Laravel-Countries项目中的全局作用域详解
引言
在Laravel-Countries项目中,全局作用域(Global Scopes)是一个非常重要的概念,它可以帮助开发者自动过滤和优化数据查询。本文将深入解析项目中默认应用的两个全局作用域,帮助开发者更好地理解和使用它们。
什么是全局作用域
全局作用域是Laravel Eloquent模型的一个强大特性,它允许开发者定义一组查询约束条件,这些条件会自动应用到模型的所有查询中。在Laravel-Countries项目中,Country模型和Region模型默认启用了两个全局作用域。
默认全局作用域
1. 可见性作用域(Visible Scope)
这个作用域确保只有is_visible字段为true的国家/地区才会被查询出来。其底层实现相当于在所有查询中自动添加了:
$builder->where('is_visible', true);
这意味着默认情况下,所有被标记为不可见的国家/地区都会被自动过滤掉,无需开发者手动添加这个条件。
2. 翻译作用域(Translation Scope)
这个作用域确保每次查询国家/地区数据时,都会自动预加载(Eager Loading)关联的翻译数据。其底层实现相当于:
$builder->withTranslation();
这避免了N+1查询问题,提高了应用性能,同时也简化了开发者的工作。
如何禁用全局作用域
虽然全局作用域非常有用,但有时我们需要绕过这些默认约束。Laravel-Countries项目提供了便捷的方法来临时禁用这些作用域。
禁用翻译作用域
使用withNotTranslation()方法可以在特定查询中移除翻译作用域:
use Lwwcas\LaravelCountries\Models\Country;
// 获取英国数据,但不预加载翻译
Country::withNotTranslation()
->whereName('United Kingdom')
->first();
禁用可见性作用域
使用withNotVisible()方法可以在特定查询中移除可见性过滤:
use Lwwcas\LaravelCountries\Models\Country;
// 获取英国数据,包括不可见的记录
Country::withNotVisible()
->whereName('United Kingdom')
->first();
实用方法
除了全局作用域外,项目还提供了一系列实用方法来操作和检查可见性状态:
| 方法名称 | 描述 |
|---|---|
| isVisible() | 检查国家/地区是否可见(返回布尔值) |
| isHidden() | 检查国家/地区是否隐藏(返回布尔值) |
| setVisibleTrue() | 将国家/地区标记为可见 |
| setVisibleFalse() | 将国家/地区标记为不可见 |
| setModelVisible() | 将国家/地区标记为可见(与setVisibleTrue()相同) |
| setModelHidden() | 将国家/地区标记为不可见(与setVisibleFalse()相同) |
使用建议
-
性能考虑:默认启用的翻译作用域虽然方便,但如果确定不需要翻译数据,可以使用
withNotTranslation()来提高查询性能。 -
数据完整性:在后台管理系统中,可能需要查看所有国家/地区(包括不可见的),这时可以使用
withNotVisible()。 -
批量操作:当需要批量修改国家/地区的可见性状态时,可以使用提供的set方法,它们会自动处理模型的保存操作。
注意事项
- 全局作用域是默认启用的,除非显式禁用
- 禁用作用域只对当前查询有效,不会影响其他查询
- 修改可见性状态后,模型会自动保存,无需额外调用save()方法
通过理解这些全局作用域和实用方法,开发者可以更高效地使用Laravel-Countries项目,构建出更健壮的国际化和地区相关的应用功能。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00