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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust030
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00