Runkit 项目启动与配置教程
2025-05-20 17:39:12作者:劳婵绚Shirley
1. 项目目录结构及介绍
Runkit 是一个 PHP 扩展,它提供了自定义超级全局变量、用户定义函数和类操作以及沙盒环境等功能。项目的目录结构如下:
runkit/
├── tests/ # 测试文件夹,包含各种测试用例
├── README.md # 项目说明文件
├── LICENSE # 项目许可证文件
├── config.m4 # PHP 扩展配置文件
├── config.w32 # PHP 扩展在 Windows 平台的配置文件
├── package.xml # PECL 包配置文件
├── php_runkit.h # PHP 扩展的头文件
├── php_runkit_hash.h # PHP 扩展哈希功能的头文件
├── php_runkit_sandbox.h # PHP 扩展沙盒功能的头文件
├── php_runkit_zval.h # PHP 扩展变量操作的头文件
├── runkit.c # PHP 扩展的主要实现文件
├── runkit.dsp # PHP 扩展的构建脚本
├── runkit_classes.c # PHP 扩展类操作的实现文件
├── runkit_constants.c # PHP 扩展常量操作的实现文件
├── runkit_functions.c # PHP 扩展函数操作的实现文件
├── runkit_import.c # PHP 扩展导入功能的实现文件
├── runkit_methods.c # PHP 扩展方法操作的实现文件
├── runkit_props.c # PHP 扩展属性操作的实现文件
├── runkit_sandbox.c # PHP 扩展沙盒功能的实现文件
├── runkit_sandbox_parent.c # PHP 扩展沙盒父类实现的文件
└── tsrm_5.0.diff # PHP 5.0 线程安全补丁文件
2. 项目的启动文件介绍
Runkit 项目没有特定的启动文件,因为它是作为 PHP 的一个扩展来使用的。要使用 Runkit,你需要将其编译并安装为 PHP 的扩展模块。
3. 项目的配置文件介绍
Runkit 的配置主要通过以下几个文件进行:
-
config.m4: 这是编译 Runkit 时用到的配置文件,它告诉编译器如何找到和编译 Runkit 的源代码。这个文件通常不需要用户修改。 -
config.w32: 这是专为 Windows 平台准备的配置文件,用于在 Windows 上编译 Runkit。 -
package.xml: 这是 PECL 包的配置文件,用于在 PECL 上安装 Runkit 扩展。
对于大多数用户来说,使用 Runkit 的主要配置是在 PHP 的 php.ini 文件中设置 runkit.superglobal 指令,以定义哪些变量应该作为超级全局变量注册。
以下是一个配置 runkit.superglobal 的示例:
; 在 php.ini 文件中添加以下行来设置超级全局变量
runkit.superglobal = foo,bar
确保在修改 php.ini 文件后重新启动 PHP 服务以使更改生效。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
299
2.65 K
Ascend Extension for PyTorch
Python
130
152
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
608
196
React Native鸿蒙化仓库
JavaScript
229
307
暂无简介
Dart
592
129
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.05 K
612
仓颉编译器源码及 cjdb 调试工具。
C++
122
511
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
181
67
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
457