Nano Hash - криптовалюты, майнинг, программирование

Artisan::call('db:seed') не работает в продакшене

Мое приложение - Laravel 5.1, и метод ремесленного вызова отлично работает на локальном компьютере. Но не работать на производстве.

Artisan::call('db:seed', [
      '--class'   => 'ResetSeeder',
      '--force'   => true
]);

Это мой код в контроллере. когда я var_dump этот код в локальной и рабочей среде; вернуть ноль (0). Но локальное выполняется, а производство не_выполняется.

Мои настройки базы данных идеальны. Все системные методы работают нормально. Не работает только Artisan::call().

ПРИМЕЧАНИЕ: когда я вызываю команду «php artisan db:seed --class=ResetSeeder --force» на консоли. Эта команда отлично работает и в консоли.

Большое спасибо за помощь и извините за мой английский.

laravel-artisan laravel-5.1
06.12.2016

  • Я отлаживаю код. Artisan::call() — это работа. Но DB::table('banner_boxed')->insertGetId($data); код в моем сеялке возвращает идентификатор, но не вставляет данные. 06.12.2016
  • И идентификатор моей таблицы AUTO_INCREMENT увеличивается, но не вставляет никаких данных 06.12.2016

Ответы:


1

Извиняюсь. Это моя невнимательность. отсутствует DB::commit()

06.12.2016
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..