Docker PHP 扩展安装器新增 GitHub 容器镜像支持
在 Docker 生态系统中,PHP 扩展安装器是一个广受欢迎的工具,它简化了在 Docker 容器中安装 PHP 扩展的过程。最近,该项目迎来了一项重要更新——增加了对 GitHub 容器注册表(GHCR)的支持。
背景与动机
Docker 官方仓库作为最流行的容器镜像仓库,长期以来一直是开发者的首选。然而,Docker 官方仓库实施了下载速率限制政策,这给频繁使用容器镜像的开发者带来了不便。特别是对于像 PHP 扩展安装器这样被广泛依赖的基础工具,这种限制可能会影响开发流程的效率。
GitHub 容器注册表(GHCR)作为 GitHub 提供的容器镜像托管服务,不仅完全免费,而且与 GitHub 生态系统深度集成,成为了 Docker 官方仓库的一个理想替代方案。
技术实现
项目维护者在 GitHub Actions 工作流中进行了以下关键修改:
- 在现有的构建推送步骤中,增加了对 GHCR 镜像的推送支持
- 使用了 Docker 官方的构建推送 Action,通过多标签方式同时推送到 Docker 官方仓库和 GHCR
- 利用 GitHub 提供的 GITHUB_TOKEN 进行认证,无需额外配置密钥
这种实现方式保持了现有工作流的简洁性,同时扩展了镜像分发的渠道。特别值得注意的是,GHCR 的认证直接使用 GitHub 的内置令牌,这大大简化了配置过程。
镜像使用方式
现在,用户可以通过以下两种方式获取 PHP 扩展安装器镜像:
-
传统 Docker 官方仓库镜像:
docker pull mlocati/php-extension-installer -
新的 GHCR 镜像:
docker pull ghcr.io/mlocati/php-extension-installer
统计与监控
为了跟踪 GHCR 镜像的使用情况,项目维护者还实现了一个创新的解决方案:
- 创建了一个专门的分支用于存储统计数据
- 设置每日自动运行的工作流,通过 GitHub API 获取下载量数据
- 生成动态徽章显示下载统计
这种方法避免了直接修改主分支带来的历史记录混乱,同时提供了有价值的使用情况洞察。
对开发者的意义
这一更新为 PHP 开发者带来了多重好处:
- 可靠性提升:多镜像源支持减少了因单一注册表问题导致的服务中断风险
- 性能优化:GHCR 通常能提供更快的下载速度,特别是在 GitHub Actions 环境中
- 成本节约:完全免费的 GHCR 可以帮助团队规避 Docker 官方仓库的速率限制问题
对于经常在 CI/CD 流程中使用 PHP 扩展安装器的团队来说,这一更新将显著改善他们的开发体验和工作效率。
总结
PHP 扩展安装器对 GHCR 的支持展示了开源项目如何快速响应基础设施变化,为开发者社区提供更好的服务。这一变化不仅解决了实际问题,也为其他面临类似挑战的项目提供了可借鉴的解决方案。随着更多项目采用多注册表策略,容器生态系统的弹性和可靠性将得到进一步提升。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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