RXThinkCMF 敏捷开发框架 ThinkPhp6.x+AntdVue 版本 v1.2.0 发布
v1.2.0 更新内容:
1、优化配置管理模块,实现多模式设置;
2、优化字典管理模块;
3、优化系统配置模块,实现多分组多配置模式动态组件呈现;
项目介绍
一款 PHP 语言基于 ThinkPhp6.x、Vue、AntDesign 等框架精心打造的一款模块化、插件化、高性能的前后端分离架构敏捷开发框架,可用于快速搭建前后端分离后台管理系统,本着简化开发、提升开发效率的初衷,目前框架已集成了完整的 RBAC 权限架构和常规基础模块,前端 Vue 端支持多主题切换,可以根据自己喜欢的风格选择想一个的主题,实现了个性化呈现的需求;
为了敏捷快速开发,提升研发效率,框架内置了一键 CRUD 代码生成器,自定义了模块生成模板,包括后端 PHP 文件模块和前端 Vue 端个性化模板,可以根据已建好的表结构 (字段注释需规范) 快速的一键生成整个模块的所有代码和增删改查等等功能业务,真正实现了低代码开发,极大的节省了人力成本的同时提高了开发效率,缩短了研发周期,是一款真正意义上实现组件化、低代码敏捷开发框架。
环境要求:
- PHP >= 7.3
- PDO PHP Extension
- MBstring PHP Extension
- CURL PHP Extension
- 开启静态重写
- 要求环境支持 pathinfo
内置模块
- 用户管理:用于维护管理系统的用户,常规信息的维护与账号设置。
- 角色管理:角色菜单管理与权限分配、设置角色所拥有的菜单权限。
- 菜单管理:配置系统菜单,操作权限,按钮权限标识等。
- 职级管理:主要管理用户担任的职级。
- 岗位管理:主要管理用户担任的岗位。
- 部门管理:主要管理系统组织架构,对组织架构进行统一管理维护。
- 操作日志:系统正常操作日志记录和查询;系统异常信息日志记录和查询。
- 登录日志:系统登录日志记录查询包含登录异常。
- 字典管理:对系统中常用的较为固定的数据进行统一维护。
- 配置管理:对系统的常规配置信息进行维护,网站配置管理功能进行统一维护。
- 城市管理:统一对全国行政区划进行维护,对其他模块提供行政区划数据支撑。
- 友链管理:对系统友情链接、合作伙伴等相关外链进行集成维护管理的模块。
- 个人中心:主要是对当前登录用户的个人信息进行便捷修改的功能。
- 广告管理:主要对各终端的广告数据进行管理维护。
- 站点栏目:主要对大型系统网站等栏目进行划分和维护的模块。
- 会员管理:对各终端注册的会员进行统一的查询与管理的模块。
- 网站配置:对配置管理模块的数据源动态解析与统一维护管理的模块。
- 通知公告:系统通知公告信息发布维护。
- 代码生成:一键生成模块 CRUD 的功能,包括后端和前端 Vue 等相关代码。
- 案例演示:常规代码生成器一键生成后的演示案例。
开发者信息
- 软件名称:RXThinkCMF 敏捷开发框架 ThinkPhp6.x+AntdVue 版
- 官网网址:http://www.rxthink.cn
- 文档网址:http://docs.avtp6.pro.rxthink.cn
系统演示
版本说明
特别鸣谢

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Fedora 38 将使用 Kernel TLS 加速 GnuTLS
随着 Fedora 37 即将在十月底发布,计划明年春天推出的 Fedora 38 的更多功能变化正在被继续讨论。本周有趣的提案之一是使用 Kernel TLS(kTLS) 来加速 GnuTLS。 Fedora 38 正在寻求将 Kernel TLS 模块的 kTLS 作为加密策略的一部分被加载,如此一来 GnuTLS 就可以实现更高的性能。这个变更提案由 Red Hat 主导,其中一个特别关注点是为网络块设备提供更高的性能。 GnuTLS 通过利用 kTLS 将加密/解密转移到内核,而使用 kTLS 对于网络块设备特别有益,可以减少数据拷贝和上下文切换,加密工作则发生在内核中。即使对于缺乏加密卸载硬件的系统,kTLS 也可以提升性能,因为其工作可能最终在与应用程序不同的 CPU 内核上完成。 此提案对于 Fedora 38 还有一个好处是带来更快的实时 VM 迁移,包括更快的实时虚拟机迁移,以及通过加密通道处理网络块设备上的文件时的速度提升。GnuTLS 的这种 kTLS 使用将在默认情况下启用,但在出现问题时将回滚到现有的用户模式下运行。 查看此 Fedora Wiki 页面了解关...
- 下一篇
大模型的风,还需要一个底层 AI 框架来落地
深度学习发展至今,语言、视觉、推荐、代码生成等多个领域相继出现一些“大模型”成果,不断刷新着人们对 AI 的认知与想象。深度学习依赖对大量数据的训练,而“大模型”的参数更多、函数更复杂,这样的特征使得模型所演算出来的结果更精准。随着万物互联世界的进一步发展,数据量的扩展与数据收集已不再是难题,随之而来的新命题是如何处理海量数据,并且做出更好地训练。 早在 2017 年,Transformer 结构被提出,使得深度学习模型参数突破了1亿;2018 年,BERT 网络模型的提出,使得参数量首次超过 3 亿规模;2020 年,拥有 1750 亿个参数的 GPT-3 横空出世;2021 年推出的 ZionEX 系统,其所支持的推荐模型大小已超过 10 万亿规模…… 随着数据规模的指数级增长,大模型已经逐渐被认为是通过深度学习认知智能的桥梁。 然而,数据量的暴增提出了新的命题——如何跨越通信等瓶颈,提升大模型的训练效率?为了支持大模型的训练,往往需要一套大规模分布式训练框架来训练大模型。 对此,华为交出的答卷便是昇思 MindSpore AI 框架,原生支持大模型训练。昇思 MindSpore ...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- Red5直播服务器,属于Java语言的直播服务器
- CentOS关闭SELinux安全模块
- Hadoop3单机部署,实现最简伪集群
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- CentOS6,CentOS7官方镜像安装Oracle11G
- Docker快速安装Oracle11G,搭建oracle11g学习环境