python 微服务方案

介绍

使用python做web开发面临的一个最大的问题就是性能，在解决C10K问题上显的有点吃力。有些异步框架Tornado、Twisted、Gevent 等就是为了解决性能问题。这些框架在性能上有些提升，但是也出现了各种古怪的问题难以解决。

在python3.6中，官方的异步协程库asyncio正式成为标准。在保留便捷性的同时对性能有了很大的提升,已经出现许多的异步框架使用asyncio。

使用较早的异步框架是aiohttp，它提供了server端和client端，对asyncio做了很好的封装。但是开发方式和最流行的微框架flask不同，flask开发简单，轻量，高效。正是结合这些优点, 以Sanic为基础，集成多个流行的库来搭建微服务。 Sanic框架是和Flask相似的异步协程框架，简单轻量，并且性能很高。本项目就是以Sanic为基础搭建的python微服务框架。(思想适用于其他语言)

微服务设计原则个人总结:

X 轴 ：指的是水平复制，很好理解，就是讲单体系统多运行几个实例，做个集群加负载均衡的模式。
Z 轴 ：是基于类似的数据分区，比如一个互联网打车应用突然或了，用户量激增，集群模式撑不住了，那就按照用户请求的地区进行数据分区，北京、上海、四川等多建几个集群。简单理解数据库拆分,比如分库分表
Y 轴 ：就是我们所说的微服务的拆分模式，就是基于不同的业务拆分。

微服务总体架构:

    

特点

• 使用sanic异步框架，简单，轻量，高效。
• 使用uvloop为核心引擎，使sanic在很多情况下单机并发甚至不亚于Golang。
• 使用asyncpg为数据库驱动，进行数据库连接，执行sql语句执行。
• 使用aiohttp为Client，对其他微服务进行访问。
• 使用peewee为ORM，但是只是用来做模型设计和migration。
• 使用opentracing为分布式追踪系统。
• 使用unittest做单元测试，并且使用mock来避免访问其他微服务。
• 使用swagger做API标准，能自动生成API文档。

服务端

使用sanic异步框架，有较高的性能，但是使用不当会造成blocking, 对于有IO请求的都要选用异步库。添加库要慎重。
sanic使用uvloop异步驱动，uvloop基于libuv使用Cython编写，性能比nodejs还要高。

功能说明：

启动前

1.  
   @app.listener('before_server_start')
2.  
   async def before_srver_start(app, loop):
3.  
   queue = asyncio.Queue()
4.  
   app.queue = queue
5.  
   loop.create_task(consume(queue, app.config.ZIPKIN_SERVER))
6.  
   reporter = AioReporter(queue=queue)
7.  
   tracer = BasicTracer(recorder=reporter)
8.  
   tracer.register_required_propagators()
9.  
   opentracing.tracer = tracer
10.  
    app.db = await ConnectionPool(loop=loop).init(DB_CONFIG)

• 创建DB连接池
• 创建Client连接
• 创建queue, 消耗span，用于日志追踪
• 创建opentracing.tracer进行日志追踪

中间件

1.  
   @app.middleware('request')
2.  
   async def cros(request):
3.  
   if request.method == 'POST' or request.method == 'PUT':
4.  
   request['data'] = request.json
5.  
   span = before_request(request)
6.  
   request['span'] = span
7.  
    
8.  
    
9.  
   @app.middleware('response')
10.  
    async def cors_res(request, response):
11.  
    span = request['span'] if 'span' in request else None
12.  
    if response is None:
13.  
    return response
14.  
    result = {'code': 0}
15.  
    if not isinstance(response, HTTPResponse):
16.  
    if isinstance(response, tuple) and len(response) == 2:
17.  
    result.update({
18.  
    'data': response[0],
19.  
    'pagination': response[1]
20.  
    })
21.  
    else:
22.  
    result.update({'data': response})
23.  
    response = json(result)
24.  
    if span:
25.  
    span.set_tag('http.status_code', "200")
26.  
    if span:
27.  
    span.set_tag('component', request.app.name)
28.  
    span.finish()
29.  
    return response

• 创建span, 用于日志追踪
• 对response进行封装，统一格式

异常处理

对抛出的异常进行处理，返回统一格式

任务

创建task消费queue中对span，用于日志追踪

异步处理

由于使用的是异步框架，可以将一些IO请求并行处理

Example:

1.  
   async def async_request(datas):
2.  
   # async handler request
3.  
   results = await asyncio.gather(*[data[2] for data in datas])
4.  
   for index, obj in enumerate(results):
5.  
   data = datas[index]
6.  
   data[0][data[1]] = results[index]
7.  
    
