Docker部署Python项目Flask+Gunicorn到生产环境示例
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。
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
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 ps
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
0dccxx 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, 0.55
Tasks: 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 st
MiB Mem : 7982.1 total, 153.0 free, 4161.5 used, 3667.7 buff/cache
MiB 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。
