
We are searching data for your request:
Upon completion, a link will appear to access the found materials.
Cristal
Quartzo, transparente e incolor ou com ligeira tonalidade de cor, utilizado como gema.
(PY-26: 1. 226 '; b. 34'; dr. 13 '; s. 18 k .; a. 2 3 ")
Crystal (PY-25) foi construído como Vida em 1929 por Pusey and Jones Co., Wilmington, Del .; adquirido pela Marinha em 15 de janeiro de 1942; e comissionado em 21 de fevereiro de 1942, o Tenente Comandante O. B. Drotning, USNR (Ret.), no comando.
Crystal chegou a Pearl Harbor em 1 ° de maio para trabalhar na Hawaiian Sea Frontier. Ela serviu na patrulha e escolta na área da ilha, escoltando transportes do Exército e navios mercantes para as ilhas remotas; trabalhadores civis transportados e militares; e se juntou a exercícios e treinos com destruidores. De 1 de dezembro de 1943 a 14 de abril de 1944, ela baseou-se em Midway para patrulhas, exercícios e treinamento com submarinos. Após a revisão em Pearl Harbor, ela retornou às operações sob a Havaiana Sea Frontier, acrescentando patrulhas de estação meteorológica às suas funções. Em 8 de novembro de 1945 ela partiu para a costa oeste, chegando a São Francisco em 17 de novembro. Crystal foi desativado lá em 6 de março de 1946 e transferido para a Comissão Marítima em 2 de abril de 1947.
Taber; comissionado em 19 de dezembro de 1946, o Tenente Comandante R. W. Paine, Jr., no comando; e reportado à Frota do Atlântico.
Após o treinamento de shakedown na costa de New London, Cubera chegou a Key West, Flórida, em 19 de março de 1946. Ela testou equipamentos de sonar, prestou serviços para projetos experimentais de desenvolvimento de guerra anti-submarino no Estreito da Flórida e participou de exercícios de frota até 4 de julho de 1947, quando navegou ao Estaleiro Naval da Filadélfia para ampla modernização.
Retornando a Key West em 9 de março de 1948, Cubera continuou a operar localmente a partir deste porto, além de participar de exercícios de frota no Caribe e no Atlântico até 3 de julho de 1952, quando chegou a Norfolk, seu novo porto de origem. Durante 1957, Cubera conduziu operações locais e participou de exercícios da frota no Caribe, bem como cruzou para Sydney, Nova Escócia, em junho de 1955. Durante 1959 e 1960, ela foi designada para TF "Alfa", uma força conduzindo experimentos constantes para melhorar as técnicas de guerra anti-submarino. Com este grupo, ela cruzou o Atlântico ocidental da Nova Escócia às Bermudas.
O Projeto Menpo fornece um invólucro em torno do VLFeat: é chamado de cyvlfeat.
Para instalar o cyvlfeat, nós sugerimos fortemente que você use conda:
conda install -c menlo cyvlfeat
Se você não quiser usar o conda, sua milhagem irá variar. Em particular, você deve atender aos requisitos de vinculação / compilação do pacote, que incluem a biblioteca dinâmica vlfeat.
Em outras palavras, o bom de instalar com o conda é que ele também instalará (e vinculará) as dependências do VLFeat.
