生产环境下运行Rails的最佳实践
1. 项目介绍
production_rails 是一个开源项目,由 Andrew Kane 创建并维护,旨在提供在生产环境中运行 Ruby on Rails 应用程序的最佳实践。这些实践基于个人经验以及在 Instacart 工作时的所学所得。项目包含了从安全、错误处理、日志记录到性能监控等多个方面的建议和配置示例。
2. 项目快速启动
要快速启动并应用 production_rails 的最佳实践,请按照以下步骤操作:
首先,确保你已经安装了以下依赖:
- Ruby
- Rails
- Node.js
- Yarn (或其他 Node.js 包管理器)
然后,克隆项目到本地:
git clone https://github.com/ankane/production_rails.git
cd production_rails
安装项目依赖:
bundle install
yarn install
配置数据库连接(在 config/database.yml 文件中),然后创建和迁移数据库:
bundle exec rake db:create db:migrate
启动 Rails 服务器:
rails server
现在,你的 Rails 应用应该已经启动并运行在 http://localhost:3000。
3. 应用案例和最佳实践
以下是 production_rails 项目的几个应用案例和最佳实践:
安全
确保所有的代码都遵循安全最佳实践,并使用工具来保护敏感数据。
错误处理
使用错误报告服务,如 Rollbar,来跟踪和报告应用程序中的错误。
日志记录
使用 Lograge 减少日志量,并配置它以添加 request_id、user_id 和 params。
# config/environments/production.rb
config.lograge.enabled = true
config.lograge.custom_options = lambda do |event|
options = event.payload.slice(:request_id, :user_id)
options[:params] = event.payload[:params].except("controller", "action")
options
end
# app/controllers/application_controller.rb
def append_info_to_payload(payload)
super
payload[:request_id] = request.uuid
payload[:user_id] = current_user.id if current_user
end
审计
使用 Audited 库来跟踪对模型的更改。
迁移
使用 Strong Migrations 在开发时捕获不安全的迁移。
Web 请求
使用高性能的 web 服务器,如 Puma,并配置 Rack::Deflater 进行压缩。
背景任务
使用 Sidekiq 作为 Active Job 的队列适配器。
# config/application.rb
config.active_job.queue_adapter = :sidekiq
邮件
对于事务性电子邮件,使用 SendGrid 等电子邮件发送服务。
缓存和性能
使用 Memcached 和 Dalli 进行缓存,使用 Memoist 进行记忆化。
监控
使用性能监控服务,如 New Relic 或 AppSignal。
数据库
为数据库添加超时设置,以避免过长的查询。
# config/database.yml
production:
connect_timeout: 2
checkout_timeout: 5
variables:
statement_timeout: 5000 # ms
分析
使用 Ahoy 或其他第三方服务,如 Amplitude 或 Mixpanel,来跟踪重要事件。
新功能
使用 Rollout 等功能翻转库,轻松启用和禁用新功能。
4. 典型生态项目
production_rails 项目可以与以下生态项目结合使用,以进一步增强 Rails 应用程序的生产环境:
pgHero: 对于使用 PostgreSQL 的应用程序,可以帮助识别性能问题。Rollbar: 错误跟踪服务,可以帮助捕捉和报告应用错误。Lograge: 日志管理工具,用于减少日志文件大小并提高可读性。Sidekiq: 高性能的背景任务处理库。SendGrid: 用于发送事务性电子邮件的服务。
通过遵循这些最佳实践和结合使用典型的生态项目,你可以显著提高 Rails 应用程序在生产环境中的性能和稳定性。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00