Seed Dump 技术文档
本文档将详细介绍如何安装和使用 Seed Dump 插件,该插件为 Rails 4 和 5 提供了一个名为 db:seed:dump 的 rake 任务。它允许您从数据库中现有的数据创建种子数据文件。
1. 安装指南
要安装 Seed Dump,您可以将它添加到您的 Gemfile 中:
gem 'seed_dump'
或者手动安装:
$ gem install seed_dump
2. 项目的使用说明
Seed Dump 可以通过两种方式使用:rake 任务和 Rails 控制台。
Rake 任务
以下是一些使用 rake 任务的基本示例:
- 将所有数据直接转储到
db/seeds.rb:
$ rake db:seed:dump
- 仅转储
users表中的数据,且最多转储一条记录:
$ rake db:seed:dump MODELS=User LIMIT=1
- 将数据追加到
db/seeds.rb而不是覆盖它:
$ rake db:seed:dump APPEND=true
- 使用另一个输出文件而不是
db/seeds.rb:
$ rake db:seed:dump FILE=db/seeds/users.rb
- 从转储中排除
name和age:
$ rake db:seed:dump EXCLUDE=name,age
控制台
以下是一些使用 Rails 控制台的基本示例:
- 输出所有 User 记录的转储:
puts SeedDump.dump(User)
- 将转储写入文件:
SeedDump.dump(User, file: 'db/seeds.rb')
- 将转储追加到文件:
SeedDump.dump(User, file: 'db/seeds.rb', append: true)
- 从转储中排除
name和age:
SeedDump.dump(User, exclude: [:name, :age])
在任何情况下,ActiveRecord 行的关系可以被转储(但不能转储单个对象)。
3. 项目API使用文档
Seed Dump 提供了以下选项,这些选项适用于 rake 任务和控制台,除非另有说明:
-
append: 如果设置为true,将数据追加到文件而不是覆盖它。默认:false。 -
batch_size: 控制一次写入文件记录的数量。默认:1000。如果转储时内存不足,尝试减少这个值。如果转储速度太慢,尝试增加这个值。 -
exclude: 从转储中排除的属性。对于 rake 任务,传递逗号分隔的列表(例如name,age),对于控制台,传递数组(例如[:name, :age])。默认:[:id, :created_at, :updated_at]。 -
file: 写入指定的输出文件。Rake 任务默认为db/seeds.rb。控制台默认返回字符串。 -
import: 如果设置为true,输出将采用 activerecord-import gem 需要的格式,而不是默认格式。默认:false。 -
limit: 不超过此数量的数据。默认:无限制。仅在 rake 任务中使用。在控制台中,只需传递具有适当限制的 ActiveRecord::Relation(例如SeedDump.dump(User.limit(5)))。 -
conditions: 只转储特定的记录。在控制台中,只需传递具有适当条件的 ActiveRecord::Relation(例如SeedDump.dump(User.where(state: :active)))。 -
model[s]: 限制转储到指定的模型列表。默认:所有模型。如果您使用的是 Rails 引擎,可以通过传递 "EngineName::ModelName" 来转储特定的模型。仅在 rake 任务中使用。例如:rake db:seed:dump MODELS="User, Position, Function"。 -
models_exclude: 从转储中排除指定的模型列表。默认:不排除任何模型。仅在 rake 任务中使用。例如:rake db:seed:dump MODELS_EXCLUDE="User"。
4. 项目安装方式
Seed Dump 的安装方式已在“安装指南”部分详细说明,您可以通过修改 Gemfile 或手动安装 gem 来添加到项目中。
通过上述指南和文档,用户可以轻松安装和使用 Seed Dump 来管理 Rails 项目中的种子数据。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00