Pode não incluir todas as funcionalidades do VLFeat. Estado atual em março de 2017:
- pescador
- pescador
- set_simd_enabled, get_simd_enabled, cpu_has_avx, cpu_has_sse3, cpu_has_sse2
- get_num_cpus,
- get_max_threads, set_num_threads, get_thread_limit
- porco
- kmeans
- kmeans_quantize
- ikmeans, ikmeans_push
- hikmeans, hikmeans_push
- dsift
- peneirar
Crystal PY-26 - História
Descobrir óculos com pés
Hocks Discover
Highballs e amp tumblers Descubra
Taças de champanhe, xícaras e taças Discover
Champanhe e baldes de gelo Descubra
Carafes e jarros de amp Descubra
Copos e taças Descubra
Descubra Acessórios Pequenos
Copos de uísque à moda antiga Descubra
Highballs e amp tumblers Descubra
Copos de coquetel Discover
Copos de degustação Discover
Descoberta de tiros
Decantadores quadrados, jarros e garrafas de ampères Descubra
Champanhe e baldes de gelo Descubra
Vases Discover
Bowls e centros de mesa Discover
Descobrir castiçais
Descobrir cinzeiros
Descobrir colecionáveis
Descobrir lustres e suspensões de amplificadores
Sconces Discover
Abajur e abajur Descubra
Descobrir castiçais e candelabros amplificadores
Descobrir castiçais
Vases Discover
Bowls e centrais de amp Descubra
Lighting Discover
Potiches Discover
Paperweights Discover
Game Discover
Apollo Lighting Discover
Bubbles Discover
Copenhague Discover
En Cage Discover
Excesso de descoberta
Folia Discover
Hulotte Discover
Jardy Discover
Les Endiablés Discover
Manhattan Discover
Oxymore - Adiante Discover
Matrice Discover
Oxymore Discover
Plein phare Discover
Plurielle Discover
Quartz Discover
Quadrille Discover
Saule Discover
Estocolmo Discover
Twist 1586 Discover
Vega Discover
Descoberta de vibração
Amadeus Discover
Ambassadeur Discover
Animalins Discover
Apollo Discover
Arlequin Discover
Aunis Discover
Bambous Discover
Bartholdi Discover
Botticelli Discover
Caton Discover
Deauville Discover
Kings 'Hall Discover
Queens 'Hall Discover
Grand Siècle Discover
Bells Discover
Maharadja Discover
Keepon Discover
Massenet Discover
Medicis Discover
Melteme Discover
Musiciens du monde Discover
Patrimoine Discover
Petit Trianon Discover
Renaissance Discover
Renversant Discover
Royal Discover
Stella Discover
Thistle Discover
Tommy Discover
Tommyssimo Discover
Touraine Discover
Trianon Discover
Versalhes Discover
Vivaldi Discover
Excelência Descubra
Marhaba Discover
Meknes Discover
Rabat Discover
Trianon ou Discover
Corollaire Discover
Jaipur Discover
Orience Discover
Paperweights Discover
Pégase Discover
Vasos com tampa Discover
Udaipur Discover
Game Discover
Esquema 1
a Condições de reação: 1 (0,5 mmol), S8 (154 mg, 0,6 mmol), CuI (10 mg, 0,05 mmol), o-fen (18 mg, 0,1 mmol), Cs2CO3 (163 mg, 0,5 mmol), DMF (5,0 mL), 100 ° C. Os rendimentos são de produtos isolados após purificação por cromatografia em coluna.
b Reação executada em uma escala de 2,0 mmol.
Além dos grupos alifáticos, a reação tolerou vários substituintes aromáticos portando substituintes doadores de elétrons (metil, metoxi, iso-propil) ou removedores de elétrons, tais como nitro e cloro, bem como motivos heteroaril. Todos esses substratos passaram pelo acoplamento em cascata / ciclização suavemente para fornecer produtos 2a–q em rendimentos bons a excelentes (62–90%, Esquema 1). A estrutura do produto 2 foi suportado por meio de análise de difração de raios-X de cristal único de 2l, conforme mostrado no Esquema 1.
Com relação aos substituintes no anel de benzeno, ficamos encantados em descobrir que vários grupos, como metil, metoxi, cloro e flúor, na posição cinco ou sete podem ser empregados, fornecendo os produtos de benzoditiole correspondentes 2r–de Anúncios em rendimentos de 75-91% (Esquema 1). Além disso, um derivado de piridina também foi um parceiro de acoplamento / ciclização eficaz, proporcionando produto 2ae com 91% de rendimento.
