StateMachine 审计跟踪使用文档
2024-12-26 08:35:17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
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218