Deployer 使用教程
项目介绍
Deployer 是一个基于 PHP 的部署工具,旨在简化 PHP 项目的部署流程。它支持多种流行的 PHP 框架,如 Laravel、Symfony 等,并提供了丰富的功能,如零停机部署、自动回滚、服务器配置等。Deployer 通过 SSH 协议与服务器通信,执行预定义的操作,从而实现项目的自动化部署。
项目快速启动
安装 Deployer
首先,确保你已经安装了 Composer。然后,通过 Composer 全局安装 Deployer:
composer global require deployer/deployer
安装完成后,你可以通过以下命令检查 Deployer 是否安装成功:
dep --version
初始化项目
进入你的项目目录,并初始化 Deployer 配置文件:
cd /path/to/your/project
dep init
在初始化过程中,Deployer 会提示你选择项目类型。根据你的项目选择合适的类型,如 Laravel、Symfony 等。完成后,会在项目根目录生成一个 deploy.php 文件。
配置部署任务
编辑 deploy.php 文件,配置你的部署任务。以下是一个简单的示例配置:
<?php
namespace Deployer;
require 'recipe/laravel.php';
// 设置代码仓库地址
set('repository', 'git@github.com:yourusername/yourrepository.git');
// 定义服务器
host('your_server_ip')
->user('deployer')
->identityFile('~/.ssh/deployerkey')
->set('deploy_path', '/var/www/yourproject');
// 定义任务
task('deploy', [
'deploy:info',
'deploy:prepare',
'deploy:lock',
'deploy:release',
'deploy:update_code',
'deploy:shared',
'deploy:vendors',
'deploy:writable',
'artisan:storage:link',
'artisan:view:clear',
'artisan:cache:clear',
'artisan:config:cache',
'artisan:optimize',
'deploy:symlink',
'deploy:unlock',
'cleanup',
]);
after('deploy:failed', 'deploy:unlock');
执行部署
配置完成后,执行以下命令开始部署:
dep deploy -vvv
应用案例和最佳实践
应用案例
Deployer 广泛应用于 PHP 项目的自动化部署,特别是在需要频繁更新的 Web 应用中。例如,一个基于 Laravel 的电商网站,可以通过 Deployer 实现零停机部署,确保用户在更新过程中不会受到影响。
最佳实践
- 权限管理:确保部署用户(如
deployer)具有足够的权限执行部署任务,同时避免使用root用户。 - 版本控制:在部署前,确保代码已经提交到版本控制系统(如 Git),并推送到远程仓库。
- 日志记录:在部署过程中,记录详细的日志信息,便于排查问题。
- 回滚机制:配置自动回滚功能,确保在部署失败时能够快速恢复到上一个稳定版本。
典型生态项目
1. Laravel
Deployer 提供了针对 Laravel 框架的专用配置文件,简化了 Laravel 项目的部署流程。通过 require 'recipe/laravel.php'; 可以快速集成 Laravel 的部署任务。
2. Symfony
对于 Symfony 项目,Deployer 同样提供了专门的配置文件,支持 Symfony 的部署需求。通过 require 'recipe/symfony.php'; 可以轻松配置 Symfony 项目的部署任务。
3. Composer
Deployer 与 Composer 紧密集成,可以在部署过程中自动执行 composer install,确保项目依赖的包能够正确安装。
4. GitHub Actions
Deployer 可以与 GitHub Actions 结合使用,实现持续集成和持续部署(CI/CD)。通过配置 GitHub Actions 工作流,可以在代码推送到仓库后自动触发 Deployer 部署任务。
通过以上步骤,你可以快速上手 Deployer,并将其应用于你的 PHP 项目中,实现高效的自动化部署。
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