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 StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00