Para avaliar possíveis aplicações futuras do protocolo desenvolvido, vários benzoditíolos foram transformados em seus derivados BDT correspondentes (3a–e) em altos rendimentos por meio de hidrólise ácida (Esquema 1). O protocolo desenvolvido fornece, sem dúvida, um método eficiente e prático para a preparação destes compostos valiosos e medicamente relevantes. Além disso, a conversão sintética de 3a nos compostos importantes 4(22) (reagente de Beaucage) e 5(23) foi obtido com bom rendimento ao reagir com m-CPBA e peróxido de hidrogênio, respectivamente.
Em seguida, concluímos que o análogo de selênio correspondente de 2 seria acessível substituindo a fonte de enxofre por uma fonte de selênio apropriada. Curiosamente, a condução da reação sob as condições de reação otimizadas usando pó de Se em vez de S8 forneceu (Z)-N-aril-3H-benzo [d] [1,2] tiaselenol-3-iminas 6 ao invés de (Z)-N-aril-3H-benzo [c] [1,2] tiaselenol-3-iminas. A estrutura do produto 6u foi apoiado por análise de difração de raios-X. (Ver Esquema 2.) Gratificantemente, uma variedade de motivos aromáticos substituídos, tais como alquilfenil (por exemplo, metil, isopropil, e tert-butil), alcoxifenil (por exemplo, metoxi e etoxi) e fenil mono- e dihalogenado (por exemplo, F e Cl) reagiram suavemente para dar os produtos desejados sob as condições de reação otimizadas. Um total de 30 benzotiaselenóis foram obtidos em rendimentos moderados a altos (56-78%, Esquema 2).
Avaliação direta do teor de boro e lítio no manto e distribuição por análises SIMS de minerais de peridotita
A importância da geoquímica Li e B é reconhecida há muito tempo, devido especificamente aos seus comportamentos característicos durante processos que envolvem fases fluidas. No entanto, a falta de um conjunto de dados de referência validados para o manto terrestre “normal” tem dificultado o desenvolvimento de modelos para os efeitos metassomáticos Li e B nas rochas do manto. Em particular, a concentração de B no manto ainda é uma questão de debate. Uma estimativa de 0,1 ppm B parece ser consistente como uma fonte para basaltos que não são de arco, mas até o momento tais dados não foram confirmados diretamente. Os conteúdos da literatura de Li e B para peridotitos são derivados de amostras cujo caráter não metassomatizado não foi estabelecido para ambos os elementos, devido à falta mencionada de um modelo de metassomatismo abrangente para Li e B.
Vimos dois grupos de rochas do manto, com e sem evidências composicionais claras de que são metassomatizadas. As últimas rochas fornecem as melhores restrições sobre os conteúdos de manto B e Li “normais”. Propomos um diagrama de diagnóstico baseado em (Ce / B) vs. (Li / Yb) medido por SIMS em clinopiroxênios de peridotito, que é útil na identificação de amostras metassomatizadas. Após a descoberta de amostras sem alteração metassomática, consideradas representativas do manto “normal”, derivamos para cada fase mineral do manto (ol, opx, cpx e sp) as tendências de evolução da fusão parcial de Mg #, Li e B. Além disso, considerando que as rochas do manto "normais" evoluíram por fusão apenas parcial, avaliamos os conteúdos de Li e B no manto parental de nossas amostras e assumimos que os valores calculados (1,6-1,8 ppm Li e 0,07-0,10 ppm B) são representativos do conteúdo nas fontes do manto MORB. Esses novos dados são consistentes com os modelos atuais de fusão de peridotitos férteis.
- No seu dispositivo móvel, abra o aplicativo Google Play Store.
- Toque em Menu Conta.
- Tocar Histórico de compras.
Observação: Os números dos pedidos não estão disponíveis no Google Play no momento. Se você precisar do número do seu pedido para solicitar um reembolso, siga as instruções em "Usando pay.google.com" abaixo.
Observação: Os números dos pedidos não estão disponíveis no Google Play no momento. Se você precisar do número do seu pedido para solicitar um reembolso, siga as instruções em "Usando pay.google.com" abaixo.
- Acesse pay.google.com.
- Achar Outra atividade de compra.
