zend framework 2 js缓存文件在哪个目录_Yaf 3.2 发布

weixin_39574388

于 2021-01-24 07:32:02 发布

阅读量52

点赞数

文章标签： zend framework 2 js缓存文件在哪个目录

本文链接：https://blog.csdn.net/weixin_39574388/article/details/113326317

版权

这次的重构的最初出发点是把原来的Yaf对象从PHP的原生对象，改成了自定义的对象:

结构重构

之前的Yaf版本，比如我们拿Yaf_Request为例，它原来是一个PHP的对象，它有属性，用起来也跟用户在PHP中定义的对象一样，比如在之前的版本的Yaf中，在扩展中如果要获取Request对象的uri属性，那么:

zend_read_property(yaf_request_ce, obj, “uri”, sizeof(“uri”)-1, 1, NULL);

去”读取“这个request对象的uri属性，一定程度上这个有一定的历史原因，毕竟这个Yaf是十年前写的。

而在3.2.0以后，Yaf_Request对象成为了一个纯粹的C结构体:

typedef struct {    zend_uchar  flags;    zend_string *method;    zend_string *module;    zend_string *controller;    zend_string *action;    zend_string *base_uri;    zend_string *uri;    zend_string *language;    zend_array  *params;    zend_array  *properties;    zend_object std;} yaf_request_object;

这样的定义如果大家看过我之前的文章深入理解PHP7内核之Object应该不会陌生，当用户在PHP脚本端获取到Yaf_Request对象的时候，对应的就是yaf_request_object.std这个成员。

这样以来，如果要获取uri的话，只需要根据偏移量，从std获取到yaf_request_object的地址，然后(yaf_request_object)->uri，就可以了。这样性能就会有较为明显的提升。

所有的Yaf提供的类都被重写成这种形式，但这样以来就需要模拟PHP的对象行为，让用户在PHP脚本中也想获取Yaf_Request对象的uri属性的时候，也可以正常访问。

另外，就是对缓存友好的提升，除了尽量降低内存使用以外，举一个例子：比如原来的时候，对全局变量的使用较多, 主要是指YAF_G()，这样对于一些很热点的函数来说，如果使用了太多的全局变量，对缓存也不够友好，于是把很多flag类的字段，收敛到了对象本身，比如对于Yaf_Loader, 他需要关注是否启用了use_spl_autoload, name_suffix, name_separtor以及lowercase_path等多个flag，原来都是需要访问Yaf_G(). 现在统一都收敛到了yaf_loader_object->flags中。(实际上是复用了std.properties_table[0].u2.var_flags字段作为flags，没有新增内存)

#define YAF_LOADER_FLAGS(loader)  YAF_VAR_FLAGS(loader->std.properties_table[0])typedef struct {    zend_object std;    zend_string *library;    zend_string *glibrary;    zend_array  *properties;} yaf_loader_object

PSR-4 Autoloading

另外这次对自动加载器新增了部分PSR-4的支持，用户现在可以申明一个namespace的加载路径:

Yaf_Loader::getInstance()->registerNamespace(“\Foo\Bar”, “/var/lib/foo”);

那么所有在\Foo\Bar命名空间下的类就会从/var/lib/foo目录下查找：

\Foo\Bar\Dummy  -> /var/lib/foo/Dummy.php

当然你也可以在配置文件中注册namespace path:

application.library.namespace./Foo/Bar=“/var/lib/foo”

不过为了兼容老的加载协议，下划线还是会被认为是目录分割符

\Foo\Bar\Ver_Don -> /var/lib/foo/Ver/Don.php

性能提升

这次的重构本质上还是为了性能提升，那实际效果如何呢？

为了能较为真实的反应测试，我采用了Yaf代码下的demo生成器tool/cg/yaf_cg来生成一个完整的Yaf应用框架，然后通过cachegrind来详细对比。

tools/cg/yaf_cg -d yaf

首先php-7.4 , yaf-3.1.4, 跑1000次 :

 valgrind --tool=cachegrind /path-to-php74/bin/php-cgi -T 1000 index.php

Elapsed time: 6.020169 sec==11203====11203== I   refs:      232,666,798==11203== I1  misses:      3,669,999==11203== LLi misses:         10,163==11203== I1  miss rate:        1.57%==11203== LLi miss rate:        0.00%==11203====11203== D   refs:      102,960,876  (61,041,772 rd   + 41,919,104 wr)==11203== D1  misses:      5,065,700  ( 2,386,201 rd   +  2,679,499 wr)==11203== LLd misses:        909,412  (   363,850 rd   +    545,562 wr)==11203== D1  miss rate:         4.9% (       3.9%     +        6.3%  )==11203== LLd miss rate:         0.8% (       0.5%     +        1.3%  )==11203====11203== LL refs:         8,735,699  ( 6,056,200 rd   +  2,679,499 wr)==11203== LL misses:         919,575  (   374,013 rd   +    545,562 wr)==11203== LL miss rate:          0.2% (       0.1%     +        1.3%  )==11203====11203== Branches:       44,906,888  (42,750,345 cond +  2,156,543 ind)==11203== Mispredicts:     4,112,611  ( 3,492,036 cond +    620,575 ind)==11203== Mispred rate:          9.1% (       8.1%     +       28.7%   )

然后php-7.4 yaf-3.2.0 也跑1000次:

Elapsed time: 4.658264 sec==18814====18814== I   refs:      171,236,262==18814== I1  misses:      2,940,070==18814== LLi misses:         10,007==18814== I1  miss rate:        1.71%==18814== LLi miss rate:        0.00%==18814====18814== D   refs:       75,584,870  (44,264,393 rd   + 31,320,477 wr)==18814== D1  misses:      4,302,787  ( 1,956,414 rd   +  2,346,373 wr)==18814== LLd misses:        908,224  (   363,351 rd   +    544,873 wr)==18814== D1  miss rate:         5.6% (       4.4%     +        7.4%  )==18814== LLd miss rate:         1.2% (       0.8%     +        1.7%  )==18814====18814== LL refs:         7,242,857  ( 4,896,484 rd   +  2,346,373 wr)==18814== LL misses:         918,231  (   373,358 rd   +    544,873 wr)==18814== LL miss rate:          0.3% (       0.1%     +        1.7%  )==18814====18814== Branches:       32,043,848  (30,444,567 cond +  1,599,281 ind)==18814== Mispredicts:     3,033,847  ( 2,460,365 cond +    573,482 ind)==18814== Mispred rate:          9.4% (       8.0%     +       35.8%   )

对比结果: