浅谈 PHP Yaf 开启session之后对响应头的影响

　　当使用PHP Yaf框架，如果某个 Action 在返回响应（输出页面或者返回json）之前，启用了session，那么将会在响应头里面加上强制不缓存的响应头，也就是如下的三个响应头。
　　
　　Expires: Thu, 19 Nov 1981 08:52:00 GMT
　　
　　Cache-Control: no-store, no-cache, must-revalidate
　　
　　Pragma: no-cache
　　
　　测试代码
　　
　　class IndexController extends Yaf_Controller_Abstract {
　　
　　// 带有session
　　
　　public function sessionAction() {
　　
　　$sessionInstance = \Yaf_Session::getInstance();
　　
　　$this->getView()->assign("content", "Hello World");
　　
　　$this->display("index");
　　
　　return false;
　　
　　}
　　
　　// 没有session
　　
　　public function noSessionAction() {
　　
　　$this->getView()->assign(www.fengshen157.com"content", "Hello World");
　　
　　$this->display("index");
　　
　　return false;
　　
　　}
　　
　　}
　　
　　启用session的请求响应
　　
　　$ curl -si http://127.0.0.1/index/session
　　
　　HTTP/1.1 200 OK
　　
　　Server: openresty/1.11.2.5
　　
　　Date: Wed, 20 Feb 2019 02:54:47 GMT
　　
　　Content-Type: text/html; charset=UTF-8
　　
　　Transfer-Encoding: chunked
　　
　　Connection: keep-alive
　　
　　X-Powered-By: PHP/7.0.25
　　
　　Set-Cookie: PHPSESSID=lf72vsbla12b2431evhp9mq7l6; path=/
　　
　　Expires: Thu, 19 Nov 1981 08:52:00 GMT
　　
　　Cache-Control: no-store,www.078881.cn no-cache, must-revalidate
　　
　　Pragma: no-cache
　　
　　<html>
　　
　　<head>
　　
　　<title>Hello World<www.tianshengyuLe1.cn /title>
　　
　　</head>
　　
　　<body>
　　
　　Hello World </body>
　　
　　</html>
　　
　　未启用session的请求响应
　　
　　$ curl -si http://127.0.0.1/index/nosession
　　
　　HTTP/1.1 200 OK
　　
　　Server: openresty/1.11.2.5
　　
　　Date: Wed, 20 Feb 2019 02:54:40 GMT
　　
　　Content-Type: text/html;www.yinxionghui1.com charset=UTF-8
　　
　　Transfer-Encoding: chunked
　　
　　Connection: keep-alive
　　
　　X-Powered-By: PHP/7.0.25
　　
　　<html>
　　
　　<head>
　　
　　<title>Hello World</title>
　　
　　</head>
　　
　　<body>
　　
　　Hello World </body>
　　
　　</html>
　　
　　整个框架以C API为界，分为前端和后端两大部分。
　　
　　前端：提供编程模型，多语言的接口支持，比如Python Java C++等。通过C API建立前后端的连接，后面详细讲解。
　　
　　后端：提供运行环境，完成计算图的执行。进一步分为4层
　　
　　运行时：分为分布式运行时和本地运行时，负责计算图的接收，构造，编排等。
　　
　　计算层：提供各op算子的内核实现，例如conv2d, relu等
　　
　　通信层：实现组件间数据通信，基于GRPC和RDMA两种通信方式
　　
　　设备层：提供多种异构设备的支持，如CPU GPU TPU FPGA等
　　
　　模型构造和执行流程
　　
　　TensorFlow的一大特点是，图的构造和执行相分离。用户添加完算子，构建好整图后，才开始进行训练和执行，也就是图的执行。大体流程如下
　　
　　图构建：用户在client中基于TensorFlow的多语言编程接口，添加算子，完成计算图的构造。
　　
　　图传递：client开启session，通过它建立和master之间的连接。执行session.run()时，将构造好的graph序列化为graphDef后，以protobuf的格式传递给master。
　　
　　图剪枝：master根据session.run()传递的fetches和feeds列表，反向遍历全图full graph，实施剪枝，得到最小依赖子图
　　
　　图分裂：master将最小子图分裂为多个Graph Partition，并注册到多个worker上。一个worker对应一个Graph Partition。
　　
　　图二次分裂：worker根据当前可用硬件资源，如CPU GPU，将Graph Partition按照op算子设备约束规范（例如tf.device('/cpu:0')，二次分裂到不同设备上。每个计算设备对应一个Graph Partition。
　　
　　图运行：对于每一个计算设备，worker依照op在kernel中的实现，完成op的运算。设备间数据通信可以使用send/recv节点，而worker间通信，则使用GRPC或RDMA协议。
　　
　　3 前端多语言实现 - swig包装器
　　
　　TensorFlow提供了很多种语言的前端接口，使得用户可以通过多种语言来完成模型的训练和推断。其中Python支持得最好。这也是TensorFlow之所以受欢迎的一大原因。前端多语言是怎么实现的呢？这要归功于swig包装器。
　　
　　swig是个帮助使用C或者C++编写的软件能与其它各种高级编程语言进行嵌入联接的开发工具。在TensorFlow使用bazel编译时，swig会生成两个wrapper文件
　　
　　pywrap_tensorflow_internal.py：对接上层Python调用
　　
　　pywrap_tensorflow_internal.cc：对接底层C API调用。
　　
　　pywrap_tensorflow_internal.py 模块被导入时，会加载_pywrap_tensorflow_internal.so动态链接库，它里面包含了所有运行时接口的符号。而pywrap_tensorflow_internal.cc中，则注册了一个函数符号表，实现Python接口和C接口的映射。运行时，就可以通过映射表，找到Python接口在C层的实现了。
　　
　　4 tensorflow 源码结构
　　
　　TensorFlow源码基本也是按照框架分层来组织文件的。如下
　　
　　其中core为tf的核心，它的源码结构如下
　　
　　5 总结
　　
　　TensorFlow框架设计精巧，代码量也很大，我们可以从以下部分逐步学习
　　
　　TensorFlow内核架构和源码结构。先从全局上对框架进行理解。
　　
　　前后端连接的桥梁--Session，重点理解session的生命周期，并通过相关源码可以加深理解Python前端如何调用底层C实现。
　　
　　TensorFlow核心对象—Graph。图graph是TensorFlow最核心的对象，基本都是围绕着它来进行的。graph的节点为算子operation，边为数据tensor。
　　
　　TensorFlow图的节点 -- Operation。operation是图graph的节点，承载了计算算子。
　　
　　TensorFlow图的边 -- Tensor。Tensor是图graph的边，承载了计算的数据。
　　
　　TensorFlow本地运行时。
　　
　　TensorFlow分布式运行时。和本地运行时有一些共用的接口，但区别也很大。
　　
　　TensorFlow设备层。主要了解设备层的定义规范，以及实现。
　　
　　TensorFlow队列和并行运算。
　　
　　TensorFlow断点检查checkpoint，模型保存Saver，以及可视化tensorboard。这三个为TensorFlow主要的工具。