Laravel Sail 快速上手指南
一、项目介绍
Laravel Sail 是一个基于 Docker 的开发环境,用于本地开发 Laravel 应用程序。它提供了预配置的容器来运行 MySQL、PostgreSQL、Redis、Memcached 和 Mailhog 等服务,使得开发者无需担心本地数据库和其他配置问题。
使用 Sail,您可以在所有操作系统(包括 Windows)中以一致的方式进行测试,这避免了由于开发环境差异带来的潜在问题。此外,Sail 提供了一个方便的命令行接口来进行常见的开发任务,如运行单元测试或清除缓存。
二、项目快速启动
安装 Docker
首先,确保您的机器上安装了 Docker Desktop。如果您还没有安装 Docker Desktop,请访问 https://www.docker.com/products/docker-desktop 并下载适用于您的操作系统的版本。
安装 Sail
接下来,在项目根目录下运行以下命令:
composer require laravel/sail --dev
此命令将把 sail 这个包添加到您的项目依赖里,并将其作为开发工具使用。之后,您就可以在项目文件夹中通过 ./vendor/bin/sail 命令来调用 Sail。
配置 Sail
编辑 .env 文件中的数据库配置,以便 Sail 可以正确地连接到它们:
DB_CONNECTION=sail
DB_HOST=mysql
DB_PORT=3306
DB_DATABASE=mydatabase
DB_USERNAME=root
DB_PASSWORD=root
现在,您可以准备使用 Sail 来运行 Laravel 应用了。
启动 Sail
输入以下命令来启动 Docker 容器:
./vendor/bin/sail up -d
该命令会在后台运行所有必需的服务容器。稍等片刻待所有服务完全加载。
访问 Laravel 应用
您可以通过访问 http://localhost 来查看您的 Laravel 应用。
单元测试
要运行应用程序的所有单元测试,只需执行下面的命令:
./vendor/bin/sail test
这将打开 Docker 中的 PHP 测试环境并运行所有测试。
三、应用案例和最佳实践
典型场景:使用 Sail 调整数据库配置
假设您正在切换到 PostgreSQL 数据库,那么您只需修改 .env 文件中的数据库配置选项即可。Sail 将自动适应新设置并更新其相关配置项。
例如:
DB_CONNECTION=sail
DB_HOST=pgsql
DB_DRIVER=pgsql
...
这样,您不需要重新写入任何代码就能轻松适配新的数据库类型。
最佳实践:利用 Sail 执行常规维护工作
通常,除了部署之外,您还需要对 Laravel 应用进行一些日常维护工作,比如清理缓存、生成数据库迁移或重建索引。您可借助 Sail 的 CLI 命令快速完成这些操作。
例如,以下命令可用于刷新全局缓存:
./vendor/bin/sail artisan cache:clear
或者创建一个新的数据库迁移:
./vendor/bin/sail artisan make:migration add_columns_to_posts_table
使用 Sail 不仅可以简化您的 Laravel 开发体验,还能帮助您更加高效且一致地完成日常工作。
四、典型生态项目
为了进一步了解如何在实际项目中运用 Laravel Sail,可以参考以下几个具有代表性的示例:
-
RealWorld 示例:这个示例展示了如何使用 Laravel Sail 构建一个遵循《RealWorld》规范的应用程序。它包含了身份验证系统、API 文档生成、以及前后端分离架构等内容。
- 相关仓库地址:
https://git.example.com/briannesbitt/realworld-example-app
- 相关仓库地址:
-
多数据库支持:演示如何在单一 Laravel 项目内管理多个数据库实例。无论是为不同的环境分别设定数据库,还是在一个环境下处理多个数据源,这个示例都提供了一种可行方案。
- 相关仓库地址:
https://git.example.com/laravel/database-scaffold
- 相关仓库地址:
以上两个示例不仅介绍了如何使用 Laravel Sail,还覆盖了一系列软件工程的最佳实践,例如代码结构、单元测试、以及持续集成配置。它们可以为您提供一份从零开始构建 Laravel 项目的全面指导,同时加深对 Sail 功能的理解。
总之,Laravel Sail 为 Laravel 开发者带来了许多便利,极大地简化了本地开发流程。无论您是在构建简单的 API,还是复杂的微服务平台,Sail 都是值得尝试的解决方案。希望本指南能帮助您更好地掌握这一工具!
如果您遇到任何问题或有任何疑问,请查阅 Laravel 官方文档或社区论坛寻求帮助。祝您编码愉快!
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