Elasticsearch-PHP 9.0.0 客户端重大版本发布解析
2025-06-11 03:16:58作者:瞿蔚英Wynne
项目背景与概述
Elasticsearch-PHP 是 Elasticsearch 官方提供的 PHP 客户端库,它允许 PHP 开发者与 Elasticsearch 搜索引擎进行高效交互。作为 Elasticsearch 生态中的重要组成部分,这个客户端库遵循 Elasticsearch 的版本发布节奏,确保 API 的兼容性和功能的完整性。
版本核心特性
1. 与 Elasticsearch 9.0 的全面兼容
9.0.0 版本客户端完全适配 Elasticsearch 9.0 的服务端特性,这意味着:
- 所有 Elasticsearch 9.0 新增的 API 接口都在客户端中得到了实现
- 服务端 API 的变更和增强都同步反映在客户端中
- 开发者可以放心使用新版 Elasticsearch 的所有功能特性
2. Serverless 客户端整合
本次版本最显著的变化是将原先独立的 Serverless 客户端功能合并到主客户端中:
- 原先的 elastic/elasticsearch-serverless-php 客户端将被弃用
- 所有 Serverless 可用的端点都标注了
@group serverless的 PHP 文档属性 - 当尝试在 Serverless 环境中使用不支持的操作时,会返回 410 状态码和明确的错误信息
智能识别机制:
- 自动识别 Elastic 管理的域名(如 *.elastic.cloud)
- 通过首次响应判断是否为 Serverless 环境
- 也可通过
Client::setServerless(true)显式设置
3. 全新的传输层实现
底层传输库进行了重大革新:
- 移除了对 Guzzle 的依赖
- 默认使用内置的基于 cURL 的 HTTP 客户端
- 兼容 PSR-18 标准,可灵活替换其他符合标准的 HTTP 客户端实现
技术升级要点
PHP 版本要求提升
从 9.0.0 版本开始,客户端要求 PHP 8.1 或更高版本。这一变化带来了:
- 更现代化的代码基础
- 更好的性能表现
- 对 PHP 新特性的全面支持
废弃功能
Utility::urlencode() 方法已被标记为废弃,建议开发者改用 PHP 原生的 rawurlencode() 函数。这一变更简化了代码依赖,使客户端更加轻量化。
开发者迁移建议
对于计划升级到 9.0.0 版本的开发者,建议:
- 首先确保运行环境满足 PHP 8.1+ 的要求
- 检查项目中是否使用了将被废弃的 Utility::urlencode() 方法
- 如果从 Serverless 独立客户端迁移,注意 API 调用的兼容性
- 评估 HTTP 客户端的选择,特别是当需要替换默认的 cURL 实现时
总结
Elasticsearch-PHP 9.0.0 是一个重要的里程碑版本,它不仅跟进了服务端的重大更新,还通过架构改进提升了客户端的现代化程度和灵活性。Serverless 功能的整合简化了技术栈,而传输层的重构则为未来的扩展奠定了基础。对于使用 Elasticsearch 的 PHP 开发者而言,这个版本值得认真评估和升级。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217