PHP 内核开发的一些备忘录

本人已经没有力气维护这篇文章了，所以大量内容已经过期。如果你想看我对 php 内核的贡献，可以看：https://github.com/php/php-src/commits?author=LamentXU123

我从事 php 语言的内核开发一年多了。一直有很多想法和经验总是忘记。遂写一篇类似与小记的博客记录一下。

我正在经历极其严重的存在主义危机......我不知道活着的意义是什么，我不知道我有什么用......哈哈。

AI 时代，没有人在意你对某一个“衰落”的语言的热爱。人们只想怎么把手里的 token 变成白花花的银子。

我想提醒大家。Amateur （adj.业余的）在当今意味着不专业，暗示着低水平。但他的拉丁词源，意味着热爱。这样的情感是多么强大的 AI 智能体都无法取得的。

请停止使用功利的眼光看待一切...... 请使那些，在 AI agent 的循环自慰下逐渐腐蚀和麻木的灵魂远离我们引以为傲的开源社区。TiA。

DONE

以下是我对 PHP 做的改动（不包含性能优化，重构以及 bugfix，仅为明显的行为改动）

PHP 8.6

RFC

• php 的 trim，ltrim，rtrim，chop 函数应支持 form feed。PHP.WATCH, RFC
• deprecate 掉 metaphone 函数。RFC

安全漏洞

• SOAP client 解析 HTTP 请求的 array index 值时有 signed integer overflow。
• 等待披露
• 等待披露

其他重大改动

• 在 PHP 运算中 ** / << / >> 三个运算符对 float 运算时可能出现精度丢失的情况下输出 deprecate 信息。
• 在 phar 文件中支持添加以 .phar 为名称前缀（但名称不完全等于 .phar）的文件夹

其他微小改动

• 当 linkinfo 的参数为空字符串时，抛出 ValueError。
• 当 getenv 的第一个参数包含 NUL 时，抛出 ValueError。
• 当 putenv 的参数包含 NUL 时，抛出 ValueError。
• 当 zip/deflate_init 的 $options 中任意项不为 long 时，抛出 TypeError。
• 当 zip/inflate_init 的 $options 中任意项不为 long 时，抛出 TypeError。
• 拒绝 proc_open 中含有 NUL 字节的 $cwd 参数。
• 拒绝 parse_string 中含有 NUL 字节的 $string 参数。
• pcntl_exec 现在会检查其参数是不是一个 list array。
• 将一个 non-stringable 的 object 当成 intl 时区传入时，抛出 TypeError。
• IntlBreakIterator::getLocale 的参数不为 Locale::ACTUAL_LOCALE 或 Locale::VALID_LOCALE 时抛出 ValueError。
• xml_parser_set_option($xmlParser, XML_OPTION_SKIP_TAGSTART, $value); 的 $value 参数值现在必须是一个 int/bool 或只有数字的字符串，否则抛出 Warning。

TODO

Zend 内核

新 API

• 添加 inline 的 helper function，分别是
  • zend_bin2hex()
  • zend_bin2hex_upper()
  • zend_bin2hex_str()`

这是因为内核里有很多扩展依赖 ext/hash，这本身没什么问题，但是这个依赖仅仅是要调用 ext/hash/php_hash 的 php_hash_bin2hex。这些功能很简单。所以我们可以把这些 bin2hex 的东西做成 Zend 里内置的 API，直接给 ext 使用。这样可以避免很多 ext 依赖于 ext/hash。

• 添加 inline 的 helper function，分别是
  • zend_str_append_char_to_raw
  • zend_str_concat_to_raw
  • zend_str_concat3_to_raw

现在，我们有很多 zend_str_* 的 helper 可以完成 zend_string 的拼接。但是对于 C char，利用这些 helper 会多进行一次内存的 allocation，导致性能下降，因此，所有对于 C char 拼接的场景我们都是用原始的 memchr 方式。这样会导致代码的可读性降低。我们可以实现这些 helper 来帮助我们进行 C char 的拼接。

API 改进

• 重写 zend_string_concat2 和 zend_string_concat3。这两个 inline helper 被大量使用，却没有检查字符串长度是否超出边界。理想情况下我们应该重写这些函数，在拼接前检查一下长度之和是否超出字符串最大长度以防止溢出。
• 对以下函数
  • ext/zlib deflate_init
  • ext/zlib inflate_init
  • ...

用 zval_try_get_* 替换 zval_get_*。zval_get_*系列的函数，比如 zval_get_long，会直接强制把 zval 类型的参数转化为 long。这个强转甚至是静默的。所以在我看来任何人都不应该用这个函数（它应该被 deprecated）。我们应当审计所有该函数的应用场景并换成更严格的 zval_try_get_*，以在强制转换时抛出 TypeError/ValueError。

性能优化

• 对以下函数
  • 优化 ext/zip php_zip_glob
  • 优化 ext/zip php_zip_pcre
  • 优化 ext/uri fill_errors
  • ...

php代码库中有很多地方采用 array_init 来初始化数组。这个函数会先计算参数的长度，分配内存再创建数组。很多情况下我们在初始化之前就知道数组的长度了。因此，可以使用 array_init_size 函数直接分配内存创建数组，省去计算长度的一部分以达到性能优化。

• 对以下函数
  • 优化 ext/json php_json_pretty_print_indent
  • 优化 ext/uri php_uri_parser_rfc3986_path_read
  • 优化 ext/uri php_uri_parser_rfc3986_path_host
  • ...

这些函数中都多多少少涉及到利用循环的方式动态扩容字符串/数组长度的行为。我们可以使用分配（pre-allocation）的方式一次性将长度计算完全后直接分配所有内存，避免在循环体中多次动态扩容，以在复杂场景（即，假设使用优化前版本需要循环很多次的场景）下带来巨量优化。

ext

• php 的 password_verify 函数里的密码会被 NUL 截断。这主要是因为 php 的 bcrypt 实现是完全用 C char 写的。我们应该整个用 zend_string 重写一遍这个实现 （ps：巨大工作量）
• 对以下函数进行如下描述中的改动
  • linkinfo
  • putenv
  • getenv
  • proc_open
  • parse_string
  • ...

检查所有 ext 的函数在参数中包含空 and/or 含 NUL 的字符串时是否能正常工作。如果不能，抛出 ValueError。

• 重写整个 RecursiveArrayIterator 的逻辑。目前该类会存储 bucket pointer。这是一种相当危险的行为（i.e. 导致静默的内存泄露），而且已经使 UAF 在任意版本中的存在。

• OpenSSL 对于证书的处理用的是 libc 的 mktime，然后因为微软死了亲妈导致经典的 2038 问题，这个时间在 windows 系统上一旦超过 2038 年就会溢出。我们要重写这个实现避免使用微软的傻逼接口。

• declare(encoding=...) 在 encoding 为 ASCII 或 UTF-8 这种不是 multibyte 的编码方式时，在 zend.multibyte=0 时仍会导致关于 multibyte 的 warning 出现。

RFC

• deprecate 掉 open_basedir。（我知道听起来很疯狂。我懒得解释为什么...）
• deprecate 掉 soundex 函数。
• deprecate 掉 php://dechunk 的 filter。
• php 的 UUID 扩展。

研究

• __PHP_Incomplete_Class
• Reflection