


Zeitgesteuerte Aufgaben und geplante Aufgabentechnologie in PHP
Mit der rasanten Entwicklung des Internets müssen immer mehr Websites und Anwendungen einige geplante Aufgaben und geplante Aufgaben im Hintergrund ausführen, wie z. B. Datenbereinigung, Sicherung, statistische Analyse usw. Als beliebte Webentwicklungssprache bietet PHP auch die entsprechende Technologie für geplante Aufgaben und geplante Aufgaben. In diesem Artikel werden die Technologien für geplante Aufgaben und geplante Aufgaben in PHP ausführlich vorgestellt.
1. Das Konzept und die Nutzungsszenarien geplanter Aufgaben
1.1 Konzept
Geplante Aufgaben beziehen sich auf automatische Aufgaben innerhalb eines bestimmten Zeitpunkts oder Zeitintervalls . Führen Sie eine bestimmte Aufgabe oder Operation aus.
1.2 Nutzungsszenarien
Bei der Webentwicklung ist es oft notwendig, einige Hintergrundaufgaben zu erledigen, die nicht von Benutzern beobachtet werden müssen, zum Beispiel Statistiken der Website Monat Anzahl der Besuche, tägliche Sicherung der Datenbank usw. Die Ausführungszeit und Häufigkeit dieser Aufgaben sind relativ festgelegt, und wir können diese Funktionen durch geplante Aufgaben implementieren.
2. Technologie für geplante Aufgaben in PHP
PHP bietet eine Vielzahl von Möglichkeiten, geplante Aufgaben zu implementieren. Im Folgenden werden die beiden auf Crontab und auf Bibliotheken von Drittanbietern basierenden Methoden vorgestellt.
2.1 Implementieren geplanter Aufgaben auf Basis von Crontab
Crontab ist ein Tool zur regelmäßigen Ausführung von Aufgaben in Linux/Unix-Systemen. Damit können wir geplante Aufgaben implementieren. Die spezifischen Implementierungsschritte lauten wie folgt:
Schritt 1: Bearbeiten Sie die Crontab-Tabelle
Öffnen Sie die Crontab-Tabelle über cron -e und fügen Sie die entsprechenden geplanten Aufgaben hinzu, zum Beispiel: # 🎜🎜##🎜 🎜#0 1
* /usr/bin/php /home/IhrBenutzername/cron.phpFühren Sie /home/IhrBenutzername/cron.php aus Datei jeden Tag um 1 Uhr morgens.
Schritt 2: Starten Sie den Cron-Dienst neu.
$ sudo /etc/init.d/cron restart
Auf diese Weise wird die geplante Aufgabe ausgeführt aufstellen.
2.2 Geplante Aufgaben basierend auf Bibliotheken von Drittanbietern
Neben Crontab gibt es auch einige Bibliotheken von Drittanbietern, mit denen geplante Aufgaben implementiert werden können. Diese Bibliotheken stellen in der Regel komfortablere APIs bereit und eignen sich für komplexere Aufgaben. Zu den häufig verwendeten Bibliotheken gehören die folgenden:
2.2.1 Symfony/Console-Komponente
Die Symfony/Console-Komponente ist eine Komponente im Symfony-Framework, die zur Abwicklung von Befehlszeilenaufgaben verwendet wird. Um eine Aufgabe abzuschließen, müssen Sie zuerst die Command-Klasse schreiben und dann über das Befehlszeilentool der Symfony/Console-Komponente Vorgänge hinzufügen, bearbeiten, ausführen und andere ausführen.
2.2.2 Laravel/Schedule-Komponente
Die Laravel/Schedule-Komponente ist eine vom Laravel-Framework bereitgestellte Bibliothek zur Verwaltung geplanter Aufgaben zur Umsetzung verschiedener Aufgaben unterstützen mehrere Planungsstrategien wie Zeitpunkte und Zeitintervalle.
2.2.3 EasyTask-Komponente
EasyTask ist eine von Chinesen entwickelte PHP-Komponente zur Verwaltung geplanter Aufgaben. Sie ist einfach und benutzerfreundlich und unterstützt mehrere Planungsstrategien wie Zeitpunkte und Zeitintervalle, hat eine hohe Praktikabilität.
3. Konzept und Nutzungsszenarien geplanter Aufgaben
3.1 Konzept