- Selecione Veja as compras.
- Selecione um pedido para ver seu recibo.
Resumo
Relações quantitativas estrutura-propriedade (QSPR) para calcular a dependência da temperatura da tensão superficial (σ) de líquidos iônicos (ILs) em termos de contribuições de grupo (GCs) são propostas e amplamente apresentadas. Um método de aprendizagem estatística incluindo regressão linear múltipla passo a passo e dois métodos de aprendizagem de máquina, incluindo rede neural artificial feed-forward e máquina de vetor de suporte de quadrados mínimos, foi aplicada para expressar σ como uma função de GCs. Os modelos foram desenvolvidos usando a maior compilação de dados experimentais relatada até agora (570 ILs, 1008 conjuntos de dados, 6114 pontos de dados). As atribuições do GC, o esquema de modelagem “referência + correção”, bem como o protocolo de validação do modelo foram adotados a partir das contribuições anteriores da série [Paduszyński, K. Ind. Eng. Chem. Res. 2019 , 58, 5322−5338 Paduszyński, K. Ind. Eng. Chem. Res. 2019 , 58, 17049-17066]. A influência da família química de cátions e ânions na qualidade das previsões é discutida. As aplicações potenciais do modelo proposto na estimativa da temperatura crítica de LIs são discutidas. Por fim, o modelo obtido é confrontado com outros métodos relatados na literatura. Em particular, uma extensa análise comparativa é apresentada no caso dos QSPRs selecionados contabilizando contribuições atômicas e descritores topológicos.
Volatilidade 2.6 Comandos
Se estiver usando o Windows, renomeie-o para & # 8217ll ser volatility.exe.
Listar todos os comandos
Obter Perfil de Imagem
volatilidade -f image.mem imageinfo
Listar processos na imagem
volatilidade -f image.mem & # 8211profile = x pslist
Processos de lista em formato de árvore de processo
volatilidade -f image.mem & # 8211profile = x pslist
Listar processos por digitalização de imagem para blocos EPROCESS
volatilidade -f image.mem & # 8211profile = x psscan
Lista de argumentos de linha de comando de processos
volatilidade -f image.mem & # 8211profile = x cmdline
Listar arquivos do Registro na memória
volatility -f image.mem & # 8211profile = x hivelist
Despejar arquivos do Registro na memória
Obtenha o endereço virtual do comando hivelist primeiro
volatility -f image.mem & # 8211profile = x dumpregistry -o & ltvirtual memory offset & gt & # 8211dump-dir =. /
Liste DLLs de processos específicos e argumentos de linha de comando
volatility -f image.mem & # 8211profile = x dlllist -p x
Listar SIDs (token primário e nome da conta do usuário) usados para iniciar processos específicos
volatility -f image.mem & # 8211profile = x getsids -p x
Processo de Despejo
volatility -f image.mem & # 8211profile = x procdump -p xx & # 8211dump-dir ==.
Seção de memória de despejo
volatility -f image.mem & # 8211profile = x memdump-p xx & # 8211dump-dir ==.
Comandos específicos do SIFT, a versão do Windows do Volatility não os possui
Identifique processos com caminho, pai, cmdline potencialmente errado
vol.py -f image.mem & # 8211profile = x malprocfind
Procure processos com maior quantidade de & # 8220false & # 8221
Visualize processos
vol.py -f image.mem & # 8211profile = x pstotal & # 8211cmd & # 8211output = dot & # 8211output-file = graph.dot
Compare o memdump da linha de base com o memdump suspeito, para identificar processos que estavam presentes no memdump suspeito, mas não no memdump da linha de base
vol.py -f image.mem & # 8211profile = x -B baseline.img processbl -U 2 & gt & gterror.log
Compare o memdump da linha de base com o memdump suspeito para identificar processos que estavam presentes na baselina e no memdump suspeito
vol.py -f image.mem & # 8211profile = x -B baseline.img processbl 2 & gt & gterror.log
2 & gt & gterror.log = erro de saída para error.log
Veja a coluna PFound. & # 8220Verdadeiro & # 8221 se o processo puder ser encontrado na linha de base. Falso se não for.
