zoukankan      html  css  js  c++  java
  • win 下 nginx 与 php的配置

    1、下载需要的软件包

    php的windows版本(*注意这里下载非线程安全的,nginx使用的是cgi)
    http://windows.php.net/download/
    
    win 下 nginx 与 php的配置 - 怀素真 - 因上努力 果上随缘
     
    nginx的windows版本
    http://nginx.org/en/download.html
    
    win 下 nginx 与 php的配置 - 怀素真 - 因上努力 果上随缘
     
    2、下载好后,分别把压缩包解压放入D:/nmp下。
    win 下 nginx 与 php的配置 - 怀素真 - 因上努力 果上随缘
     
    3、把php54下的php.ini-development文件复制一份,改名为php.ini
     
    4、修改php.ini如下:
    extension_dir = "D:/nmp/php54/ext"
    session.save_path = "D:/nmp/php54/tmp"
    extension=php_curl.dll
    extension=php_gd2.dll
    extension=php_mbstring.dll
    extension=php_mysql.dll
    extension=php_mysqli.dll
    extension=php_pdo_mysql.dll
    date.timezone = PRC
    enable_dl = On
    cgi.force_redirect = 0
    cgi.fix_pathinfo=1
    fastcgi.impersonate = 1
    cgi.rfc2616_headers = 1
    
    5、修改nginx18下conf/nginx.conf文件
    listen       80;
    server_name  localhost;
    
    #设置编码
    charset utf-8;
    
    location / {
    
        #设置网站根目录
        root   D:/wwwroot;
    
        #添加index.php
        index  index.html index.htm index.php;
    }
    
    location ~ .php$ {
    
        #设置为网站根目录
        root           D:/wwwroot;
    
        #fastcgi监听的端口,与php的cgi启动时指定的要一致
        fastcgi_pass   127.0.0.1:9000;
        fastcgi_index  index.php;
    
        #$document_root就是指前面root所指的站点路径
        fastcgi_param  SCRIPT_FILENAME  $document_root$fastcgi_script_name;
        include        fastcgi_params;
    }
    
    6、配置好后需要运行php的cgi,在cmd中输入:
    > php-cgi.exe -b 127.0.0.1:9000 -c D:/nmp/php54/php.ini
    
    (*要进入php54的目录下)
     
    7、启动nginx
    > nginx.exe -p D:/nmp/nginx18
    
    (*进入nginx18下)

    stop是快速停止nginx,可能并不保存相关信息

    > nginx.exe -s stop

    quit是完整有序的停止nginx,并保存相关信息

    > nginx.exe -s quit

    重新载入nginx

    > nginx.exe -s reload
    
     
  • 相关阅读:
    ORACLE 使用笔记
    Python资源大全,让你相见恨晚的Python库
    基于python的k-s值计算
    sklearn聚类模型:基于密度的DBSCAN;基于混合高斯模型的GMM
    skearn学习路径
    透彻形象理解核函数
    LDA降维与PCA降维对比
    sklearn 岭回归
    GBDT、XGBOOST、LightGBM对比学习及调参
    sklearn,交叉验证中的分层抽样
  • 原文地址:https://www.cnblogs.com/jkko123/p/6351707.html
Copyright © 2011-2022 走看看