Jelly ORM 技术文档
2024-12-23 01:41:45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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
481
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
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++
649
271
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
212