Seissuite 0.1.29
SeisSuite
========================
Este projeto é dedicado a fornecer uma estrutura Python para tomografia de ruído sísmico,
baseado em [ObsPy] (https://github.com/obspy/obspy/wiki) e pacotes Python numéricos
como [numpy] (http://www.numpy.org/) e [scipy] (http://www.scipy.org/).Requisitos
------------
O código é desenvolvido e testado no Ubuntu (mas deve ser executado em outras plataformas também)
com Python 2.7.Além do [Python 2.7] (https://www.python.org/download/releases/2.7/), você precisa
para instalar os seguintes pacotes:- [numpy] (http://www.numpy.org/) & gt = 1.8.2
- [scipy] (http://www.scipy.org/) & gt = 0.13.3
- [matplotlib] (http://matplotlib.org/) & gt = 1.3.1
- [ObsPy] (https://github.com/obspy/obspy/wiki) & gt = 0.9.2
- [pyshp] (https://github.com/GeospatialPython/pyshp)
- [pyproj] (https://code.google.com/p/pyproj/) & gt = 1.8.9
- [pyPdf] (http://pybrary.net/pyPdf/)É recomendado instalar esses pacotes com `pip install. `ou com o seu
gerenciador de pacotes favorito, por exemplo, `apt-get install. `.Opcionalmente, você pode querer instalar:
- [Programas de computador em sismologia] (http://www.eas.slu.edu/eqc/eqccps.html)
ser capaz de inverter seus mapas de dispersão para um modelo de velocidade de cisalhamento 1-D,
já que esses programas cuidam da modelagem direta.- [waveloc] (https://github.com/amaggi/waveloc)
ser capaz de executar o detector e localizador de eventos baseado em migração e curtose,
isso permitiria uma remoção automatizada de eventos sísmicos.- [nonlinloc] (http://alomax.free.fr/nlloc/)
ser capaz de executar os algoritmos de detecção de eventos não lineares para waveloc
e outros programas de detecção.Como começar
------------
Se você está lendo isto, então você baixou diretamente o tar ball ou
clonou este projeto de github.com/boland1992/SeisSuite/
Em ambos os casos, agora você deve fazer o cd no diretório SeisSuite e executar o seguinte
linha no terminal:Isso deve instalar com êxito todos os arquivos do pacote do módulo necessários para o seissuite.
Se você deseja verificar se a instalação foi bem-sucedida, execute esta linha em qualquer shell python
que está corretamente vinculado ao seu PYTHONPATH:Se nenhum erro ocorrer, a instalação foi bem-sucedida.
Em seguida, você deve começar a ler o arquivo de configuração de exemplo contido em:
que contém parâmetros globais e instruções detalhadas. Você deve então criar
seu próprio arquivo de configuração (qualquer nome com extensão cnf, *. cnf) com seu
seus próprios parâmetros e coloque-os na mesma pasta dos scripts. Não é aconselhável
para simplesmente modificar `. / bin / config_example.cnf`, pois qualquer atualização pode reverter suas alterações.Você pode então processar na ordem recomendada (itens e ferramentas do módulo seissuite podem
ser usado independentemente desses scripts para criar seu próprio aplicativo, se necessário):- `00_setup.py` configura a estrutura de arquivo inicial necessária para os aplicativos.