Geplante Aufgaben beziehen sich auf die automatische Ausführung einiger Aufgaben zu einem bestimmten Zeitpunkt die zukünftige spezifizierte Aufgabe oder Operation. Im Gegensatz zu geplanten Aufgaben müssen geplante Aufgaben normalerweise nach einem bestimmten Zeitraum ausgeführt werden, der Tage oder Wochen betragen kann.
3.2 Nutzungsszenarien
Auch die Nutzungsszenarien geplanter Aufgaben sind relativ breit gefächert. Wenn ein Benutzer beispielsweise auf einer E-Commerce-Plattform einen Artikel kauft, muss die Transaktion innerhalb einer bestimmten Zeit bestätigt und versendet werden. Dieser Vorgang kann automatisch durch geplante Aufgaben abgeschlossen werden.
4. Geplante Task-Technologie in PHP
Geplante Task-Technologie in PHP wird normalerweise über CRON implementiert. Mit CRON können wir bestimmte Aufgaben zu einer bestimmten Zeit oder in einem bestimmten Intervall ausführen, einschließlich der Ausführung von Aufgaben zu einer bestimmten Stunde eines bestimmten Tages oder eines bestimmten Tages eines bestimmten Monats oder der zyklischen Ausführung von Aufgaben innerhalb eines bestimmten Zeitintervalls. Im Folgenden wird beschrieben, wie Sie CRON zum Implementieren geplanter Aufgaben verwenden.
4.1 Skript für geplante Aufgaben bearbeiten
Ähnlich wie bei geplanten Aufgaben müssen wir bestimmte Skripts für geplante Aufgaben gemäß den CRON-Regeln schreiben. Skripte bestehen in der Regel aus PHP-Code und werden automatisch ausgeführt, wann immer sie ausgeführt werden müssen.
Wenn wir beispielsweise jede Nacht um 12 Uhr eine Aufgabe ausführen möchten, können wir ein PHP-Skript bearbeiten und es „planted_task.php“ nennen. Der Code lautet wie folgt:
# 🎜🎜#// Code, der ausgeführt werden mussecho „Dies ist eine geplante Aufgabe!“;?>
4.2 Konfigurieren CRON
Als nächstes müssen wir die Ausführungszeit des Skripts über CRON konfigurieren. Geben Sie im Terminal den folgenden Befehl ein:
* /usr/bin/php /var/www/html/planned_task.php
Die oben genannten Regeln bedeuten, dass das PHP-Skript /var/ um 0:00 ausgeführt wird jeden Tag www/html/planned_task.php. Nach dem Speichern und Schließen des Editors überprüft CRON die geplanten Aufgaben in geplanten Abständen. Wenn Aufgaben ausgeführt werden müssen, werden diese gemäß den geplanten Regeln ausgeführt.
4. Zusammenfassung
PHP bietet eine Vielzahl von Möglichkeiten zur Implementierung geplanter Aufgaben und geplanter Aufgaben. Unter anderem kann die Crontab-basierte Methode die meisten einfachen geplanten Aufgaben erfüllen Die Crontab-basierte Methode kann die meisten einfachen geplanten Aufgaben erfüllen. Die Bibliotheksmethode eines Drittanbieters eignet sich besser für komplexe und vielfältige Aufgaben. Beim Einsatz dieser Technologien müssen wir die am besten geeignete Implementierung basierend auf den spezifischen Geschäftsanforderungen auswählen.
Das obige ist der detaillierte Inhalt vonZeitgesteuerte Aufgaben und geplante Aufgabentechnologie in PHP. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Zusammenfassung einiger Gründe, warum geplante Crontab-Aufgaben nicht ausgeführt werden: 9. Januar 2019, 09:34:57 Uhr Autor: Hope on the Field In diesem Artikel werden hauptsächlich einige Gründe zusammengefasst, warum geplante Crontab-Aufgaben nicht ausgeführt werden Für jeden der möglichen Auslöser werden Lösungen angegeben, die für Kollegen, die auf dieses Problem stoßen, einen gewissen Referenz- und Lernwert haben. Vorwort: Ich bin kürzlich auf einige Probleme bei der Arbeit gestoßen Die Aufgabe wurde nicht ausgeführt. Als ich später im Internet suchte, stellte ich fest, dass im Internet hauptsächlich diese fünf Anreize erwähnt wurden: 1. Der Crond-Dienst ist keine Funktion des Linux-Kernels, sondern basiert auf einem Cron.

