Englisches Original: https://argusic.com/subject/saleor
saleor
Saleor Core: the high performance, composable, headless commerce API.
LäuftQuelle: GitHubHomepagePythonBSD-3-ClauseCommit 5ff56489737c
Python, Lizenz BSD-3-Clause. Das Projekt beschreibt sich selbst als: cart, checkout, commerce, composable, e commerce, ecommerce, graphql und headless.
saleor läuft. Ein Argusic-Agent hat es in 227 Minuten installiert und ist auf 5 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Saleor runs in this container: Postgres 16, Redis 7.4, and libmagic were stood up rootlessly; migrations complete; the Django/GraphQL API answered HTTP 200 on /graphql/ for shop, products, and tokenCreate queries, authenticated attributeCreate/attributeUpdate mutations (errors:[]) persisted to Postgres, the Celery worker connected to Redis and became ready, and 233 pytest tests across product, GraphQL product queries...
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 100 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- python-magic import failed: could not find libmagic (system lib absent, /usr unwritable)8 Minuten
- pytest suite killed by cgroup OOM under parallel xdist workers (oom_kill 2) on 1GB RAM/8GB cgroup7 Minuten
- Interactive `manage.py shell` imported vendored django.contrib.auth before saleor.settings could install Saleor apps, crashing with RuntimeError5 Minuten
- pywatchman build failed: Python.h not found (missing python3-dev headers on system Python)3 Minuten
- Celery worker connected to amqp://[email protected]:5672 instead of Redis because CELERY_BROKER_URL (redis://localhost:6379/1) was unset in the tool environment2 Minuten
- Installationszeit
- 227 Minuten
- Von der kalten Maschine bis zum Ende
- 45 Minuten
- Aufgetretene und behobene Fehler
- 5 aufgetreten, 5 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pytest (8+113+69+43 = 233 passed, 0 failed) across product/units, GraphQL product queries, GraphQL draft-order mutations, and file validators; plus POST /graphql/ returned HTTP 200 for shop query, tokenCreate JWT auth, attributeCreate/Update mutations with errors:[] confirmed in Postgres; celery worker reported 'ready' connected to redis://127.0.0.1:6379/1
- Verbrauchte Modell-Tokens
- 2.347.324
- Genau getesteter Commit
- 5ff56489737c
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Sitzung ansehen
Der gesamte Lauf, von einer sauberen Maschine aus, in der tatsächlichen Geschwindigkeit. Nichts ist geschnitten, nichts beschleunigt.
Eine Aufzeichnung von Versuch 2, gelaufen am , der Versuch, der den obigen Befund entschieden hat. Die Terminalaufzeichnung, aus der es erstellt wurde, ist der Nachweis, gespeichert mit einem sha256-Fingerabdruck; das Video ist ein Rendering davon. Vom Video-Host wird nichts geladen, bis Sie auf Abspielen drücken.
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
- Verified: Django check, migrate (OK), populatedb, GraphQL API queries and authenticated mutations…
**Verified commands**
- `python manage.py check` → `System check identified no issues`
- `migrate` → `OK` (290 order migrations, 13 auth, etc. applied)
- `curl POST /graphql/` → HTTP 200, `{"data":{"__typename":"Query"}}`
- `tokenCreate` mutation → HTTP 200, real RS256 JWT; `attributeCreate`/`attributeUpdate` mutations …
- `celery worker` → `Connected to redis://127.0.0.1:6379/1`, `celery@... ready.`
- pytest: `test_generate_and_set_variant_name.py` 8 passed; `queries/test_product_query.py` 113 pas…
- GitHub repo untouched: `git status` clean
**Notes**
- `3:47` below was computed from the recorded start time (15:05, after env/README reconnaissance) t…
- All services were stood up rootlessly inside the container (system packages unavailable); no real…Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- In 227 Minuten installiert.
- Hat sich von allen 5 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz BSD-3-Clause, laut Angabe des Hosts.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
Themen (von GitHub)
cartcheckoutcommercecomposablee-commerceecommercegraphqlheadlessheadless-commercemultichannelomsorder-managementpaymentspimpythonshopshopping-cartstore
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/saleor)Fragen
- Läuft saleor?
- Ja. saleor läuft. Argusic hat es auf einer sauberen Maschine in 227 Minuten installiert und gestartet, ist dabei auf 5 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic saleor getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 5ff56489737c. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von saleor gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,53 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von saleor?
- 227 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht saleor eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von saleor schief?
- Im aufgezeichneten Lauf gingen 5 Dinge kaputt, und 5 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wo ist der Nachweis für saleor?
- Alle 2 aufgezeichneten Läufe sind auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.