FrankenPHP 多域名 Laravel 项目部署指南
前言
FrankenPHP 是一个高性能的 PHP 应用服务器,结合 Laravel Octane 可以为应用带来显著的性能提升。在实际生产环境中,我们经常需要在一台服务器上部署多个 Laravel 项目,每个项目对应不同的域名。本文将详细介绍如何使用 FrankenPHP 和 Caddyfile 配置实现多域名 Laravel 项目的部署。
核心概念
FrankenPHP 与 Caddy 的关系
FrankenPHP 是构建在 Caddy 服务器之上的 PHP 运行时。Caddy 是一个现代化的 web 服务器,以其简单的配置和自动 HTTPS 功能而闻名。通过 Caddyfile 配置文件,我们可以轻松管理多个站点的路由和行为。
Laravel Octane 的角色
Laravel Octane 是一个性能优化工具,它通过保持应用常驻内存来减少请求处理的开销。与 FrankenPHP 结合使用时,可以充分发挥两者的优势。
多域名配置方案
单一 Caddyfile 管理多个项目
推荐使用一个统一的 Caddyfile 来管理所有项目域名,而不是为每个项目创建单独的配置文件。这种集中管理的方式有以下优势:
- 便于维护和查看所有站点配置
- 可以共享某些全局设置
- 减少重复配置项
- 方便实施统一的 HTTPS 策略
配置示例
以下是一个典型的多域名 Caddyfile 配置示例:
domain1.com {
root * /www/wwwroot/domain1/public/
encode zstd gzip
php_server {
resolve_root_symlink
}
}
domain2.com {
root * /www/wwwroot/domain2/public/
encode zstd gzip
php_server {
resolve_root_symlink
}
}
配置解析
- 域名块:每个
domain.com {}块定义了一个独立的站点配置 - root 指令:指定项目的 public 目录路径,
*表示匹配所有请求 - encode 指令:启用 zstd 和 gzip 压缩,优化传输性能
- php_server 指令:配置 PHP 服务器行为
resolve_root_symlink:解析根目录中的符号链接
部署流程
1. 安装 Laravel Octane
在每个 Laravel 项目中执行:
composer require laravel/octane
php artisan octane:install --server=frankenphp
2. 创建统一的 Caddyfile
在服务器上选择一个合适的位置(如 /etc/caddy/Caddyfile)创建主配置文件,包含所有项目的域名配置。
3. 启动 Octane 服务
为每个项目启动 Octane 服务,指定统一的 Caddyfile:
php artisan octane:start --caddyfile /etc/caddy/Caddyfile
高级配置建议
性能优化
- 为每个站点配置适当的 PHP 进程数
- 根据项目负载调整 worker 数量
- 考虑启用 OPcache 提升 PHP 执行效率
安全配置
- 确保每个项目的目录权限正确
- 配置适当的 Caddy 访问控制
- 定期更新 FrankenPHP 和 Caddy 版本
日志管理
- 为每个站点配置独立的访问日志和错误日志
- 设置日志轮转策略
- 考虑集中式日志收集方案
常见问题解决方案
1. 符号链接问题
如果项目使用了符号链接,确保 resolve_root_symlink 指令已启用,并检查符号链接的权限。
2. 静态文件处理
对于静态资源,可以考虑添加额外的缓存控制头:
header /assets/* Cache-Control "public, max-age=604800"
3. 负载均衡
对于高流量站点,可以在 Caddyfile 中配置负载均衡:
php_server {
resolve_root_symlink
upstream localhost:8000 localhost:8001
}
结语
通过 FrankenPHP 和 Caddyfile 的合理配置,我们可以高效地管理多个 Laravel 项目,同时保持优异的性能表现。这种部署方式特别适合中小型项目集群,在保证性能的同时简化了运维工作。随着项目规模的增长,可以考虑进一步优化配置或引入容器化部署方案。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00