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。
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