在setup-php中安装带OpenSSL支持的Swoole扩展
在使用GitHub Actions进行PHP项目构建时,许多开发者会选择shivammathur/setup-php这个优秀的Action来快速配置PHP环境。近期有用户反馈在安装Swoole扩展时遇到了SSL连接支持的问题,本文将深入分析这个问题并提供解决方案。
问题背景
当开发者尝试在Ubuntu最新版上通过setup-php安装PHP 8.3并启用Swoole扩展时,即使设置了SWOOLE_CONFIGURE_OPTS环境变量为--enable-openssl,仍然会遇到致命错误提示:"you must configure with --enable-openssl to support ssl connection when compiling Swoole"。
技术分析
Swoole作为一个高性能的网络通信框架,其SSL/TLS支持需要通过OpenSSL进行编译时配置。正常情况下,在编译安装Swoole扩展时,应该传递--enable-openssl参数以确保SSL功能可用。
在setup-php的工作机制中,当通过pecl安装扩展时,环境变量SWOOLE_CONFIGURE_OPTS应该能够传递必要的编译参数。然而,由于底层构建系统的配置问题,这一机制在某些情况下未能正确生效。
解决方案
setup-php的维护者已经修复了这个问题。修复的核心在于确保在Ubuntu环境下构建Swoole扩展时,OpenSSL支持能够被正确启用。现在用户只需简单地重新运行工作流即可解决问题。
对于需要在工作流中配置Swoole扩展的用户,推荐使用以下配置示例:
- name: Install PHP
uses: shivammathur/setup-php@v2
with:
php-version: '8.3'
extensions: swoole
env:
SWOOLE_CONFIGURE_OPTS: --enable-openssl
最佳实践
- 始终使用setup-php的最新稳定版本
- 明确指定需要的扩展,避免使用通配符
- 对于需要特殊编译参数的扩展,确保正确设置相关环境变量
- 定期检查工作流日志,确认扩展是否按预期方式安装
总结
通过setup-php安装带有特定功能的PHP扩展是一个高效的工作流配置方式。对于Swoole这样的高性能扩展,确保SSL支持的正确配置尤为重要。现在这一问题已经得到修复,开发者可以放心地在CI/CD流程中使用Swoole的SSL功能了。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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