Laravel 模型清理工具: 自动清理过时记录
项目介绍
此项目**laravel-model-cleanup** 是一个用于Laravel框架的扩展包,旨在自动清理不再需要的旧数据记录。它要求模型实现特定的方法来定义清理规则,比如基于创建时间的自动删除功能。尽管该项目已不维护且建议使用Laravel内置的可修剪(prunable)特性,但对于那些寻求自定义模型清理解决方案的场景,它提供了灵活配置旧记录删除的选项。
项目快速启动
安装
通过Composer安装这个包:
composer require spatie/laravel-model-cleanup
然后发布配置文件以进行定制:
php artisan vendor:publish --provider="Spatie\ModelCleanup\ModelCleanupServiceProvider"
这将创建一个config/model-cleanup.php文件,你可以在这里添加想要自动清理的模型。
配置模型
让你的模型实现Spatie\ModelCleanup\GetsCleanedUp接口,并定义cleanUp方法来指定清理策略,例如:
use Illuminate\Database\Eloquent\Model;
use Spatie\ModelCleanup\CleanupConfig;
use Spatie\ModelCleanup\GetsCleanedUp;
class YourModel extends Model implements GetsCleanedUp
{
public function cleanUp(CleanupConfig $config): void
{
$config->olderThanDays(5);
}
}
接着,在config/model-cleanup.php中注册你的模型:
return [
'models' => [
App\Models\YourModel::class,
],
];
清理命令
运行以下Artisan命令来执行清理:
php artisan clean:models
如果需要定期执行,可以在调度器中设置:
protected function schedule(Schedule $schedule)
{
$schedule->command(\Spatie\ModelCleanup\Commands\CleanUpModelsCommand::class)->daily();
}
应用案例和最佳实践
最佳实践是为每个需要清理的数据表定义清晰的清理规则,特别是处理大量日志或历史数据时。确保考虑到数据保留政策,避免误删重要信息。使用软删除标记的模型可以被永久删除而不是仅标记删除,但这需要谨慎操作。
典型生态项目
由于这个项目现已被废弃,并推荐使用Laravel内部提供的功能,因此在现代Laravel应用开发中,直接利用Laravel框架自带的模型生命周期事件或者命令模式结合任务调度,可以实现类似甚至更复杂的数据管理逻辑。此外,对于特定的清理需求,社区可能有其他活跃的替代方案,不过具体选择应根据项目需求和个人偏好来定。
在实践中,理解并运用Laravel的Eloquent ORM和任务调度能力是集成此类清理机制的关键,确保系统的健壮性和数据的一致性。
请注意,虽然本示例提供了一个基本的操作流程,但在实际应用中应考虑项目的最新状态及替代方案,以保证开发实践是最新的。
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