Hyperf Phar 打包性能优化实践
2025-06-02 22:45:54作者:伍霜盼Ellen
背景介绍
在 PHP 应用开发中,Phar 打包是一种常见的部署方式。Hyperf 作为高性能 PHP 框架,其官方 Phar 打包工具在实际使用中遇到了显著的性能问题。本文将详细介绍如何通过优化 Phar 打包流程,将打包时间从原来的 25 分钟缩短到不足 1 分钟。
问题分析
传统 Phar 打包方式存在的主要性能瓶颈在于:
- 文件逐个写入 Phar 包导致大量 I/O 操作
- 频繁的文件系统访问增加了打包时间
- 缺乏有效的缓存机制
这些问题在大型项目中尤为明显,当项目包含数千个文件时,打包时间会呈指数级增长。
优化方案
我们设计了一个 CustomPhar 类来解决这些问题,主要优化点包括:
1. 引入临时目录缓存
创建一个临时目录作为文件缓存区,所有待打包文件先复制到该目录,最后统一打包。这种方式减少了 Phar 包的频繁写入操作。
private string $tempDir;
public function __construct(string $filename, int $flags = \FilesystemIterator::SKIP_DOTS | \FilesystemIterator::UNIX_PATHS, ?string $alias = null)
{
parent::__construct($filename, $flags, $alias);
$this->tempDir = sys_get_temp_dir() . '/phar_cache_' . uniqid();
$this->createDirectory($this->tempDir);
}
2. 批量文件处理
重写关键方法,将所有文件操作改为先缓存到临时目录:
public function addFile(string $filename, ?string $localName = null): void
{
$localName = $localName ?? basename($filename);
$relativePath = $this->tempDir . '/' . $localName;
$this->createDirectory(dirname($relativePath));
copy($filename, $relativePath);
}
public function addFromString(string $localName, string $contents): void
{
$relativePath = $this->tempDir . '/' . $localName;
$this->createDirectory(dirname($relativePath));
file_put_contents($relativePath, $contents);
}
3. 目录递归复制优化
实现高效的目录递归复制功能,支持可选的文件名模式匹配:
private function recursiveCopy(string $source, string $destination, ?string $pattern = null): void
{
$iterator = new \RecursiveIteratorIterator(
new \RecursiveDirectoryIterator($source, \FilesystemIterator::SKIP_DOTS),
\RecursiveIteratorIterator::SELF_FIRST
);
foreach ($iterator as $item) {
$targetPath = $destination . '/' . substr($item->getRealPath(), strlen($source) + 1);
if ($item->isDir()) {
$this->createDirectory($targetPath);
} elseif (!$pattern || preg_match($pattern, $item->getFilename())) {
copy($item->getRealPath(), $targetPath);
}
}
}
4. 最终打包操作
所有文件准备就绪后,执行一次性打包操作:
public function save(): void
{
parent::buildFromDirectory($this->tempDir);
$this->clearTempDir();
}
实现效果
经过上述优化后:
- 打包时间从 25 分钟缩短到不足 1 分钟
- 系统资源占用显著降低
- 打包过程更加稳定可靠
技术要点
- 临时目录策略:利用系统临时目录作为中间缓存,避免频繁的 Phar 写入操作
- 批量处理:收集所有文件后再统一打包,减少 I/O 操作次数
- 递归复制优化:高效处理大型目录结构
- 资源清理:打包完成后自动清理临时文件
总结
通过对 Phar 打包流程的重新设计,我们成功解决了 Hyperf 框架 Phar 打包的性能瓶颈问题。这种优化思路不仅适用于 Hyperf,也可以为其他 PHP 项目的 Phar 打包优化提供参考。关键点在于减少直接操作 Phar 包的次数,通过中间缓存实现批量处理,从而显著提升打包效率。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
799
199
🎉 (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
1.37 K
780
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
377
450
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1