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。
kernelopenEuler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。C031
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