Hyperf Phar 打包性能优化实践
2025-06-02 03:01:34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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
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
9
1
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217