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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03