Der Artikel von StableDiffusion3 ist endlich da! Dieses Modell wurde vor zwei Wochen veröffentlicht und verwendet die gleiche DiT-Architektur (DiffusionTransformer) wie Sora. Nach seiner Veröffentlichung sorgte es für großes Aufsehen. Im Vergleich zur Vorgängerversion wurde die Qualität der von StableDiffusion3 generierten Bilder erheblich verbessert. Es unterstützt jetzt Eingabeaufforderungen mit mehreren Themen, und der Textschreibeffekt wurde ebenfalls verbessert, und es werden keine verstümmelten Zeichen mehr angezeigt. StabilityAI wies darauf hin, dass es sich bei StableDiffusion3 um eine Reihe von Modellen mit Parametergrößen von 800 M bis 8 B handelt. Durch diesen Parameterbereich kann das Modell direkt auf vielen tragbaren Geräten ausgeführt werden, wodurch der Einsatz von KI deutlich reduziert wird

Die Trajektorienvorhersage spielt eine wichtige Rolle beim autonomen Fahren. Unter autonomer Fahrtrajektorienvorhersage versteht man die Vorhersage der zukünftigen Fahrtrajektorie des Fahrzeugs durch die Analyse verschiedener Daten während des Fahrvorgangs. Als Kernmodul des autonomen Fahrens ist die Qualität der Trajektorienvorhersage von entscheidender Bedeutung für die nachgelagerte Planungssteuerung. Die Trajektorienvorhersageaufgabe verfügt über einen umfangreichen Technologie-Stack und erfordert Vertrautheit mit der dynamischen/statischen Wahrnehmung des autonomen Fahrens, hochpräzisen Karten, Fahrspurlinien, Fähigkeiten in der neuronalen Netzwerkarchitektur (CNN&GNN&Transformer) usw. Der Einstieg ist sehr schwierig! Viele Fans hoffen, so schnell wie möglich mit der Flugbahnvorhersage beginnen zu können und Fallstricke zu vermeiden. Heute werde ich eine Bestandsaufnahme einiger häufiger Probleme und einführender Lernmethoden für die Flugbahnvorhersage machen! Einführungsbezogenes Wissen 1. Sind die Vorschaupapiere in Ordnung? A: Schauen Sie sich zuerst die Umfrage an, S

In diesem Artikel wird das Problem der genauen Erkennung von Objekten aus verschiedenen Blickwinkeln (z. B. Perspektive und Vogelperspektive) beim autonomen Fahren untersucht, insbesondere wie die Transformation von Merkmalen aus der Perspektive (PV) in den Raum aus der Vogelperspektive (BEV) effektiv ist implementiert über das Modul Visual Transformation (VT). Bestehende Methoden lassen sich grob in zwei Strategien unterteilen: 2D-zu-3D- und 3D-zu-2D-Konvertierung. 2D-zu-3D-Methoden verbessern dichte 2D-Merkmale durch die Vorhersage von Tiefenwahrscheinlichkeiten, aber die inhärente Unsicherheit von Tiefenvorhersagen, insbesondere in entfernten Regionen, kann zu Ungenauigkeiten führen. Während 3D-zu-2D-Methoden normalerweise 3D-Abfragen verwenden, um 2D-Features abzutasten und die Aufmerksamkeitsgewichte der Korrespondenz zwischen 3D- und 2D-Features über einen Transformer zu lernen, erhöht sich die Rechen- und Bereitstellungszeit.

