Docker PHP 容器镜像使用指南
1. 项目介绍
Docker PHP 是一个官方维护的 GitHub 项目(仓库地址:https://github.com/docker-library/php),它提供了一系列预配置的 Docker 镜像,用于快速搭建 PHP 开发和运行环境。这些镜像支持多种版本的 PHP(包括 7.x 和 8.x 系列),并集成了如 Apache、FPM (FastCGI 进程管理器)等多种服务,使得开发者能够灵活地选择适合自己的 PHP 环境。
2. 项目快速启动
首先确保您的系统已经安装了 Docker。接下来,我们将启动一个带有 Apache 的 PHP 7.4 的容器:
docker run --name my-php-app -d -p 8080:80 php:7.4-apache
这行命令做了以下几件事:
run:启动一个新的 Docker 容器。--name my-php-app:给容器命名。-d:在后台运行容器。-p 8080:80:将主机的 8080 端口映射到容器的 80 端口。php:7.4-apache:使用7.4-apache标签的 PHP 镜像。
现在访问 http://localhost:8080,您应该能看到默认的 PHP 信息页面。
要创建一个简单的 PHP 文件,可以在本地创建一个 index.php:
<?php
echo 'Hello, Dockerized PHP!';
?>
然后将其复制到容器中:
docker cp index.php my-php-app:/var/www/html/
重新访问 http://localhost:8080,你应该能看到 "Hello, Dockerized PHP!" 的消息。
3. 应用案例和最佳实践
3.1 使用 Composer 管理依赖
在 Docker 中使用 PHP,可以结合 composer 来管理项目依赖。以下是如何在容器内运行 composer install 的示例:
docker exec -it my-php-app composer install
3.2 自定义配置
可以通过挂载卷的方式来个性化你的 PHP 配置或 Apache 配置。例如,你可以将本地的 php.ini 文件挂载到容器里:
docker run -v $(pwd)/php.ini:/usr/local/etc/php/php.ini -d -p 8080:80 php:7.4-apache
3.3 数据持久化
如果你需要持久化数据,可以挂载宿主机的一个目录到容器内的 /var/www/html 目录,这样即使容器停止,文件也不会丢失:
docker run -v $(pwd)/app:/var/www/html -d -p 8080:80 php:7.4-apache
4. 典型生态项目
Docker PHP 可以和许多其他项目一起构建更复杂的微服务架构,比如:
- MySQL:用于存储 PHP 应用的数据。
- Redis:作为缓存服务器。
- Nginx:替代 Apache 提供更高效的静态资源处理能力。
- Docker Compose:简化多容器应用的部署和管理。
通过 Docker Compose,你可以轻松地配置和启动整个服务栈。下面是一个简单的 docker-compose.yml 示例:
version: '3'
services:
app:
image: php:7.4-fpm
volumes:
- .:/var/www/html
db:
image: mysql:latest
environment:
MYSQL_ROOT_PASSWORD: example
nginx:
image: nginx:latest
volumes:
- ./nginx.conf:/etc/nginx/nginx.conf
depends_on:
- app
运行 docker-compose up 即可启动所有服务。
这篇教程只是一个起点,Docker PHP 镜像提供了丰富的定制可能性。探索更多可能性,让开发变得更加高效和简单。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00