在serversideup/docker-php项目中添加自定义启动脚本的正确方法
2025-07-06 07:37:39作者:舒璇辛Bertina
在使用serversideup/docker-php项目构建PHP容器时,开发者经常需要添加自定义启动脚本以满足特定需求。本文将详细介绍如何正确地在容器启动时执行自定义脚本。
问题背景
许多开发者按照官方文档添加自定义启动脚本时,会遇到权限被拒绝的问题。这是因为文档中的示例缺少了关键步骤,导致脚本无法正常执行。
解决方案
正确的做法需要以下几个关键步骤:
- 创建entrypoint.d目录:这是存放自定义脚本的标准位置
- 编写自定义脚本:脚本需要具有可执行权限
- 修改Dockerfile:需要特别注意权限设置和用户切换
详细实现步骤
1. 准备自定义脚本
首先创建一个名为entrypoint.d的目录,并在其中添加你的自定义脚本,例如99-custom.sh。确保脚本具有可执行权限:
mkdir -p entrypoint.d
touch entrypoint.d/99-custom.sh
chmod +x entrypoint.d/99-custom.sh
2. 编写Dockerfile
以下是经过验证的正确Dockerfile配置:
FROM serversideup/php:8.3-fpm-nginx
# 设置环境变量,确保服务启动顺序正确
ENV S6_CMD_WAIT_FOR_SERVICES=1
# 复制脚本并设置权限
COPY --chmod=755 ./entrypoint.d/ /etc/entrypoint.d/
# 切换到root用户以执行初始化操作
USER root
# 运行初始化脚本
RUN docker-php-serversideup-s6-init
# 切换回www-data用户以确保安全
USER www-data
3. 关键点说明
- 权限设置:
--chmod=755参数确保复制的脚本具有可执行权限 - 用户切换:必须切换到root用户才能执行初始化操作,完成后应切换回www-data用户
- 环境变量:
S6_CMD_WAIT_FOR_SERVICES=1确保服务按正确顺序启动
常见问题排查
如果仍然遇到问题,可以检查以下几点:
- 确认脚本文件确实具有可执行权限
- 检查脚本内容是否包含有效的shebang(如
#!/bin/bash) - 确保脚本文件名以数字开头,如
99-custom.sh,这决定了执行顺序 - 验证Docker构建过程中没有其他错误
最佳实践建议
- 在脚本中添加适当的日志输出,便于调试
- 保持脚本简洁,只包含必要的初始化操作
- 考虑使用
set -e使脚本在遇到错误时立即退出 - 对于复杂的初始化逻辑,可以考虑拆分为多个小脚本
通过遵循上述步骤和最佳实践,开发者可以可靠地在serversideup/docker-php容器中添加自定义启动脚本,满足各种定制化需求。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
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