python flask + gunicorn + docker部署生成环境
制作Python Flask项目的Docker镜像及部署
无论是安装一些开源软件，还是对自家项目的部署，更多推荐大家使用Docker的方式，能省去很多的麻烦事。
使用docker部署有很多好处，例如：
构建一次后打包就可以用作测试环境，也可以用作生产环境或与预生产环境，省去了很多测试环节。
可以解决开发人员部署环境的困难。
应用隔离，服务器整合，一个服务器可以用docker部署多套业务，并且隔离性很高。
减少资源的利用，和虚拟机比较省去了很多不必要的资源。
对运维来说，可以快速地进行扩容
每个小的服务都可以进行集群，docker对资源的利用比较小，可以在一台服务器启动多台。
可以多平台部署。
要了解更多有关docker的实战相关，可关注我的Docker实战合集。
docker打包flask
下面拿个我在实际项目中使用的方式来介绍，对Python项目如何使用Docker进行打包和部署。实际项目中，我主要使用了如下：
- 将源码打包进docker镜像里，这样更方便进行自动化构建部署，即持续集成，持续部署。
- 使用了gunicorn + gevent方式启动Flask应用，根据CPU的数量启动相应的进程和线程数，以提高单机的并发能力。
- 日志暂时使用loguru进行演示。
整体的目录结构如下：
[root@drccentosserver02 zll202209]# tree . └── flask_demo01 ├── Dockerfile └── src ├── gunicorn.conf.py ├── requirements.txt └── server.py 2 directories, 4 files [root@drccentosserver02 zll202209]# 1. 准备个的Flask应用
server.py 如下：
from flask import Flask, jsonify from flask_cors import * import os, traceback, time from loguru import logger log_path = f"../logs" if not os.path.exists(log_path): os.makedirs(log_path) t = time.strftime("%Y_%m_%d") log_path_file = f"{log_path}/interface_log_{t}.log" def setup_logging(): logger.add(log_path_file, rotation="10 MB", retention="90 days", encoding="utf-8", level='INFO', compression="tar.gz") setup_logging() app = Flask(__name__) app.config['JSON_AS_ASCII'] = False CORS(app, supports_cordentials=True) @app.route('/test', methods=['POST', 'GET']) def test(): try: resultObj = {'code': 0, 'message': 'success'} return jsonify(resultObj) except Exception as e: logger.error(f'业务异常:{e.__dict__},traceback={traceback.format_exc()}') resultObj = {'code': 1000, 'message': 'Service running exception'} return jsonify(resultObj) if __name__ == '__main__': app.run(host='0.0.0.0', port=8080, debug=False)2. 导出项目依赖requirements.txt
这里更推荐使用2.2的方式，直接导出项目的依赖，这样包会少很多
2.1 导出当前环境依赖包
导出内容为当前环境所有依赖包及对应版本: pip freeze > ./requirements.txt 安装依赖包： pip install -r requirements.txt2.2 导出项目依赖包
将路径切换到需要生成依赖的项目的根目录下 pip install pipreqs > pipreqs ./ 执行完后，在这个项目下会生成一个requirements.txt文件，里面记录了该项目所用到的依赖 获得了依赖包，就可以在新环境下安装依赖包的模块：pip install -r requirements.txt pipreqs ./ --encoding=utf8 如果报错如下： (yolov5) PS C:\myself\workGitLab\dining-pos> pipreqs ./ Traceback (most recent call last): ... candidates = get_all_imports(input_path, File "c:\anaconda3\envs\yolov5\lib\site-packages\pipreqs\pipreqs.py", line 122, in get_all_imports contents = f.read() UnicodeDecodeError: 'gbk' codec can't decode byte 0x86 in position 92: illegal multibyte sequence 打开：c:\anaconda3\envs\yolov5\lib\site-packages\pipreqs\pipreqs.py file_name = os.path.join(root, file_name) # with open_func(file_name, "r", encoding=encoding) as f: 将此行的编码改掉即可. with open_func(file_name, "r", encoding='utf-8') as f: contents = f.read()3. 项目依赖requirements.txt
这里建议加上Jinja2与Werkzeug的版本，因为不同的Flask依赖不同的Jinjia与Werkzeug版本，导出依赖时，有时导不全，这些都要实际项目过程中不断完善，由于实际项目中Flask不建议直接部署生产环境，这里使用了gunicorn + gevent的方式部署多实例，所以加上了相应依赖。
增加itsdangerous，是因为Flask 1.1.2版本的问题，需要解决ImportError: cannot import name 'json' from 'itsdangerous' 的问题。
以下是准备的 requirements.txt
