Mongo PHP Adapter 使用教程
1. 项目介绍
Mongo PHP Adapter 是一个用户级库,旨在充当依赖 ext-mongo 的应用程序与新驱动(ext-mongodb)之间的适配器。它提供了基于 mongo-php-library 构建的 ext-mongo API,从而兼容 PHP 7。
该库的主要目标是提供一个兼容层,使依赖 ext-mongo 库(如 Doctrine ODM)的应用程序能够迁移到 PHP 7 或 HHVM,而无需运行 ext-mongo。如果你不依赖使用 ext-mongo 的库,则不应使用此库。如果你正在开始一个新项目,请查看 mongodb/mongodb。
2. 项目快速启动
安装
该库需要你安装 mongodb 扩展,并且与旧的 mongo 扩展冲突。推荐使用 Composer 安装此库。在你的项目根目录下运行以下命令:
composer require alcaeus/mongo-php-adapter
如果你的项目已经依赖 ext-mongo,上述命令可能无法正常工作。这是由于 Composer 的一个 bug(参见 composer/composer#5030)。要解决这个问题,你可以使用 --ignore-platform-reqs 选项:
composer require alcaeus/mongo-php-adapter --ignore-platform-reqs
示例代码
以下是一个简单的示例代码,展示如何使用 Mongo PHP Adapter 连接到 MongoDB 并执行基本操作:
<?php
require 'vendor/autoload.php';
use Alcaeus\MongoDbAdapter\Mongo;
// 连接到 MongoDB
$client = new Mongo\Client('mongodb://localhost:27017');
$db = $client->selectDatabase('testdb');
// 插入文档
$collection = $db->selectCollection('testcollection');
$document = ['name' => 'John', 'age' => 30];
$collection->insert($document);
// 查询文档
$result = $collection->find(['name' => 'John']);
foreach ($result as $doc) {
print_r($doc);
}
?>
3. 应用案例和最佳实践
应用案例
Mongo PHP Adapter 主要用于以下场景:
- 迁移现有项目:如果你的项目依赖
ext-mongo,但你想迁移到 PHP 7 或 HHVM,可以使用此适配器来保持兼容性。 - 使用旧库:如果你依赖的第三方库(如 Doctrine ODM)仍然使用
ext-mongo,你可以使用此适配器来继续使用这些库。
最佳实践
- 逐步迁移:建议逐步迁移你的代码,而不是一次性替换所有
ext-mongo代码。这样可以更容易发现和解决问题。 - 使用最新版本:确保你使用的是最新版本的 Mongo PHP Adapter,以获得最新的功能和修复。
- 避免依赖特定行为:由于适配器的行为可能与
ext-mongo不完全一致,建议避免依赖特定行为,并尽可能使用新的mongodb扩展的功能。
4. 典型生态项目
Doctrine MongoDB ODM
Doctrine MongoDB ODM 是一个流行的对象文档映射库,它依赖 ext-mongo。通过使用 Mongo PHP Adapter,你可以在 PHP 7 或 HHVM 上继续使用 Doctrine MongoDB ODM。
Laravel MongoDB
Laravel MongoDB 是一个为 Laravel 框架提供的 MongoDB 数据库驱动。通过使用 Mongo PHP Adapter,你可以在 Laravel 项目中继续使用 ext-mongo 的功能。
PHPUnit
如果你在测试中使用了 ext-mongo,可以使用 Mongo PHP Adapter 来确保测试在 PHP 7 或 HHVM 上正常运行。
通过这些生态项目,Mongo PHP Adapter 为依赖 ext-mongo 的应用程序提供了一个平滑的迁移路径,使其能够在现代 PHP 环境中继续运行。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00