因为用来开发的机器，内存实在太小，经常触发oom导致执行php脚本非常慢且经常被killed掉，所以，痛定思痛，进行一下极限内存优化。
注: 以下步骤仅限于非生产环境。
top（然后按下M，注意大写）
修改 php-fpm.conf, 重启php-fpm
pm = ondemand
pm.start_servers = 1
在/etc/my.cnf配置中，增加以下配置, 重启mysql
#检测的表对象的最大数目
performance_schema_max_table_instances=400
#表定义缓存中表的个数
table_definition_cache=400
#表文件描述符的缓存大小
table_open_cache=256
在nginx.conf配置中， 减少worker_processes数，重启nginx
worker_processes:1
工作中，经常用到需要将大量数据导出的场景，而大数据量的导出，csv比之excel速度更快，文件更小，更满足需求。
以下是一个csv文件导出类，综合考虑了系统内存，文件格式等各类问题
class Csv
{
private static $_instance = NULL;
private static $_pointer = null;
private function __construct()
{
}
public static function getInstance() {
if (is_null(self::$_instance)) {
self::$_instance = new Csv();
}
return self::$_instance;
}
private function __clone()
{
// TODO: Implement __clone() method.
}
public static function initCsv($filename, $head) {
ob_clean();
header('Content-type: text/csv; charset=UTF-8');
header('Content-Disposition: attachment; filename="' . $filename . '.csv"'); //指定下载文件的描述
header("Content-Type: application/force-download");
// 添加bom头，避免excel打开文件乱码
$bom = pack("H*", 'EFBBBF');
self::$_pointer = fopen("php://output", "w");
fwrite(self::$_pointer, $bom);
fputcsv(self::$_pointer, $head);
}
public static function makeCsvByStep($items) {
foreach ($items as $item) {
// 长数字处理
foreach ($item as &$val) {
$val = "\t" . $val;
}
fputcsv(self::$_pointer, $item);
ob_flush();
flush();
}
}
public static function exportCsv() {
fclose(self::$_pointer);
exit;
}
}解决docker部署mysql后，mysql占用内存过多的问题
docker stats
在/etc/my.cnf配置中，增加以下配置(ps: 建议将/etc/my.cnf挂载在宿主机已目录)
#检测的表对象的最大数目
performance_schema_max_table_instances=400
#表定义缓存中表的个数
table_definition_cache=400
#表文件描述符的缓存大小
table_open_cache=256docker restart mysql
Docker 要求 CentOS系统的内核版本高于 3.10, 通过 uname -r 命令查看你当前的内核版本
yum update -y yum -y install docker
若要安装最新版本，可执行
curl -fsSL https://get.docker.com/ | sh systemctl start docker
ps：若安装过程出现以下类似错误，是因为系统的python版本升级导致.
找到对应的文件，如/usr/bin/yum
所有的python版本一般在/usr/bin/目录下，也可用whereis python查看
ps：docker安装好后默认没有此文件，需要手动创建，添加阿里云镜像节点，并指定docker存储目录
vim /etc/docker/daemon.json
{
"registry-mirrors" :[
"http://ovfftd6p.mirror.aliyuncs.com",
"http://registry.docker-cn.com",
"http://docker.mirrors.ustc.edu.cn",
"http://hub-mirror.c.163.com"
],
"insecure-registries" : [
"registry.docker-cn.com",
"docker.mirrors.ustc.edu.cn"
]
}systemctl start docker systemctl enable docker
下载hello-world镜像
docker pull hello-world
运行hello-world镜像
docker run hello-world
1. 下载镜像 下载镜像地址 我们此处下载
docker pull python:3.9.21
2. 容器部署
docker run --restart always -itd -p 9081:9081 --name python-3.9.21 -v /Users/ethanxu/Docker/www/htdocs:/go --privileged=true python:3.9.21
