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
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 StartedRust0191
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 Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
762
4.95 K
Claude 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 Started
Rust
1.8 K
190
Fflutter_flutter
暂无简介
Dart
1 K
260
Ascend Extension for PyTorch
Python
717
869
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
854
1.91 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++
1.07 K
1.09 K
🎉 (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
1.73 K
1.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.32 K
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
455
438