2. flask**如何部署
3. 基於docker的flask**部署
flask+gunicorn+nginx是最常用的flask部署方案,大家深究過為何用這樣的搭配麼?
flask 是乙個web框架,而非web server,直接用flask拉起的web服務僅限於開發環境使用,生產環境不夠穩定,也無法承受大量請求的併發,在生茶環境下需要使用伺服器軟體來處理各種請求,如gunicorn、 nginx或apache,而gunicorn+nginx的搭配,好處多多,一方面基於nginx**gunicorn服務,在生產環境下能補充gunicorn服務在某些情況下的不足,另一方面,如果做乙個web**,除了服務外,還有很多靜態檔案需要被託管,這是nginx的強項,也是gunicorn不適合做的事情。所以,基於flask開發的**,部署時用gunicorn和nginx,是乙個很好的選擇。
1、為什麼需要nginx**gunicorn服務?
nginx功能強大,使用nginx有諸多好處,但用nginx**gunicorn服務,重點是解決「慢客戶端行為」給伺服器帶來的效能降低問題;另外,在網際網路上部署http服務時,還要考慮的「快客戶端響應」、ssl處理和高併發等問題,而這些問題在nginx上一併能搞定,所以在gunicorn服務之上加一層nginx反向**,是個一舉多得的部署方案。
2、為什麼會有「慢客戶端行為」帶來的服務效能降低問題?
伺服器和客戶端的通訊,我們簡略的分為三個部分:request,request handling,和response,即客戶端向伺服器發起請求,伺服器端響應並處理請求,和將請求結果返回客戶端,這三個過程。
通常,request handling這部分即服務端的計算,拼的是伺服器的效能,處理是比較高效和穩定的,而request和response部分,影響因素比較多,如果這三個過程放到同乙個程序中同步處理,如果request和response部分耗時比較多,會使計算資源被佔據並無法及時釋放,導致計算資源無法有效利用,降低伺服器的處理能力。
上述「慢客戶端行為」,指的就是request(或response)部分耗時比較多的情況,gunicorn恰好會把上面三個過程放到同乙個程序中,當出現「慢客戶端行為」時,效率很低:
gunicorn 是乙個pre-forking的軟體,這類軟體對低延遲的通訊,如負載均衡或服務間的互相通訊,是非常有效的。但pre-forking系統的不足是,每個通訊都會獨佔乙個程序,當向伺服器發出的請求多於伺服器可用的程序時,由於伺服器端沒有更多程序響應新的請求,其響應效率會降低。
對於web**或服務而言,由於request和response延時是不可控的,我們需要在考慮處理高延遲客戶端請求的情況。這些請求會佔據伺服器端的程序。當慢客戶端直接與服務通訊時,由於慢客戶端請求會佔據程序,可用於處理新請求的程序就會減少,如果有很多慢客戶端請求把所有程序都佔據後,新的請求只能等待有程序被釋放掉後,得到響應。另外,如果應用希望有更高的併發,伺服器與客戶端的通訊要更高效,非同步的通訊會比同步的通訊更有效。
nginx這類非同步的伺服器軟體擅長用很少的記憶體和cpu開銷來處理大量的請求。由於他們擅長於同時處理大量客戶端請求,所以慢客戶端請求對他們影響不大。就nginx而言,現在一般的伺服器硬體條件下,同時處理上萬個請求都不在話下。
所以把nginx擋在pre-forking服務前面處理請求是一種很好的選擇。nginx能夠非同步、高併發的響應客戶端request(慢客戶端請求對nginx影響不大),nginx一旦接收到的請求後立刻轉給gunicorn服務處理,處理結果再由nginx以response的形式發回給客戶端。這樣,整個服務端和客戶端的通訊,就由原來僅通過gunicorn的同步通訊,變成了基於nginx和gunicorn的非同步通訊,通訊效率和併發能力得到大大提公升。
用乙個伺服器軟體(如gunicorn)把flask寫好的應用拉起來
用nginx給上一步拉起的應用做乙個反向**
**涉及到的靜態檔案,用nginx做檔案託管
常見的伺服器軟體是gunicorn和uwsgi,由於gunicorn配置使用簡單,效率也不錯,gunicorn拉起flask**的配置極為簡單,所以通常用gunicorn來部署flask**是最常見的部署方案。(另,gevin個人還有乙個喜歡gunicorn的原因是,gunicorn是純python寫的,直接pip安裝即可,而uwsgi還要系統裝額外的依賴,這在與docker配合使用時,gunicorn的簡單性尤為突出)
對於靜態檔案的託管,由於在開發階段通常會基於flask框架做靜態檔案託管的實現,所以當用gunicorn拉起flask**時,**已經實現了基於gunicorn的檔案託管功能,所以配置nginx的靜態檔案託管url時,可以直接配置成與基於gunicorn託管一致的檔案路徑,這樣能簡化開發和部署的邏輯,而且由於nginx比gunicorn更靠外一層,客戶端請求靜態檔案時,nginx就直接返回response了,不用擔心會請求到gunicorn中去影響伺服器效率。