APÓS A ESTRUTURA DO ARQUIVO TER SIDO INICIALIZADA, RECOMENDA-SE QUE VOCÊ COLOQUE O SEU
ARQUIVOS DE FORMAS DE ONDA EM BRUTO MSEED NA PASTA ./INPUT/DATA E OS METADADOS ASSOCIADOS NA
./INPUT/XML OU AS PASTAS ./INPUT/DATALESS.- `01_database_init.py` configura os bancos de dados iniciais necessários para encontrar arquivos e
processamento geral. Requer que os arquivos MSEED estejam na pasta ./INPUT/DATA e os metadados
para estar nas pastas ./INPUT/XML ou ./INPUT/DATALESS.- `02_timeseries_process.py` leva formas de onda sísmicas como entrada para primeiro
pré-processar as formas de onda e, em seguida, exportar correlações cruzadas entre
pares de estações,- `03_dispersion_curves.py` recebe correlações cruzadas como entrada e se aplica
uma análise de frequência-tempo (FTAN) para extrair e exportar a velocidade do grupo
curvas de dispersão,- `04_tomo_inversion_testparams.py` recebe curvas de dispersão como entrada e aplica
uma inversão tomográfica para produzir mapas de dispersão dos parâmetros de inversão
são sistematicamente variados dentro de intervalos definidos pelo usuário,- `05_tomo_inversion_2pass.py` recebe curvas de dispersão como entrada e aplica
uma inversão tomográfica de duas passagens para produzir mapas de dispersão: um superamortecimento
a inversão é realizada na primeira passagem, a fim de detectar e rejeitar outliers
da segunda passagem.- `06_1d_models.py` pega mapas de dispersão como entrada e os inverte para um 1-D
modelo de velocidade de cisalhamento em locais selecionados, usando uma cadeia de Markov Monte Carlo
método de amostragem para posterior distribuição dos parâmetros do modelo.Os scripts contam com o pacote Python `pysismo`, que deve ser localizado
em um local incluído em sua variável de ambiente PATH (ou PYTHONPATH). O mais fácil
a escolha é, obviamente, colocá-lo na mesma pasta dos scripts.Como atualizar
-------------
O código ainda é experimental, então você deve verificar regularmente (e puxar)
atualizações. Eles serão compatíveis com versões anteriores, ** exceto se novos parâmetros aparecerem
no arquivo de configuração **.** Em outras palavras, após qualquer atualização, você deve verificar se novos parâmetros foram adicionados
ao arquivo de configuração de exemplo (`tomo_Brazil.cnf`) e insira-os de acordo
para seu próprio arquivo de configuração. **Referências
----------
O procedimento de correlação cruzada de ruído ambiente entre pares de estações segue
as etapas preconizadas por Bensen et al. (2007).
A medição das curvas de dispersão é baseada na frequência-tempo
análise (FTAN) com filtragem de correspondência de fase descrita em Levshin e Ritzwoller (2001)
e Bensen et al. (2007).
A inversão tomográfica implementa o procedimento de inversão linear
com penalização de normas e suavização espacial de Barmin et al. (2001).
O método de Monte Carlo da cadeia de Markov é descrito por Mosegaard e Tarantola (1995),
e a modelagem direta é feita pelos Programas de Computador em Seimologia
(Herrmann, 2013).- Barmin, M. P., Ritzwoller, M. H. e Levshin, A. L. (2001).
Um método rápido e confiável para tomografia de ondas de superfície.
* Pure Appl. Geophys. *, ** 158 **, p. 1351–1375. doi: 10.1007 / PL00001225
[[jornal] (http://link.springer.com/article/10.1007%2FPL00001225) ]
[[pdf] (http://jspc-www.colorado.edu/pubs/2001/1.pdf) ]- Bensen, G. D. et al. (2007). Processamento de dados de ruído ambiente sísmico para obter
medições confiáveis de dispersão de onda de superfície de banda larga.
