Jelly ORM 技术文档
2024-12-23 23:28:45作者:沈韬淼Beryl
1. 安装指南
环境要求
- PHP 5.3 或更高版本
- Kohana 3.3 或更高版本
- 支持的数据库:MySQL、SQLite、PostgreSQL
安装步骤
-
下载Jelly ORM
你可以通过以下命令从GitHub下载Jelly ORM:git clone https://github.com/jonathangeiger/kohana-jelly.git -
将Jelly ORM添加到Kohana项目中
将下载的kohana-jelly目录复制到你的Kohana项目的modules目录下。 -
启用Jelly模块
在Kohana的application/bootstrap.php文件中,添加以下代码以启用Jelly模块:Kohana::modules(array( 'jelly' => MODPATH.'kohana-jelly', // 其他模块 )); -
配置数据库
确保你的Kohana项目已经正确配置了数据库连接。你可以在application/config/database.php中进行配置。 -
运行单元测试
为了确保Jelly ORM在你的环境中正常工作,建议运行单元测试:phpunit --bootstrap=modules/kohana-jelly/bootstrap.php modules/kohana-jelly/tests
2. 项目的使用说明
创建模型
Jelly ORM使用模型来表示数据库表。你可以通过继承Jelly_Model类来创建模型。例如:
class Model_User extends Jelly_Model {
public static function initialize($meta) {
$meta->fields(array(
'id' => new Field_Primary,
'name' => new Field_String,
'email' => new Field_String,
));
}
}
基本操作
-
创建记录
$user = Jelly::factory('user'); $user->name = 'John Doe'; $user->email = 'john@example.com'; $user->save(); -
查询记录
$users = Jelly::select('user')->where('name', '=', 'John Doe')->execute(); -
更新记录
$user = Jelly::select('user')->where('id', '=', 1)->load(); $user->email = 'newemail@example.com'; $user->save(); -
删除记录
$user = Jelly::select('user')->where('id', '=', 1)->load(); $user->delete();
3. 项目API使用文档
主要API
-
Jelly::factory($model)
创建一个新的模型实例。$user = Jelly::factory('user'); -
Jelly::select($model)
创建一个查询构建器实例。$users = Jelly::select('user')->where('name', '=', 'John Doe')->execute(); -
Jelly::meta($model)
获取模型的元数据。$meta = Jelly::meta('user');
字段类型
Jelly ORM支持多种字段类型,包括:
Field_Primary:主键字段Field_String:字符串字段Field_Integer:整数字段Field_Float:浮点数字段Field_Boolean:布尔字段Field_Text:文本字段Field_Date:日期字段Field_DateTime:日期时间字段
关系类型
Jelly ORM支持以下关系类型:
belongs_to:一对一关系has_many:一对多关系many_to_many:多对多关系
4. 项目安装方式
通过Composer安装
-
在项目的
composer.json文件中添加Jelly ORM的依赖:"require": { "jonathangeiger/kohana-jelly": "dev-master" } -
运行Composer安装命令:
composer install -
在Kohana的
bootstrap.php中启用Jelly模块:Kohana::modules(array( 'jelly' => MODPATH.'kohana-jelly', // 其他模块 ));
手动安装
按照安装指南中的步骤手动下载并安装Jelly ORM。
通过以上文档,你应该能够顺利安装、使用并深入了解Jelly ORM的功能和API。
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
最新内容推荐
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 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 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
416
3.2 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
🔥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
暂无简介
Dart
682
160
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
664
React Native鸿蒙化仓库
JavaScript
265
326
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1
Ascend Extension for PyTorch
Python
230
259