Active Delivery 使用教程
2024-08-27 11:12:23作者:苗圣禹Peter
项目介绍
Active Delivery 是一个 Ruby 和 Rails 框架,用于在一个地方管理所有类型的通知。它提供了一个单一的接口或抽象层,用于处理不同类型的通知,如邮件、推送通知等。Active Delivery 从 v1.0 版本开始与 Abstract Notifier 捆绑在一起,使得开发者可以轻松地创建和管理用户通知。
项目快速启动
安装
首先,在 Gemfile 中添加以下行:
gem "active_delivery", "~> 1.0"
然后执行:
bundle install
配置
创建一个基础的 Delivery 类,并配置通知线路:
# 在基础类中配置通知线路
class ApplicationDelivery < ActiveDelivery::Base
self.abstract_class = true
# 例如,你可以使用一个自定义的通知线路
register_line :sms, ActiveDelivery::Lines::Notifier, resolver: ->(_1) { _1.name.gsub(/Delivery$/, "SMSNotifier").safe_constantize }
end
使用
创建一个具体的 Delivery 类,并触发通知:
class PostDelivery < ApplicationDelivery
def notify_about_new_post(post)
with(post: post).notify(:new_post)
end
end
在控制器或其他地方调用:
PostDelivery.notify_about_new_post(post)
应用案例和最佳实践
组织通知逻辑
使用 Active Delivery 可以更好地组织通知相关的逻辑。例如,之前你可能需要在多个地方处理通知逻辑,现在可以集中在一个地方处理:
# 之前
def after_some_action
MyMailer.with(user: user).some_action(resource).deliver_later if user.receive_emails
NotifyService.send_notification(user, "action") if whatever_else
end
# 之后
def after_some_action
MyDelivery.with(user: user).some_action(resource).deliver_later
end
测试
Active Delivery 提供了优雅的方式来测试通知是否被发送。例如,使用 RSpec:
it "delivers notification" do
expect { subject }.to have_delivered_to(Community::EventsDelivery, :modified, event)
end
典型生态项目
Abstract Notifier
Abstract Notifier 是 Active Delivery 的配套项目,用于创建自定义通知器。它提供了一个抽象层,使得你可以轻松地添加新的通知类型,如 SMS、Webhook 等。
Active Job
Active Job 是 Rails 的一个组件,用于处理后台任务。Active Delivery 可以与 Active Job 集成,使得通知可以异步发送,提高应用的性能和响应速度。
通过以上步骤和示例,你可以快速上手并有效地使用 Active Delivery 来管理你的应用中的各种通知。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0592- Ddeepseek-harnessDeepSeek Harness: Everything is a Plugin.TypeScript051
MooncakeMooncake 是面向大模型服务的通信与存储基础设施,致力于让解耦式大模型架构真正能够在真实生产环境中稳定运行、持续扩展、灵活组合,由趋境科技、月之暗面 Kimi 、清华大学 MADSys 实验室、9#AISoft、阿里云、蚂蚁集团等产学研力量共同建设的开源分布式大模型推理架构。C++06
OnnxOCR基于PaddleOCR重构,并且脱离PaddlePaddle深度学习训练框架的轻量级OCR,推理速度超快 —— A lightweight OCR system based on PaddleOCR, decoupled from the PaddlePaddle deep learning training framework, with ultra-fast inference speed.Python01
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
airi💖🧸 自托管、归你拥有的 Grok 风格 AI 伴侣与 waifu / 赛博生命灵魂容器,目标是接近 Neuro-sama 的高度;支持实时语音聊天、Minecraft 和 Factorio 游玩,支持 Web / macOS / Windows。TypeScript06
项目优选
收起
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
514
557
暂无描述
Markdown
861
5.71 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.05 K
2.53 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
843
1.29 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
857
1.72 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.36 K
876
本仓库fork自上游llvm-project仓,面向openEuler社区提供了前端C/C++语言的支持,中端通用优化能力的增强,以及后端多架构的支持,包括AArch64/X86/LoongArch/RISC-V/SW64等。
C++
159
64
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
517
351
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++
1.26 K
1.39 K
deepin linux kernel
C
33
16