Elasticsearch-PHP 9.0.0 客户端重大版本发布解析
2025-06-11 21:01:02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
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
HunyuanVideo-1.5暂无简介00
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 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 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 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 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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