# 说明
--name python-3.9.21 : 把容器命名为python-3.9.21
-itd: i 以交互模式运行容器 txa0 为容器重新分配一个伪输入终端 d 后台运行容器，并返回容器ID 注意如果不加上it的话她或运行Python容器后自动关闭
-v /data/www/htdocs/:/www ：将主机中/data/www/htdocs/目录挂载到容器的/www
3. 测试 在/data/www/htdocs目录下新建hello.py文件，内容为
#!/usr/bin/python
print("Hello World!")4. 在终端输入
docker exec -it python python /www/hello.py
1. 创建自定义网络
docker network create --subnet=172.18.0.0/16 mynetwork
2. 删除原python镜像, 创建新对象
docker rm -f python docker run --net mynetwork --ip 172.18.0.5 -p 8000:8000 --name python -itd -v /data/www/htdocs/:/www python
3. 安装扩展
在/data/www/htdocs目录下新建requirements.txt文件
flask
gunicorn
gevent
markdown
flask_bootstrap如果你要安装其他拓展的话在requirements.txt文件中添加相关插件即可(注意一个插件换一行)
在终端输入如下命令进行安装：
# 使用国内镜像https://pypi.tuna.tsinghua.edu.cn/simple docker exec -it python pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r /www/requirements.txt
4. gunicorn配置
在/data/www/htdocs目录下新建gunicorn.conf.py文件
# 并行工作进程数
workers = 4
# 指定每个工作者的线程数
threads = 2
# 监听内网端口8000
bind = '0.0.0.0:8000'
# 设置守护进程,将进程交给supervisor管理
daemon = 'true'
# 工作模式协程
worker_class = 'gevent'
# 设置最大并发量
worker_connections = 2000
# 设置进程文件目录
pidfile = '/var/run/gunicorn.pid'
# 设置访问日志和错误信息日志路径
accesslog = '/var/log/gunicorn_acess.log'
errorlog = '/var/log/gunicorn_error.log'
# 设置日志记录水平
loglevel = 'warning'5. 增加gunicorn启动文件
在/data/www/htdocs目录下新建gunicorn.py文件
import os
import sys
def start():
cmd = 'cd /www/eblog; gunicorn -c gunicorn.conf.py eblog:app'
os.system(cmd)
def stop():
cmd = "ps -ef | grep '/usr/local/bin/gunicorn' | awk '{print $2}' | xargs kill -9 > /dev/null 2>&1"
os.system(cmd)
def restart():
stop()
start()
if sys.argv[1] == 'start':
start()
elif sys.argv[1] == 'restart':
restart()
elif sys.argv[1] == 'stop':
stop()
else:
print('params error!')6. 启动gunicorn
docker exec -i python python /www/gunicorn.py start
php7之前的版本，直接将php代码在语法解析阶段生成ZendVM指令, 编译器和执行器是耦合在一起的，所以如果语法规则或执行引擎有一个变，则另外一个也要跟着改变才可以。
php7增加了抽象语法树，首先将php代码解析生成抽象语法树，然后将抽象语法树编译为ZendVm指令，将php的编译器与执行器很好的隔离开.
php7之前的版本，为了线程安全，不能够使用全局变量，只能通过传参的形式实现函数间的资源共享。
php7使用Native TLS(线程局部存储)来保存线程的资源池，简单的说，就是通过__thread表示一个全局变量，这样这个全局变量就是线程独享的了。
e,g,
function foo(string $name): array {
return [];
}
php7将引用计数(refcount_gc)转移到了具体的value中，避免复制变量时需要复制两个结构，使php变量之间的复制、传递更加简洁、易懂，zval结构的大小也从24byte减少到了16byte，这是php7能够境地系统资源占用的一个优化点所在.
php7将多数错误改为了异常抛出 Throwable
HashTable结构的大小从72byte减小到了56byte, 数组元素Bucket结构也从72byte减小到了32byte
执行器的调度函数为execute_ex(), 这个函数负责执行php代码编译生成的ZendVM执行.
执行期间会频繁的用到execute_data、opline两个变量，之前版本中，这两个变量是由execute_ex()通过参数传递给各指令handler的，php7改为用寄存器存储这两个变量，避免了传参导致的频繁的出入栈操作，同时寄存器访问速度更快，这个优化使得php的性能有了5%左右的提升
无由生厌心彷徨，
伫立四望悲凄凉。
遥想少年风华茂，
书生意气志飞扬。
激扬文字斥方遒，
指点江山傲王侯。
经年易逝经年了,
尘世如刀斩天骄。
红尘如流未经歇，
怎可奈何随波去。
此刻鱼跃思前尘，
终归无奈逐流逝。
唯期缥缈龙门现，
或可化龙游九天。
