解决serversideup/docker-php中S6调度器无法找到Artisan文件的问题
在使用serversideup/docker-php项目的PHP 8.3 FPM Apache镜像时,用户报告了一个关于Laravel调度器工作异常的问题。这个问题特别出现在从V2版本升级到V3版本后,调度器虽然能够执行,但无法正确启动新的Artisan命令。
问题现象
当通过S6 overlay运行Laravel调度器时,系统会报错"Could not open input file: artisan"。这表明调度器无法定位到Artisan文件,尽管该文件确实存在于容器中。
问题根源
经过深入分析,发现问题的核心在于工作目录的变更。在V2版本的镜像中,调度器命令执行前会先切换到项目目录(/var/www/html),而在V3版本中这个目录切换被移除了。
具体表现为:
- V2版本执行路径:
cd /var/www/html && php /var/www/html/artisan schedule:work - V3版本执行路径:
php /var/www/html/artisan schedule:work
解决方案
开发者提供了两种可行的解决方案:
方案一:显式定义ARTISAN_BINARY常量
在Laravel应用的Console/Kernel.php文件中,可以通过构造函数显式定义ARTISAN_BINARY常量:
public function __construct(
\Illuminate\Contracts\Foundation\Application $app,
\Illuminate\Contracts\Events\Dispatcher $events
) {
if (! defined('ARTISAN_BINARY')) {
define('ARTISAN_BINARY', '/var/www/html/artisan');
}
parent::__construct($app, $events);
}
这种方法强制指定了Artisan文件的绝对路径,确保无论从哪个目录执行都能找到正确的文件。
方案二:恢复工作目录切换
更简单的解决方案是在S6服务脚本中恢复工作目录的切换:
RUN mkdir -p /etc/s6-overlay/s6-rc.d/laravel-schedule ; \
echo "#!/usr/bin/bash" >> /etc/s6-overlay/s6-rc.d/laravel-schedule/run ; \
echo "cd /var/www/html && php /var/www/html/artisan schedule:work --run-output-file=/var/www/html/schedule.log" >> /etc/s6-overlay/s6-rc.d/laravel-schedule/run ; \
echo "longrun" >> /etc/s6-overlay/s6-rc.d/laravel-schedule/type ; \
echo "50-laravel-automations" >> /etc/s6-overlay/s6-rc.d/laravel-schedule/dependencies ; \
touch /etc/s6-overlay/s6-rc.d/user/contents.d/laravel-schedule
最佳实践建议
-
权限管理:确保复制文件时使用正确的权限,推荐使用
--chown=www-data:www-data参数 -
S6服务优化:考虑使用
docker-php-serversideup-s6-init来管理自定义的S6服务,这能提供更好的集成和可靠性 -
路径处理:在容器环境中,尽量使用绝对路径来引用关键文件,避免因工作目录变化导致的问题
-
版本升级检查:在升级Docker镜像版本时,应仔细检查启动脚本和工作目录相关的变更
总结
这个问题展示了容器环境中工作目录管理的重要性。虽然简单的解决方案是恢复目录切换,但从长期维护角度看,使用绝对路径或定义常量是更健壮的解决方案。这也提醒开发者在升级基础镜像时,需要关注这些看似微小但影响重大的变更。
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-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