Laravel Auditing 软删除行为配置的深度解析
2025-06-25 21:35:52作者:柏廷章Berta
软删除审计的现状分析
在 Laravel Auditing 项目中,关于软删除操作的审计行为一直存在一些争议。当前实现中,当模型执行软删除时,审计系统会记录所有字段的变更情况,而不仅仅是 deleted_at 字段的变化。这种设计虽然提供了完整的数据变更历史,但在某些业务场景下可能显得过于冗余。
核心问题剖析
许多开发者期望能够通过配置选项来控制软删除时的审计行为:
- 当配置为
true时,仅记录deleted_at字段的变化 - 当配置为
false时,保持当前行为,记录所有字段变更
这种需求源于对审计日志精简化的追求,特别是在高频软删除操作的系统中,减少不必要的审计记录可以显著降低存储压力。
现有解决方案评估
目前项目中有几种可行的解决方案:
-
全局配置法:通过修改
config/audit.php中的timestamps选项,但这只能控制时间戳的审计行为,无法精确控制软删除时的字段记录。 -
transformAudit 方法:在模型中使用
transformAudit方法进行自定义处理。这种方法灵活但需要在每个模型中实现,维护成本较高。
public function transformAudit(array $data): array
{
if ($this->auditEvent === 'deleted' && in_array(SoftDeletes::class, class_uses(get_class($this)))) {
$data['old_values'] = [];
$data['new_values'] = [];
}
return $data;
}
- 抽象基类法:创建一个继承自 Auditable 的抽象基类,在其中实现统一的审计逻辑,所有模型再继承这个基类。这种方法既保持了灵活性又减少了重复代码。
技术实现建议
对于希望实现配置化软删除审计的开发者,可以考虑以下实现路径:
-
扩展配置项:在
config/audit.php中添加softdelete_audit选项,默认为false保持向后兼容。 -
修改审计逻辑:在核心审计逻辑中,当检测到软删除操作时,检查该配置项决定是否过滤非
deleted_at字段。 -
事件监听方案:通过监听模型的软删除事件,在事件处理器中根据配置决定审计行为。
最佳实践推荐
对于大多数项目,建议采用抽象基类的方式统一处理软删除审计。这种方法具有以下优势:
- 保持代码一致性
- 便于后期维护
- 可以根据项目需求灵活调整
- 不影响框架核心功能
未来展望
随着 Laravel Auditing 项目的发展,期待官方能够提供更细粒度的审计控制选项,使开发者能够更灵活地配置各种操作类型的审计行为,包括但不限于软删除操作。这将大大提升框架在不同业务场景下的适用性。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660