Nano Hash - криптовалюты, майнинг, программирование

петлевая автоматическая миграция против автообновления

Когда у нас есть модель и мы хотим перенести ее в базу данных, мы просто создаем скрипт на сервере/загрузке с помощью:

server.dataSource['myDbSource'].automigrate('MyMode', function(err){...})

or

server.dataSource['myDbSource'].autoupdate('MyMode', function(err){...})

Первый при каждом перезапуске сервера, воссоздает схему в БД и очищает данные, второй может создать схему или изменить ее, если она существует, но не очистить данные. Когда мы использовали автоматическую миграцию для создания схемы, мы должны удалить ее (иначе каждый раз наши данные будут потеряны), но когда мы используем автообновление, она может остаться в коде (мы можем изменить модели, и схема будет обновлена).

Похоже, автообновление более полезно. Когда мы должны использовать автоматическую миграцию? Есть ли у автообновления недостатки в пользу автомиграции?

Мне нравится рабочий процесс, в котором я использую только автоматическую миграцию, но устанавливаю флаг env для обновления схемы только тогда, когда я решил. Что вы думаете?


Ответы:


1

Они оба имеют свое конкретное использование. Выполните автоматическую миграцию, если вам не нужны ваши данные (например, удалите таблицу и создайте ее заново). Автоматическое обновление, если вы не хотите случайно удалить существующие данные. См. документацию по автоматической миграции.

25.09.2015
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..