gunicorn安裝:
pip install gunicorn
server
location /media
location /static
}
其中,做反向**的配置是:
location /
做靜態檔案託管的配置是:
location /media
location /static
我這裡對兩個資料夾的檔案做了託管。
docker具有一次部署,到處執行的好處,把上述傳統部署的方法,封裝到docker image中,然後配合docker compose編排服務,在實踐中更方便。
# maintainer gevin
# docker-version 18.03.0-ce, build 0520e24
from python:3.6.5-alpine3.7
label maintainer=
mkdir -p /var/log/gunicorn
run pip install --no-cache-dir gunicorn && \
env port 8000
expose 8000 5000
cmd [
]
這裡,gevin直接用了最小的python-alpine映象作為基礎映象,大大減少了即將構建的flask應用映象的體積。對於alpine這種只有幾m的極簡image而言,不安裝其他系統依賴,直接pip install uwsgi就會報錯。
nginx上主要做反向**和靜態檔案託管,和上面的配置檔案一致,如:
server
location /media
location /static
}
這個配置檔案和上一章節的唯一區別是,第10行的proxy_pass http://blog:8000/; 這裡的反向**的服務為blog,是下面docker-compose中配置的octblog**服務。
octblog的docker-compose編排檔案如下:
version: '3'
services:
blog:
# restart: always
image: gevin/octblog:0.4.1
volumes:
env_file: .env
networks:
- webnet
mongo:
# restart: always
image: mongo:3.2
volumes:
- /users/gevin/projects/data/mongodb:/data/db
networks:
- webnet
blog-proxy:
# restart: always
image: nginx:stable-alpine
ports:
- "8080:80"
volumes:
- ./default.conf:/etc/nginx/conf.d/default.conf
- blog-static:/usr/share/nginx/html/static:ro
- blog-static:/usr/share/nginx/html/media:ro
networks:
- webnet
volumes:
blog-static:
networks:
webnet:
其中,為了讓多個服務能互通,建立了自定義的network webnet,為了讓檔案能在多個服務之間共享,公用了volume blog-static。
用乙個python wsgi http server來部署**,如:
green unicorn
uwsgi
mod_wsgi
cherrypy
用nginx做反向**
做好靜態檔案的託管
優秀的人都那麼努力,你有什麼理由不拼命努力! gunicorn 部署 flask 應用
一般比較習慣使用uwsgi進行部署django,flask應用。但,有時受許可權限制,無法安裝uwsgi,所以就使用gunicorn進行部署。之前使用python3的使用,發現 supervisor是不支援。所以就不打算用supervisor了。純粹介紹gunicorn 簡單部署方法,完整流程。環境...
Docker 部署 Flask 應用實踐
開啟docker 在專案目錄下編寫 dockerfile 檔案,以下是我專案中dockerfile檔案,並對每一行進行解讀 from python 3.6 專案的基礎映象為 python3.6 expose 8080 docker的指定出口埠為8080 run mkdir project name ...
Docker部署Flask應用的實現步驟
一 目的 本地寫好乙個flask應用,用docker封裝,上傳至自己的伺服器,完成部署。流程圖 二 實驗環境 本地 windows10 1909 伺服器 阿里雲centos系統 三 所需軟體 1.dockerdesktop 2.pycharm 2020.3.3 四 步驟 1.本地完成flask應用的...