StateMachine 审计跟踪使用文档
2024-12-26 16:21:55作者:瞿蔚英Wynne
1. 安装指南
首先,确保您的项目已经集成了 state_machine 插件。接下来,通过将以下内容添加到您的 Gemfile 文件中,并将 gem 安装到您的项目中:
gem 'state_machine-audit_trail'
完成添加后,执行 bundle install 命令来安装 gem。
2. 项目的使用说明
本项目为 state_machine 插件提供一个审计跟踪功能,能够为任何状态机维护一个完整的状态变更历史。以下是使用本项目的步骤:
-
创建一个模型/表格来存储审计跟踪信息。该表格需要包含指向原始对象的的外键、一个“事件”字段、一个“从”状态字段、一个“到”状态字段以及一个存储转换时间戳的“创建时间”字段。本项目提供了一个 Rails 3 生成器来创建这样的模型和迁移。
对于 Rails 3,使用以下命令:
rails generate state_machine:audit_trail <模型名> <状态属性>对于 Rails 2,使用以下命令:
rails generate state_machine_audit_trail <模型名> <状态属性> -
在您的模型中配置状态机,并指示状态机存储审计跟踪:
class <模型名> < ActiveRecord::Base state_machine :state, :initial => :起始状态 do store_audit_trail ... end end -
如果您的审计跟踪模型使用了非默认命名方案,您需要通过
:to选项指定它:class <模型名> < ActiveRecord::Base state_machine :state, :initial => :起始状态 do store_audit_trail :to => '<自定义审计跟踪模型名>' ... end end -
完成这些步骤后,插件将注册一个
after_transition回调,用于记录所有状态转换。如果存在初始状态,它也会记录初始状态。
3. 项目API使用文档
本项目通过 store_audit_trail 方法提供审计跟踪功能。以下是一些高级用法:
-
如果您想在审计跟踪中存储额外的消息,可以使用以下方式:
store_audit_trail :context_to_log => :状态消息方法名 # 将在模型上调用状态消息方法并存储到审计跟踪模型的状态消息字段或者
store_audit_trail :context_to_log => [:字段1, :字段2] # 将在模型上调用字段1和字段2方法并将它们存储到审计跟踪模型对应的字段 -
存储虚拟属性:有时存储动态计算的信息可能很有用。在这些情况下,您只需在
DeploymentStateTransitions表中定义一个新列,并配置context_to_log。例如:
class <模型名> < ActiveRecord::Base state_machine :state, :initial => :起始状态 do store_audit_trail :context_to_log => :版本 ... end def 版本 # 动态计算字段,例如,基于其他模型 ... end end class 添加版本到DeploymentStateTransitions < ActiveRecord::Migration def change add_column :deployment_state_transitions, :版本, :string ... end end
4. 项目安装方式
本项目的安装方式已在“安装指南”部分说明,概括来说,就是通过修改 Gemfile 并执行 bundle install 命令。此外,需要通过 Rails 生成器创建审计跟踪模型和迁移文件,并按照上述使用说明配置模型。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
446
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271