Django-Multidb-Router 技术文档
1. 安装指南
在开始使用 django-multidb-router 前,请确保已经安装了 Django。安装 django-multidb-router 的方法如下:
使用 pip 安装:
pip install django-multidb-router
2. 项目的使用说明
django-multidb-router 提供了两种 Django 数据库路由器,用于主从数据库部署。
ReplicaRouter
使用 multidb.ReplicaRouter,所有读操作都会指向从数据库;所有插入、更新和删除操作都会指向 default 数据库。
首先,在您的 settings 中定义 REPLICA_DATABASES。它应该是一个可以在 DATABASES 中找到的数据库别名列表:
DATABASES = {
'default': {...},
'shadow-1': {...},
'shadow-2': {...},
}
REPLICA_DATABASES = ['shadow-1', 'shadow-2']
然后将 multidb.ReplicaRouter 添加到 DATABASE_ROUTERS 中:
DATABASE_ROUTERS = ('multidb.ReplicaRouter',)
从数据库将以轮询方式选择。
如果您想在应用中获得一个指向从数据库的连接,请使用 multidb.get_replica:
from django.db import connections
import multidb
connection = connections[multidb.get_replica()]
PinningReplicaRouter
在某些应用中,主数据库接收到写入操作和复制到从数据库之间的延迟足够大,以至于会导致最终用户的不一致性。如果您的应用存在这个问题,可以考虑使用 multidb.PinningReplicaRouter。这个路由器与 multidb.middleware.PinningRouterMiddleware 一起工作,确保在写入 default 数据库后,同一用户代理的后续读取操作在配置的时间内指向 default 数据库。
3. 项目API使用文档
PinningRouterMiddleware
PinningRouterMiddleware 主要通过请求类型识别数据库写入操作,假设除 GET、TRACE、HEAD 或 OPTIONS 外的 HTTP 方法都是写入操作。您可以使用 multidb.db_write 装饰器指示任何视图写入数据库,这将会产生与请求是 POST 等方法相同的结果。
您也可以手动设置 response._db_write = True 来指示发生了写入操作。这不会在本请求中使用 default 数据库,但会在下一个请求中使用。
配置
要使用 PinningReplicaRouter,请将其添加到您的 settings 中的 DATABASE_ROUTERS:
DATABASE_ROUTERS = ('multidb.PinningReplicaRouter',)
然后安装中间件。它必须排在任何执行数据库写入操作的其他中间件之前:
MIDDLEWARE_CLASSES = (
'multidb.middleware.PinningRouterMiddleware',
# 其他中间件...
)
PinningRouterMiddleware 会为刚刚写入的用户代理附加一个 cookie。该 cookie 应该设置为一个长于复制延迟的时间。默认情况下,其值是一个保守的 15 秒,但可以调整如下:
MULTIDB_PINNING_SECONDS = 5
如果您需要更改 cookie 的名称,请使用 MULTIDB_PINNING_COOKIE 设置:
MULTIDB_PINNING_COOKIE = 'multidb_pin_writes'
您还可以通过以下设置设置 'Secure'、'HttpOnly' 和 'SameSite' cookie 属性。这些设置基于 Django 的会话和 CSRF cookie 设置:
MULTIDB_PINNING_COOKIE_SECURE = False
MULTIDB_PINNING_COOKIE_HTTPONLY = False
MULTIDB_PINNING_COOKIE_SAMESITE = 'Lax'
注意:'SameSite' 属性在 django 2.1 及更高版本中可用。
use_primary_db
multidb.pinning.use_primary_db 是一个上下文管理器,也是一个装饰器,用于包装代码以使用主数据库。您可以使用它作为一个上下文管理器:
from multidb.pinning import use_primary_db
with use_primary_db:
touch_the_database()
touch_another_database()
或者作为一个装饰器:
from multidb.pinning import use_primary_db
@use_primary_db
def func(*args, **kw):
"""Touches the primary database."""
4. 项目安装方式
请参考“安装指南”部分。
以上就是 django-multidb-router 的技术文档,希望能帮助您更好地使用和理解该项目。
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