Flask==1.1.2 Flask_Cors==3.0.10 loguru==0.5.3 Jinja2==3.0.3 Werkzeug==1.0.1 itsdangerous==1.1.0 gunicorn==20.1.0 gevent==21.12.04. 准备gunicorn.conf.py
gunicorn配置文件
import multiprocessing, os # 预加载资源 preload_app = True # 绑定 ip + 端口 PORT = os.environ.get("PORT") bind = f"0.0.0.0:{PORT}" # 进程数 = cup数量 * 2 + 1 workers = multiprocessing.cpu_count() * 2 + 1 # 线程数 = cup数量 * 2 threads = multiprocessing.cpu_count() * 2 # 等待队列最大长度,超过这个长度的链接将被拒绝连接 backlog = 2048 # 工作模式--协程 worker_class = "gevent" # 最大客户客户端并发数量,对使用线程和协程的worker的工作有影响 # 服务器配置设置的值 1200：中小型项目 上万并发： 中大型 # 服务器硬件：宽带+数据库+内存 # 服务器的架构：集群 主从 # worker_connections = 1200 # 访问记录 记录到标准输出 accesslog = '-' errorlog = '-'5. 准备Dockerfile
FROM python:3.8 LABEL maintainer="xxxxx" WORKDIR /opt/demo COPY ./src . RUN ln -sf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime RUN pip install --no-cache-dir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple ENV LANG C.UTF-8 ENV PYTHONUNBUFFERED=1 CMD ["gunicorn", "-c", "./gunicorn.conf.py", "server:app"]6. 构建docker镜像
cd flask_demo01 docker build -t flask_demo01:1.0 . 构建完成后通过docker images查看，即有构建成功的镜像flask_demo01 [root@drccentosserver02 flask_demo01]# docker images REPOSITORY TAG IMAGE ID CREATED SIZE flask_demo01 1.0 22982155ee89 5 minutes ago 953MB7. 运行docker镜像
docker run -e TZ=Asia/Shanghai -d --restart=always \-p 7777:7777 \--name my_container_name \-v /opt/flask_demo/logs:/opt/logs \-w /opt/flask_demo \--env PORT=7777 \--log-opt max-size=10m \--log-opt max-file=1 \flask_demo01:1.08. 测试请求
[root@drccentosserver02 flask_demo01]# curl -XGET 'http://127.0.0.1:7777/test'{"code":0,"message":"success"}[root@drccentosserver02 flask_demo01]# 9. 其他
查看正在运行的docker容器：docker ps[root@drccentosserver02 flask_demo01]# docker psCONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES0dccxx flask_demo01:1.0 "gunicorn -c…" 6.. 6.. 0.0.0.0:7777->7777/tcp, :::7777->7777/tcp my_container_name进入容器：docker exec -it my_container_name /bin/bash查看进程：top例如：top - 17:21:54 up 211 days, 22:45, 0 users, load average: 0.91, 0.65, 0.55Tasks: 12 total, 1 running, 11 sleeping, 0 stopped, 0 zombie%Cpu(s): 2.1 us, 2.9 sy, 0.0 ni, 94.5 id, 0.4 wa, 0.0 hi, 0.0 si, 0.1 stMiB Mem : 7982.1 total, 153.0 free, 4161.5 used, 3667.7 buff/cacheMiB Swap: 0.0 total, 0.0 free, 0.0 used. 3131.6 avail Mem PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND 41 root 20 0 8868 1920 1444 R 0.3 0.0 0:00.01 top 1 root 20 0 68816 33040 6248 S 0.0 0.4 0:01.19 gunicorn 8 root 20 0 72652 30828 2724 S 0.0 0.4 0:00.48 gunicorn 9 root 20 0 72664 30952 2808 S 0.0 0.4 0:00.47 gunicorn 10 root 20 0 72632 30712 2624 S 0.0 0.4 0:00.47 gunicorn 11 root 20 0 72632 30712 2620 S 0.0 0.4 0:00.49 gunicorn 12 root 20 0 72632 30720 2628 S 0.0 0.4 0:00.46 gunicorn 13 root 20 0 72632 30720 2628 S 0.0 0.4 0:00.47 gunicorn 14 root 20 0 72632 30920 2804 S 0.0 0.4 0:00.48 gunicorn 15 root 20 0 72632 30712 2620 S 0.0 0.4 0:00.49 gunicorn 16 root 20 0 72632 30716 2624 S 0.0 0.4 0:00.50 gunicorn 34 root 20 0 5976 2064 1628 S 0.0 0.0 0:00.05 bash 可以看到使用gunicorn+gevent的方式，启动了多个Flask应用docker问题可关注我的合集：docker实战，如有其他问题，欢迎沟通交流。
版权声明：内容来源于互联网和用户投稿 如有侵权请联系删除