Rails宝典之第五十四式: ruby-debug

本文介绍了如何利用ruby-debug插件进行Rails应用的调试过程。包括安装配置、使用debugger关键字定位代码执行位置、通过rdb及irb交互式调试等步骤。
介绍下使用[url=http://rubyforge.org/projects/ruby-debug/]ruby-debug[/url]来调试Rails程序

安装ruby-debug:
[code]
sudo gem install ruby-debug -y
[/code]

修改environment.rb:
[code]
require 'ruby-debug'
[/code]

我们在需要调试的代码里使用ruby-debug:
[code]
class Task < ActiveRecord::Base
belongs_to :project

def self.find_near_due(time)
debugger
due_date = time + 10.days
find(:all, :conditions => ['due_at < ?', due_date], : order => 'due_at')
end
end
[/code]

OK,启动服务器,访问该方法,我们会发现浏览器停住了,看看服务器后台,原来服务器已经进入debug模式:
[code]
./script/./config/../app/models/task.rb:6 due_date = time + 10.days
(rdb:1)
[/code]
这时我们可以输入help查看命令,我们简单的输入list来看看代码执行到哪里:
[code]
(rdb:1) list
[1, 10] in ./script/../config/../app/models/task.rb
1 class Task < ActiveRecord::Base
2 belongs_to :project
3
4 def self.find_near_due(time)
5 debugger
=> 6 due_date = time + 10.days
7 find(:all, :conditions => ['due_at < ?', due_date], : order => 'due_at')
8 end
9 end
10
(rdb:1) p time
#<Date: 4908571/2,0,2299161>
(rdb:1) p time.to_s
"2007-07-04"
(rdb:1) next
[/code]
我们使用next来单步调试
非常magic的是这里可以使用irb:
[code]
(rdb:1) irb
irb(Task):001:0> y due_date
--- 4373-01-21
=> nil
irb(Task):005:0> time.class
=> Date
irb(Task):006:0> y time + 10
--- 2007-07-14
=> nil
irb(Task):007:0> due_date = time + 10
=> #<Date: 4908591/2,0,2299161>
irb(Task):008:0> y due_date
--- 2007-07-14
=> nil
irb(Task):009:0> exit
(rdb:1)
[/code]
在irb里我们可以打印time,due_date等变量,in place的调试实在很方便
在irb里修改了due_date值后我们回到rdb,使用cont命令来继续执行请求处理
[code]
(rdb:1) cont
[/code]
我们看到页面执行,结果是正确的。

好了,在debug中我们已经找到错误出在time是一个Date,应该加10而不是10.days,我们修改Task类即可。
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值