Flask 部署和分发

Posted Erick - LONG

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Flask 部署和分发相关的知识,希望对你有一定的参考价值。

到目前为止,启动Flask应用都是通过”app.run()”方法,在开发环境中,这样固然可行,不过到了生产环境上,势必需要采用一个健壮的,功能强大的Web应用服务器来处理各种复杂情形。同时,由于开发过程中,应用变化频繁,手动将每次改动部署到生产环境上很是繁琐,最好有一个自动化的工具来简化持续集成的工作。本篇,我们就会介绍如何将上一篇中Flask的应用程序自动打包,分发,并部署到像Apache, nginx等服务器中去。

使用setuptools打包Flask应用

首先,你要了解基本的使用setuptools打包分发Python应用程序的方法。接下来,就让我们开始写一个”setup.py”文件:

from setuptools import setup
 
setup(
    name=MyApp,
    version=1.0,
    long_description=__doc__,
    packages=[myapp,myapp.main,myapp.admin],
    include_package_data=True,
    zip_safe=False,
    install_requires=[
        Flask>=0.10,
        Flask-Mail>=0.9,
        Flask-SQLAlchemy>=2.1
    ]
)

把文件放在项目的根目录下。另外,还要写一个”MANIFEST.in”文件:

recursive-include myapp/templates *
recursive-include myapp/static *

编写完毕后,你可以创建一个干净的虚拟环境,然后运行安装命令试下效果。

python setup.py install

使用Fabric远程部署Flask应用

同样,你需要先了解如何使用Fabric来远程部署Python应用。然后,我们来编写”fabfile.py”文件:

from fabric.api import *
 
env.hosts = [example1.com, example2.com]
env.user = bjhee
 
def package():
    local(python setup.py sdist --formats=gztar, capture=False)
 
def deploy():
    dist = local(python setup.py --fullname, capture=True).strip()
    put(dist/%s.tar.gz % dist, /tmp/myapp.tar.gz)
    run(mkdir /tmp/myapp)
    with cd(/tmp/myapp):
        run(tar xzf /tmp/myapp.tar.gz)
        run(/home/bjhee/virtualenv/bin/python setup.py install)
    run(rm -rf /tmp/myapp /tmp/myapp.tar.gz)
    run(touch /var/www/myapp.wsgi)

上例中,”package”任务是用来将应用程序打包,而”deploy”任务是用来将Python包安装到远程服务器的虚拟环境中,这里假设虚拟环境在”/home/bjhee/virtualenv”下。安装完后,我们将”/var/www/myapp.wsgi”文件的修改时间更新,以通知WSGI服务器(如Apache)重新加载它。对于非WSGI服务器,比如uWSGI,这条语句可以省去。

编写完后,运行部署脚本测试下:

fab package deploy

使用Apache+mod_wsgi运行Flask应用

Flask应用是基于WSGI规范的,所以它可以运行在任何一个支持WSGI协议的Web应用服务器中,最常用的就是Apache+mod_wsgi的方式。上面的Fabric脚本已经完成了将Flask应用部署到远程服务器上,接下来要做的就是编写WSGI的入口文件”myapp.wsgi”,我们假设将其放在Apache的文档根目录在”/var/www”下。

activate_this = /home/bjhee/virtualenv/bin/activate_this.py
execfile(activate_this, dict(__file__=activate_this))
 
import os
os.environ[PYTHON_EGG_CACHE] = /home/bjhee/.python-eggs
 
import sys;
sys.path.append("/var/www")
 
from myapp import create_app
import config
application = create_app(config)

注意上,你需要预先创建配置文件”config.py”,并将其放在远程服务器的Python模块导入路径中。上例中,我们将”/var/www”加入到了Python的模块导入路径,因此可以将”config.py”放在其中。另外,记得用setuptools打包时不能包括”config.py”,以免在部署过程中将开发环境中的配置覆盖了生产环境。

在Apache的”httpd.conf”中加上脚本更新自动重载和URL路径映射:

WSGIScriptReloading On
WSGIScriptAlias /myapp /var/www/myapp.wsgi

重启Apache服务器后,就可以通过”http://example1.com/myapp”来访问应用了。

使用Nginx+uWSGI运行Flask应用

要先准备好Nginx+uWSGI的运行环境,然后编写uWSGI的启动文件”myapp.ini”:

[uwsgi]
socket=127.0.0.1:3031
callable=app
mount=/myapp=run.py
manage-script-name=true
master=true
processes=4
threads=2
stats=127.0.0.1:9191
virtualenv=/home/bjhee/virtualenv

再修改Nginx的配置文件,Linux上默认是”/etc/nginx/sites-enabled/default”,加上目录配置:

location /myapp {
    include uwsgi_params;
    uwsgi_param SCRIPT_NAME /myapp;
    uwsgi_pass 127.0.0.1:3031;
}

重启Nginx和uWSGI后,就可以通过”http://example1.com/myapp”来访问应用了。

你也可以将我们的应用配置为虚拟服务器,只需要将上述uWSGI的配置移到虚拟服务器的配置文件中即可。关于Nginx虚拟服务器的配置,可以参考我之前的文章

使用Tornado运行Flask应用

Tornado的强大之处在于它是非阻塞式异步IO及Epoll模型,采用Tornado的可以支持数以万计的并发连接,对于高并发的应用有着很好的性能。使用Tornado来运行Flask应用很简单,只要编写下面的运行程序,并执行它即可:

from tornado.wsgi import WSGIContainer
from tornado.httpserver import HTTPServer
from tornado.ioloop import IOLoop
from myapp import create_app
import config
 
app = create_app(config)
 
http_server = HTTPServer(WSGIContainer(app))
http_server.listen(5000)
IOLoop.instance().start()

之后你就可以通过”http://example1.com:5000″来访问应用了

使用Gunicorn运行Flask应用

Gunicorn是一个Python的WSGI Web应用服务器,是从Ruby的Unicorn移植过来的。它基于”pre-fork worker”模型,即预先开启大量的进程,等待并处理收到的请求,每个单独的进程可以同时处理各自的请求,又避免进程启动及销毁的开销。不过Gunicorn是基于阻塞式IO,并发性能无法同Tornado比。另外,Gunicorn同uWSGI一样,一般都是配合着Nginx等Web服务器一同使用。

让我们先将应用安装到远程服务器上,然后采用Gunicorn启动应用,使用下面的命令即可:

gunicorn run:app

解释下,因为我们的应用使用了工厂方法,所以只在run.py文件中创建了应用对象app,gunicorn命令的参数必须是应用对象,所以这里是”run:app”。现在你就可以通过”http://example1.com:8000″来访问应用了。默认监听端口是8000。

假设我们想预先开启4个工作进程,并监听本地的5000端口,我们可以将启动命令改为:

gunicorn -w 4 -b 127.0.0.1:5000 run:app

 

以上是关于Flask 部署和分发的主要内容,如果未能解决你的问题,请参考以下文章

Flask 蓝图进行路由分发

Flask之蓝图

在服务器上部署Flask代码(从单进程到多进程)

Flask 学习-91.使用 gunicorn 部署 flask

使用 EBS 部署多容器 docker 环境(flask 和 nginx)

手把手教你用 Flask,Docker 和 Kubernetes 部署Python机器学习模型(附代码)