Einige persönliche Gedanken des Autors Im Bereich des autonomen Fahrens sind mit der Entwicklung BEV-basierter Teilaufgaben/End-to-End-Lösungen hochwertige Multi-View-Trainingsdaten und der entsprechende Aufbau von Simulationsszenen immer wichtiger geworden. Als Reaktion auf die Schwachstellen aktueller Aufgaben kann „hohe Qualität“ in drei Aspekte zerlegt werden: Long-Tail-Szenarien in verschiedenen Dimensionen: z. B. Nahbereichsfahrzeuge in Hindernisdaten und präzise Kurswinkel beim Schneiden von Autos sowie Spurliniendaten . Szenen wie Kurven mit unterschiedlichen Krümmungen oder Rampen/Zusammenführungen/Zusammenführungen, die schwer zu erfassen sind. Diese basieren häufig auf der Sammlung großer Datenmengen und komplexen Data-Mining-Strategien, die kostspielig sind. Echter 3D-Wert – hochkonsistentes Bild: Die aktuelle BEV-Datenerfassung wird häufig durch Fehler bei der Sensorinstallation/-kalibrierung, hochpräzisen Karten und dem Rekonstruktionsalgorithmus selbst beeinträchtigt. das hat mich dazu geführt

Plötzlich wurde ein 19 Jahre altes Papier namens GSLAM: A General SLAM Framework and Benchmark mit offenem Quellcode entdeckt: https://github.com/zdzhaoyong/GSLAM Gehen Sie direkt zum Volltext und spüren Sie die Qualität dieser Arbeit~1 Zusammenfassung der SLAM-Technologie hat in letzter Zeit viele Erfolge erzielt und die Aufmerksamkeit vieler High-Tech-Unternehmen auf sich gezogen. Es bleibt jedoch eine Frage, wie eine Schnittstelle zu bestehenden oder neuen Algorithmen hergestellt werden kann, um ein Benchmarking hinsichtlich Geschwindigkeit, Robustheit und Portabilität effizient durchzuführen. In diesem Artikel wird eine neue SLAM-Plattform namens GSLAM vorgeschlagen, die nicht nur Evaluierungsfunktionen bietet, sondern Forschern auch eine nützliche Möglichkeit bietet, schnell ihre eigenen SLAM-Systeme zu entwickeln.

Bitte beachten Sie, dass dieser kantige Mann die Stirn runzelt und über die Identität der „ungebetenen Gäste“ vor ihm nachdenkt. Es stellte sich heraus, dass sie sich in einer gefährlichen Situation befand, und als ihr dies klar wurde, begann sie schnell mit der mentalen Suche nach einer Strategie zur Lösung des Problems. Letztendlich entschloss sie sich, vom Unfallort zu fliehen, dann so schnell wie möglich Hilfe zu suchen und sofort Maßnahmen zu ergreifen. Gleichzeitig dachte die Person auf der Gegenseite das Gleiche wie sie... In „Minecraft“ gab es eine solche Szene, in der alle Charaktere von künstlicher Intelligenz gesteuert wurden. Jeder von ihnen hat eine einzigartige Identität. Das zuvor erwähnte Mädchen ist beispielsweise eine 17-jährige, aber kluge und mutige Kurierin. Sie haben die Fähigkeit, sich zu erinnern und zu denken und in dieser kleinen Stadt in Minecraft wie Menschen zu leben. Was sie antreibt, ist ein brandneues,

Am 23. September wurde das Papier „DeepModelFusion:ASurvey“ von der National University of Defense Technology, JD.com und dem Beijing Institute of Technology veröffentlicht. Deep Model Fusion/Merging ist eine neue Technologie, die die Parameter oder Vorhersagen mehrerer Deep-Learning-Modelle in einem einzigen Modell kombiniert. Es kombiniert die Fähigkeiten verschiedener Modelle, um die Verzerrungen und Fehler einzelner Modelle zu kompensieren und so eine bessere Leistung zu erzielen. Die tiefe Modellfusion bei groß angelegten Deep-Learning-Modellen (wie LLM und Basismodellen) steht vor einigen Herausforderungen, darunter hohe Rechenkosten, hochdimensionaler Parameterraum, Interferenzen zwischen verschiedenen heterogenen Modellen usw. Dieser Artikel unterteilt bestehende Methoden zur Tiefenmodellfusion in vier Kategorien: (1) „Musterverbindung“, die Lösungen im Gewichtsraum über einen verlustreduzierenden Pfad verbindet, um eine bessere anfängliche Modellfusion zu erzielen
