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。
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