控制器中
def index
@pagy, @products = pagy(Product.all)
end
# 在视图中
<%== pagy_nav(@pagy) if @pagy.pages > 1 %>
<ul>
<%= @products.each do |product| %>
<li><%= product.name %></li>
<% end %>
</ul>
如果你想使用 Bootstrap 样式的导航,只需在初始化时加入对应的额外组件:
require 'pagy/extras/bootstrap'
并在视图中使用 pagy_bootstrap_nav(@pagy) 替换普通导航。
应用案例和最佳实践
Keyset Pagination
对于处理大量数据,采用 Keyset Pagination 是一种明智的选择,Pagy 自版本9.0起提供了这一特性,尤其适用于大数据集合的高效率滚动。这避免了传统的基于偏移量的分页带来的性能瓶颈。
# 假设我们有一个排序条件
@pagy, @products = pagy(Product.order(:created_at), vars: [:sort])
无计数分页(Countless)
当你处理的数据集合极大以至于计算总数变得昂贵时,可以利用 Pagy::Countless 特性。
典型生态项目
Pagy 的生态系统允许与各种环境和库无缝集成,例如 Elasticsearch:
require 'pagy/extras/elasticsearch_rails'
extend Pagy::ElasticsearchRails
def search
response = Article.search(params[:query], page: pagy_page, per_page: pagy_items)
@pagy, @articles = pagy_elasticsearch_rails(response)
end
此外,Pagy 还支持客户端分页、无限滚动等现代交互模式,通过提供 JavaScript 辅助方法和示例,使开发者能够轻松实现这些高级功能。
以上就是关于 Pagy 的简明快速入门及一些进阶实践概览。深入探索其详细文档,将帮助你充分利用这个高效分页解决方案来优化你的应用程序。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00