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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00