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。
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