* Geophys. J. Int. *, ** 169 ** (3), p. 1239–1260. doi: 10.1111 / j.1365-246X.2007.03374.x
[[jornal] (http://onlinelibrary.wiley.com/doi/10.1111/j.1365-246X.2007.03374.x/abstract) ]
[[pdf] (http://ciei.colorado.edu/pubs/2007/2.pdf) ]- Herrmann, R. B., 2013. Programas de Computador em Sismologia: uma ferramenta em evolução para
instrução e pesquisa, * Seismol. Res. Let. *, ** 84 ** (6), p. 1081-1088
doi: 10.1785 / 0220110096
[[pdf] (http://srl.geoscienceworld.org/content/84/6/1081.full.pdf+html) ]
- Levshin, A. L. e Ritzwoller, M. H. (2001). Detecção automatizada, extração,
e medição de ondas de superfície regionais. * Pure Appl. Geophys. *, ** 158 **,
p. 1531–1545. doi: 10.1007 / PL00001233
[[jornal] (http://link.springer.com/chapter/10.1007%2F978-3-0348-8264-4_11) ]
[[pdf] (http://ciei.colorado.edu/pubs/pageoph_01/Levshin_Ritzwoller_pag2001.pdf) ]- Mosegaard, K. e Tarantola, A. (1995) Amostragem de Monte Carlo de soluções para inversa
problemas, * J. Geophys. Res. *, ** 100 ** (B7), p. 12431–12447
[[jornal] (http://onlinelibrary.wiley.com/doi/10.1029/94JB03097/abstract) ]
[[pdf] (http://www.ipgp.fr/- Langet N. et al (2014). Migração Contínua Baseada na Curtose para Detecção e Localização de Eventos Sísmicos,
com aplicação para o vulcão Piton de la Fournaise, La Réunion.
* Bul. Seis. Soc. Am. *, ** 104 **, p. 229-246. doi: 10.1785 / 0120130107
Crystal PY-26 - História
O sistema de migração Django foi desenvolvido e otimizado para trabalhar com grande número de migrações. Geralmente, você não deve se preocupar em manter uma grande quantidade de migrações de modelos em sua base de código. Mesmo que às vezes cause alguns efeitos indesejáveis, como consumir muito tempo durante a execução dos testes. Mas em cenários como este você pode facilmente desabilitar as migrações (embora não haja nenhuma opção embutida para isso no momento).
De qualquer forma, se você quiser fazer uma limpeza, apresentarei algumas opções neste tutorial.
Cenário 1:
O projeto ainda está no ambiente de desenvolvimento e você deseja realizar uma limpeza completa. Você não se importa em jogar fora todo o banco de dados.
1. Remova todos os arquivos de migração de seu projeto
Passe por cada pasta de migração de aplicativos de seus projetos e remova tudo dentro, exceto o arquivo __init__.py.
Ou se estiver usando um sistema operacional semelhante ao Unix, você pode executar o seguinte script (dentro do diretório do seu projeto):
2. Elimine o banco de dados atual ou exclua o db.sqlite3 se for o seu caso.
3. Crie as migrações iniciais e gere o esquema do banco de dados:
Cenário 2:
Você deseja limpar todo o histórico de migração, mas deseja manter o banco de dados existente.
1. Certifique-se de que seus modelos se ajustem ao esquema de banco de dados atual
A maneira mais fácil de fazer isso é tentando criar novas migrações:
Se houver alguma migração pendente, aplique-a primeiro.
2. Limpe o histórico de migração de cada aplicativo
Agora você precisará limpar o histórico de migração aplicativo por aplicativo.
Primeiro execute o comando showmigrations para que possamos acompanhar o que está acontecendo:
Limpe o histórico de migração (observe que essencial é o nome do meu aplicativo):
O resultado será mais ou menos assim:
Agora execute o comando showmigrations novamente:
Você deve fazer isso para todos os aplicativos que deseja redefinir o histórico de migração.
3. Remova os arquivos de migração reais.
Passe por cada pasta de migração de aplicativos de seus projetos e remova tudo dentro, exceto o arquivo __init__.py.
Ou se estiver usando um sistema operacional semelhante ao Unix, você pode executar o seguinte script (dentro do diretório do seu projeto):
PS: O exemplo acima removerá todos os arquivos de migração de seu projeto.
Execute o showmigrations novamente:
4. Crie as migrações iniciais
5. Falsifique a migração inicial
Nesse caso, você não poderá aplicar a migração inicial porque a tabela do banco de dados já existe. O que queremos fazer é simular essa migração:
Assista o vídeo: REAL AND FAKE FENG SHUI BLACK OBSIDIAN BRACELET (Agosto 2022).