Milia 多租户 Ruby on Rails 应用技术文档
1. 安装指南
1.1 在新应用中安装 Milia
最快的方式是遵循 Sample App 章节中的简单指令,生成一个使用 Devise 和 Milia 的新应用。
1.2 在现有应用中添加 Milia
推荐的方式是将 Milia 添加到现有应用中,首先启动 Sample App,确保其正常工作,然后将你的应用移植到该示例应用中。这样可以确保 Rails 和 Devise 的设置正确无误。
逐步操作
不要试图一次性改变所有内容!不要追求完美,试图一次性启动一个完全编写的应用!
只需按照创建示例的说明,一步一步地操作。先让基础功能正常工作,然后再进行修改、调整和优化。
1.3 最小化手动设置
(如果你已经生成了 Sample App,以下所有步骤都已经完成。)
在你的 Gemfile 中添加:
gem 'milia', '~>1.3'
然后运行 Milia 生成器:
$ bundle install
$ rails g milia:install --org_email='<your smtp email for dev work>'
注意:Milia 生成器有一个选项,用于指定用于发送确认和账户激活邮件的开发工作邮箱。
有关生成器所做操作的详细说明,请参阅 README_DETAILS。
对生成的迁移文件进行任何必要的更改,然后运行:
$ rake db:create
$ rake db:migrate
应用控制器
在 app/controllers/application_controller.rb 中,在 protect_from_forgery 之后立即添加以下行:
before_action :authenticate_tenant! # 认证用户并设置租户
rescue_from ::Milia::Control::MaxTenantExceeded, :with => :max_tenants
rescue_from ::Milia::Control
2. 项目的使用说明
2.1 基本概念
租户 == 组织与用户/成员
租户是一个拥有多个成员(用户)的组织。最初,用户创建一个新组织(租户)并成为其第一个成员(通常是管理员)。然后他邀请其他成员,这些成员可以登录并加入该租户。Milia 确保用户只能访问自己租户(组织)的数据。
租户模型
属于某个租户(组织)的模型。在模型主体中添加 acts_as_tenant 以激活该模型的租户功能。大多数表(除了纯连接表、用户表和租户表)应该是租户模型。每个租户表的记录都需要设置 tenant_id。Milia 会处理这一点。
通用模型
不属于特定租户(组织)但具有系统范围相关性的模型。在模型主体中添加 acts_as_universal 以将其标记为通用模型。通用表从不包含关键的用户/公司信息。Devise 用户表必须是通用的,并且只应包含电子邮件、加密密码和 Devise 所需的数据。所有其他用户数据(姓名、电话、地址等)应分解到一个名为 members 的租户表中(Member belongs_to :user, User has_one :member)。同样适用于组织(账户或公司)信息。通用表的记录必须将 tenant_id 设置为 nil。Milia 会处理这一点。
连接表
纯连接表(has_and_belongs_to_many HABTM 关联)既不是通用的,也不是租户的。
3. 项目 API 使用文档
3.1 获取当前租户
current_tenant
3.2 更改当前租户
switch_tenant(new_tenant)
迭代租户
Tenant.all.each do |tenant|
switch_tenant(tenant)
# 在此租户下执行操作
end
Rails 控制台
Tenant.all.each do |tenant|
switch_tenant(tenant)
# 在此租户下执行操作
end
3.3 Milia 回调
Milia 提供了多个回调,可以在租户切换、用户认证等事件时触发。具体回调请参阅 README_DETAILS。
4. 项目安装方式
4.1 在新应用中安装 Milia
最快的方式是遵循 Sample App 章节中的简单指令,生成一个使用 Devise 和 Milia 的新应用。
4.2 在现有应用中添加 Milia
推荐的方式是将 Milia 添加到现有应用中,首先启动 Sample App,确保其正常工作,然后将你的应用移植到该示例应用中。这样可以确保 Rails 和 Devise 的设置正确无误。
逐步操作
不要试图一次性改变所有内容!不要追求完美,试图一次性启动一个完全编写的应用!
只需按照创建示例的说明,一步一步地操作。先让基础功能正常工作,然后再进行修改、调整和优化。
4.3 最小化手动设置
(如果你已经生成了 Sample App,以下所有步骤都已经完成。)
在你的 Gemfile 中添加:
gem 'milia', '~>1.3'
然后运行 Milia 生成器:
$ bundle install
$ rails g milia:install --org_email='<your smtp email for dev work>'
注意:Milia 生成器有一个选项,用于指定用于发送确认和账户激活邮件的开发工作邮箱。
有关生成器所做操作的详细说明,请参阅 README_DETAILS。
对生成的迁移文件进行任何必要的更改,然后运行:
$ rake db:create
$ rake db:migrate
应用控制器
在 app/controllers/application_controller.rb 中,在 protect_from_forgery 之后立即添加以下行:
before_action :authenticate_tenant! # 认证用户并设置租户
rescue_from ::Milia::Control::MaxTenantExceeded, :with => :max_tenants
rescue_from ::Milia::Control
通过以上步骤,你可以成功安装并使用 Milia 来实现 Ruby on Rails 应用的多租户功能。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00