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。
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 StartedRust0200
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