Nano Hash - криптовалюты, майнинг, программирование

Синтетические/избыточные миграции Django, вызванные зависимым от sysdate валидатором даты

У меня есть поле даты, подобное приведенному ниже в модели Django, где я хочу, чтобы дата была в будущем (или сегодня, но не в прошлом).

foo = models.DateField('Foo', null=True,
        validators=[MinValueValidator(date.today())])

Это работает нормально, проверка происходит, как и ожидалось, в формах, однако makemigrations создает новую миграцию каждый день, когда она запускается с этой датой, ниже приведен пример, созданный сегодня:

field=models.DateField(null=True,
    validators=[django.core.validators.MinValueValidator(
        datetime.date(2018, 1, 26))]

Как я могу этого избежать? Должен ли я использовать собственный валидатор вместо MinValueValidator или добавить метод clean в подкласс Form вместо этого, как это?


Ответы:


1

Нет никакого способа избежать этого. У вас есть несколько вариантов.

  • Напишите собственный валидатор.
  • Напишите в своих формах метод clean_fieldname.
  • Напишите в модели сигнал pre_save, который гарантирует правильность значения.
26.01.2018
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..