FrankenPHP 项目中集成 Caddy HTTP 缓存模块的实践指南
2025-05-29 08:54:56作者:凤尚柏Louis
在构建高性能 PHP 应用时,缓存机制是提升性能的关键因素之一。本文将详细介绍如何在 FrankenPHP 项目中成功集成 Caddy 的 HTTP 缓存功能,特别是使用 Souin 缓存模块的完整实现过程。
背景与挑战
FrankenPHP 是一个创新的 PHP 运行时环境,它结合了 PHP 和 Go 的优势。当开发者尝试为其添加 HTTP 缓存支持时,遇到了几个技术难题:
- 构建过程中出现符号重定位错误
- 模块依赖关系复杂导致编译失败
- 缓存配置与实际效果不符的问题
解决方案实现
正确的 Dockerfile 配置
通过多次实践验证,以下是能够成功构建 FrankenPHP 并集成 Souin 缓存模块的 Dockerfile 配置要点:
FROM dunglas/frankenphp:latest-builder AS builder
COPY --from=caddy:builder /usr/bin/xcaddy /usr/bin/xcaddy
RUN apt-get update && apt-get install --no-install-recommends -y git
ENV CGO_ENABLED=1 XCADDY_SETCAP=1 XCADDY_GO_BUILD_FLAGS="-ldflags \"-w -s -extldflags '-Wl,-z,stack-size=0x80000'\""
RUN xcaddy build \
--output /usr/local/bin/frankenphp \
--with github.com/dunglas/frankenphp=./ \
--with github.com/dunglas/frankenphp/caddy=./caddy/ \
--with github.com/dunglas/mercure/caddy \
--with github.com/dunglas/vulcain/caddy \
--with github.com/dunglas/caddy-cbrotli \
--with github.com/darkweak/souin/plugins/caddy@65cb24114d76a7de3f4e8c7b8ef7df3efd028899 \
--with github.com/darkweak/souin@65cb24114d76a7de3f4e8c7b8ef7df3efd028899 \
--with github.com/darkweak/storages/otter/caddy
FROM dunglas/frankenphp:latest AS frankenphp_upstream
COPY --from=builder --link /usr/local/bin/frankenphp /usr/local/bin/frankenphp
关键点说明:
- 必须安装 git 工具用于模块获取
- 需要指定特定版本的 Souin 及其插件以确保兼容性
- 必须包含 caddy-cbrotli 模块以支持压缩功能
Caddyfile 配置
正确的缓存配置需要添加到 Caddyfile 中:
{
order cache before rewrite
cache {
api {
souin
}
}
# 其他配置...
}
API Platform 配置
在 API Platform 的配置文件中,需要正确设置缓存参数:
api_platform:
defaults:
stateless: true
cache_headers:
vary: ['Content-Type', 'Authorization', 'Origin']
public: true # 必须显式设置为 public
http_cache:
invalidation:
urls: ['http://caddy/souin-api/souin']
purger: api_platform.http_cache.purger.souin
常见问题排查
-
缓存不生效问题:
- 确保应用运行在生产模式,开发模式下 Symfony 会自动添加 no-cache 头
- 必须显式设置 Cache-Control 为 public
-
构建失败问题:
- 检查所有依赖模块的版本兼容性
- 确保构建环境中安装了必要的工具链
-
性能调优建议:
- 根据实际业务场景调整缓存时间
- 合理设置 Vary 头以确保缓存键的正确性
实现效果验证
成功配置后,响应头中应包含以下关键字段:
Cache-Control: public
Etag: "75d700cecda6aee64bef38d0666e85e7-zstd"
Surrogate-Key: /api/resource/1
这些头信息表明缓存机制已正常工作,后续请求将直接从缓存中获取响应,显著提升应用性能。
总结
通过本文的详细指导,开发者可以顺利在 FrankenPHP 项目中实现高效的 HTTP 缓存机制。正确的配置不仅能够提升应用性能,还能减少后端服务器的负载。在实际部署时,建议根据具体业务需求进一步调整缓存策略,以达到最佳的性能优化效果。
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
238
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
671
156
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
261
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
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217