FrankenPHP 在 Laravel 项目中实现 Worker 模式的实践指南
背景介绍
FrankenPHP 是一个高性能的 PHP 运行时环境,它通过集成 Caddy 服务器提供了现代化的 PHP 运行方式。在 Laravel 项目中,开发者常常需要实现 Worker 模式来处理队列任务或长时运行进程,而 FrankenPHP 提供了这样的能力。
常见配置误区
许多开发者在初次尝试 FrankenPHP 的 Worker 模式时会遇到一些典型问题:
-
端口冲突问题:当同时运行 Nginx 和 FrankenPHP 时,443 端口可能被占用。解决方案是在 FrankenPHP 配置中明确关闭自动 HTTPS 功能。
-
Worker 配置错误:直接使用
--worker参数启动 FrankenPHP 会导致失败,因为正确的 Worker 模式需要在 Caddyfile 中配置。 -
Worker 进程异常退出:如果 Worker 脚本配置不当,会导致进程不断重启。
正确配置方法
基础配置
在 Laravel 项目的 Caddyfile 中,应包含以下基本配置:
{
frankenphp
order php_server before file_server
auto_https off
}
Worker 模式配置
有两种可行的 Worker 模式配置方案:
方案一:直接使用 Laravel 入口文件
frankenphp {
worker public/index.php 2
}
方案二:结合 Laravel Octane
- 安装 Laravel Octane 包
- 运行
php artisan octane:install命令 - 配置 FrankenPHP 使用 Octane 提供的 Worker 文件:
frankenphp {
worker {
file /app/public/frankenphp-worker.php
}
}
性能优化建议
-
Worker 数量:根据服务器 CPU 核心数合理设置 Worker 数量,通常建议设置为 CPU 核心数的 1-2 倍。
-
请求限制:可以设置
max_request参数来定期重启 Worker,防止内存泄漏。 -
编码压缩:启用
encode zstd gzip可以显著减少网络传输量。
常见问题解决方案
-
Worker 不断重启:检查 Laravel 应用是否有未捕获的异常,确保 Worker 脚本能够稳定运行。
-
端口冲突:确保 FrankenPHP 和 Nginx 使用不同的端口,或者在 Nginx 中配置反向代理。
-
HTTPS 问题:如果已有 Nginx 处理 HTTPS,应在 FrankenPHP 中关闭自动 HTTPS 功能。
最佳实践
对于 Laravel 项目,推荐使用 Laravel Octane 与 FrankenPHP 结合的方案。Octane 专为高性能 Laravel 应用设计,提供了更好的进程管理和请求处理机制。配置完成后,可以通过简单的 ./frankenphp run 命令启动服务,无需额外参数。
通过合理配置,FrankenPHP 可以为 Laravel 应用提供接近传统 PHP-FPM 两倍的性能提升,同时保持开发的便捷性。
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 StartedRust0199
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 Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07