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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08