API Django kalis peluru untuk projek TMS
Pengenalan
Tutorial ini membimbing anda membina aplikasi web asas menggunakan Django dan Django REST Framework (DRF). Aplikasi ini akan mengurus koleksi buku, mendayakan operasi CRUD (Buat, Baca, Kemas Kini, Padam) melalui API REST.
Prasyarat
- Python 3.8 atau lebih tinggi.
- Pengetahuan asas Python dan Django.
- pip (pemasang pakej Python).
- Kebiasaan dengan persediaan persekitaran maya (cth.,
venv
).
Langkah 1: Persediaan Persekitaran
Konfigurasi VM Disyorkan:
- RAM: 8 GB
- Pemproses: 4 teras (8 utas)
- Storan: 100 GB
- Rangkaian: Jambatan Rangkaian (untuk IP unik) atau NAT (untuk akses internet melalui hos).
Persediaan VM:
- Muat turun imej
ubuntu-22.04-server-cloudimg-amd64.ova
daripada sumber yang boleh dipercayai (seperti tapak rasmi Ubuntu). - Buka VMware Workstation, Fusion atau ESXi anda dan import fail OVA. Ikut arahan pada skrin.
- Namakan VM anda (mis.,
TMS_VM
). - Konfigurasikan tetapan memori, pemproses, cakera keras dan rangkaian VM mengikut pengesyoran di atas.
Konfigurasi Pelayan Ubuntu 22.04:
-
Mulakan VM.
-
Log masuk dan kemas kini sistem:
sudo apt update && sudo apt upgrade -y
-
Pasang alatan penting:
sudo apt install git python3 python3.10-venv python3-pip python3-venv git build-essential -y
-
Buat pengguna: Perintah berikut mencipta pengguna bernama
django
dengan kebenaran yang sesuai. Ingat untuk menggantikan"your_email@example.com"
dengan alamat e-mel sebenar anda.sudo groupadd bulletproof sudo adduser django sudo usermod -aG bulletproof django
Salin selepas log masuk -
Buat direktori projek:
mkdir /home/django/projects
-
Laraskan pemilikan dan kebenaran kumpulan:
sudo chown :bulletproof /home/django/projects sudo chmod 775 /home/django/projects sudo usermod -d /home/django/projects django sudo chown django:bulletproof /home/django/projects su - django
Salin selepas log masuk
Persediaan Kod VS (Jauh-SSH):
Pasang sambungan Python, Pylance, Flake8, Black dan Django dalam Kod VS. Pastikan Flake8 dan Black juga dipasang pada VM menggunakan pip. Konfigurasikan Kod VS untuk menggunakan penterjemah Python persekitaran maya dan membolehkan linting dan pemformatan. Cipta fail pyproject.toml
dan .flake8
untuk konfigurasi (lihat contoh dalam dokumen asal).
Persediaan Python:
-
Buat persekitaran maya:
mkdir tms && cd tms python3 -m venv .venv source .venv/bin/activate # (env\Scripts\activate on Windows)
Salin selepas log masuk -
Pasang Django dan DRF:
pip install django djangorestframework
-
Buat projek Django:
django-admin startproject tms .
-
Jalankan pelayan pembangunan:
python manage.py runserver 0.0.0.0:8000
Jika anda menghadapi ralat
DisallowedHost
, tambahkan alamat IP pelayan anda padaALLOWED_HOSTS
dalamsettings.py
.
Persediaan Repositori Git:
- Buat
README.md
,requirements.txt
(menggunakanpip freeze > requirements.txt
),LICENSE
dan.gitignore
fail. - Jana kunci SSH:
ssh-keygen -t ed25519 -C "your_email@example.com"
. Tambahkan kunci awam pada akaun GitHub anda. - Mulakan repositori Git:
git init
- Tambah repositori jauh:
git remote add origin git@github.com:username/repository.git
- Komited dan tolak perubahan anda:
git add .
,git commit -m "Initial commit"
,git push -u origin main
Snapshot VM:
Buat syot kilat VM anda selepas persediaan awal menggunakan fungsi syot kilat VMware. Namakannya sebagai sesuatu yang deskriptif, seperti "InitialSetup".
Atas ialah kandungan terperinci API Django kalis peluru untuk projek TMS. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak
