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。
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