Rack::Bug 技术文档
2024-12-23 05:49:21作者:韦蓉瑛
1. 安装指南
1.1 Rails 项目安装
在 Rails 项目中,可以通过以下步骤安装 Rack::Bug:
-
使用
script/plugin命令安装插件:script/plugin install git://github.com/brynary/rack-bug.git -
在
config/environments/development.rb文件中添加以下配置:config.middleware.use "Rack::Bug", :secret_key => "someverylongandveryhardtoguesspreferablyrandomstring" -
添加书签工具到浏览器:
open http://RAILS_APP/__rack_bug__/bookmarklet.html
1.2 非 Rails Rack 应用安装
对于非 Rails 的 Rack 应用,可以直接使用 Rack::Bug 作为中间件:
-
在应用中引入
Rack::Bug:use Rack::Bug -
如果需要使用日志面板,定义
LOGGER常量,该常量应为 Ruby 的Logger或ActiveSupport::BufferedLogger。
2. 项目的使用说明
2.1 功能概述
Rack::Bug 是一个用于 Rack 应用的诊断工具栏,能够在应用运行时注入一个浮动 div,用于探索日志、数据库查询、模板渲染时间等信息。
2.2 默认面板
Rack::Bug 默认包含以下面板:
- Rails Info
- Timer
- Request Variables
- SQL
- Active Record
- Cache
- Templates
- Log
- Memory
此外,还提供了其他可选面板,如 Redis 和 Sphinx。
2.3 自定义面板
可以通过配置自定义面板的顺序和内容:
require "rack/bug"
ActionController::Dispatcher.middleware.use Rack::Bug,
:secret_key => "someverylongandveryhardtoguesspreferablyrandomstring",
:panel_classes => [
Rack::Bug::TimerPanel,
Rack::Bug::RequestVariablesPanel,
Rack::Bug::RedisPanel,
Rack::Bug::TemplatesPanel,
Rack::Bug::LogPanel,
Rack::Bug::MemoryPanel
]
3. 项目API使用文档
3.1 中间件配置
Rack::Bug 可以通过以下方式进行配置:
- secret_key: 用于安全验证的密钥。
- panel_classes: 自定义面板的类列表。
- ip_masks: 限制访问的 IP 地址。
- password: 限制访问的密码。
3.2 安全配置
可以通过 IP 地址或密码来限制访问:
-
IP 地址限制:
require "ipaddr" ActionController::Dispatcher.middleware.use "Rack::Bug" :secret_key => "someverylongandveryhardtoguesspreferablyrandomstring", :ip_masks => [IPAddr.new("2.2.2.2/0")] -
密码限制:
ActionController::Dispatcher.middleware.use "Rack::Bug", :secret_key => "someverylongandveryhardtoguesspreferablyrandomstring", :password => "yourpassword"
4. 项目安装方式
4.1 开发环境安装
在开发环境中,需要安装以下 gem:
- rspec
- rack-test
- webrat
- sinatra
4.2 生产环境安装
Rack::Bug 可以在生产环境中运行,用于特定的故障排查。配置方式与开发环境类似,但需要注意安全配置。
4.3 许可证
Rack::Bug 使用 MIT 许可证,详细信息请参阅 MIT-LICENSE.txt 文件。
通过以上文档,您可以详细了解 Rack::Bug 的安装、使用和配置方法,帮助您更好地在项目中使用该工具。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217