WheneverGem 使用指南
1. 安装指南
安装 Whenever Gem 非常简单,可以使用以下任一命令:
$ gem install whenever
或者,如果你在使用 Bundler,可以在你的 Gemfile 中添加以下代码:
gem 'whenever', require: false
然后执行 bundle install
命令。
2. 项目使用说明
使用 Whenever Gem,你需要先在你的项目中初始化一个配置文件。以下是如何创建这个文件的步骤:
$ cd /apps/my-great-project
$ bundle exec wheneverize .
这会在你的项目中的 config
文件夹下创建一个名为 schedule.rb
的文件。
The whenever
命令
whenever
命令会将你的 schedule.rb
文件内容转换为 cron 语法。但它不会读取或写入你的 crontab 文件。
如果你想查看转换后的 cron 语法,可以执行以下命令:
$ cd /apps/my-great-project
$ bundle exec whenever
如果你想将你的任务写入 crontab 文件,可以使用以下命令:
$ whenever --update-crontab
你还可以使用其他选项,例如:
--user app
:设置以特定用户身份安装 crontab--load-file config/my_schedule.rb
:设置要使用的调度文件--crontab-command 'sudo crontab'
:覆盖默认的 crontab 命令
注意:如果你不使用 --user
属性运行 whenever --update-crontab
,cron 将由当前用户生成。这意味着需要其他用户权限的任务将失败。
你可以使用 crontab -l
命令查看已安装的 cron 任务。
运行 whenever --help
可以获取完整的选项列表,用于选择调度、设置变量等。
3. 项目API使用文档
Whenever Gem 提供了以下几种预定义的作业类型:command
、runner
和 rake
。你还可以使用 job_type
方法定义自己的作业类型。
例如:
job_type :awesome, '/usr/local/bin/awesome :task :fun_level'
every 2.hours do
awesome "party", fun_level: "extreme"
end
这将每两小时运行 /usr/local/bin/awesome party extreme
。
默认的作业类型定义如下:
job_type :command, ":task :output"
job_type :rake, "cd :path && :environment_variable=:environment bundle exec rake :task --silent :output"
job_type :runner, "cd :path && bin/rails runner -e :environment ':task' :output"
job_type :script, "cd :path && :environment_variable=:environment bundle exec script/:task :output"
如果未设置 :path
,它将默认为执行 whenever
命令的目录。:environment_variable
默认为 'RAILS_ENV'。:environment
默认为 'production'。:output
会被替换为你的输出重定向设置。
所有作业默认使用 bash -l -c 'command...'
运行。这允许你的 cron 作业加载整个环境,而不是 cron 的有限环境。
你可以通过设置自己的 :job_template
来更改默认设置:
set :job_template, "bash -l -c ':job'"
或者,如果你想取消模板,可以设置为 nil
:
set :job_template, nil
4. 项目安装方式
Whenever Gem 的安装方式已在 "安装指南" 部分说明,以下是简要步骤:
- 使用
gem install whenever
命令安装 Gem。 - 在项目中运行
bundle exec wheneverize .
初始化schedule.rb
。 - 运行
bundle exec whenever
查看cron语法。 - 运行
whenever --update-crontab
将任务写入 crontab。
确保在执行 whenever --update-crontab
时根据需要设置用户权限。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~055CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