8.  
   @user_bp.get('/<id:int>')
9.  
   @doc.summary("get user info")
10.  
    @doc.description("get user info by id")
11.  
    @doc.produces(Users)
12.  
    async def get_users_list(request, id):
13.  
    async with request.app.db.acquire(request) as cur:
14.  
    record = await cur.fetch(
15.  
    """ SELECT * FROM users WHERE id = $1 """, id)
16.  
    datas = [
17.  
    [record, 'city_id', get_city_by_id(request, record['city_id'])]
18.  
    [record, 'role_id', get_role_by_id(request, record['role_id'])]
19.  
    ]
20.  
    await async_request(datas)
21.  
    return record

get_city_by_id, get_role_by_id是并行处理。

相关连接

sanic

模型设计 & ORM

Peewee is a simple and small ORM. It has few (but expressive) concepts, making it easy to learn and intuitive to use。

ORM使用peewee, 只是用来做模型设计和migration, 数据库操作使用asyncpg。

Example:

1.  
   # models.py
2.  
    
3.  
   class Users(Model):
4.  
   id = PrimaryKeyField()
5.  
   create_time = DateTimeField(verbose_name='create time',
6.  
   default=datetime.datetime.utcnow)
7.  
   name = CharField(max_length=128, verbose_name="user's name")
8.  
   age = IntegerField(null=False, verbose_name="user's age")
9.  
   sex = CharField(max_length=32, verbose_name="user's sex")
10.  
    city_id = IntegerField(verbose_name='city for user', help_text=CityApi)
11.  
    role_id = IntegerField(verbose_name='role for user', help_text=RoleApi)
12.  
     
13.  
    class Meta:
14.  
    db_table = 'users'
15.  
     
16.  
     
17.  
    # migrations.py
18.  
     
19.  
    from sanic_ms.migrations import MigrationModel, info, db
20.  
     
21.  
    class UserMigration(MigrationModel):
22.  
    _model = Users
23.  
     
24.  
    # @info(version="v1")
25.  
    # def migrate_v1(self):
26.  
    # migrate(self.add_column('sex'))
27.  
     
28.  
    def migrations():
29.  
    try:
30.  
    um = UserMigration()
31.  
    with db.transaction():
32.  
    um.auto_migrate()
33.  
    print("Success Migration")
34.  
    except Exception as e:
35.  
    raise e
36.  
     
37.  
    if __name__ == '__main__':
38.  
    migrations()

• 运行命令 python migrations.py
• migrate_v1函数添加字段sex, 在BaseModel中要先添加name字段
• info装饰器会创建表migrate_record来记录migrate，version每个model中必须唯一，使用version来记录是否执行过，还可以记录author，datetime
• migrate函数必须以migrate_开头

相关连接

peewee

数据库操作

asyncpg is the fastest driver among common Python, NodeJS and Go implementations

使用asyncpg为数据库驱动, 对数据库连接进行封装, 执行数据库操作。

不使用ORM做数据库操作，一个原因是性能，ORM会有性能的损耗，并且无法使用asyncpg高性能库。另一个是单个微服务是很简单的，表结构不会很复杂，简单的SQL语句就可以处理来，没必要引入ORM。使用peewee只是做模型设计

Example:

1.  
   sql = "SELECT * FROM users WHERE name=$1"
2.  
   name = "test"
3.  
   async with request.app.db.acquire(request) as cur:
4.  
   data = await cur.fetchrow(sql, name)
5.  
    
6.  
   async with request.app.db.transaction(request) as cur:
7.  
   data = await cur.fetchrow(sql, name)

• acquire() 函数为非事务, 对于只涉及到查询的使用非事务，可以提高查询效率
• tansaction() 函数为事务操作，对于增删改必须使用事务操作
• 传入request参数是为了获取到span，用于日志追踪
• TODO 数据库读写分离

相关连接

asyncpg
benchmarks

客户端

使用aiohttp中的client，对客户端进行了简单的封装，用于微服务之间访问。

Don’t create a session per request. Most likely you need a session per application which performs all requests altogether.
A session contains a connection pool inside, connection reusage and keep-alives (both are on by default) may speed up total performance.

Example:

1.  
   @app.listener('before_server_start')
2.  
   async def before_srver_start(app, loop):
3.  
   app.client = Client(loop, url='http://host:port')
4.  
    
5.  
   async def get_role_by_id(request, id):
6.  
   cli = request.app.client.cli(request)
7.  
   async with cli.get('/cities/{}'.format(id)) as res:
8.  
   return await res.json()
9.  
    
10.  
    @app.listener('before_server_stop')
11.  
    async def before_server_stop(app, loop):
12.  
    app.client.close()
13.  
     

对于访问不同的微服务可以创建多个不同的client，这样每个client都会keep-alives

日志 & 分布式追踪系统

装饰器logger

1.  
   @logger(type='method', category='test', detail='detail', description="des", tracing=True, level=logging.INFO)
2.  
   async def get_city_by_id(request, id):
3.  
   cli = request.app.client.cli(request)

• type: 日志类型，如 method, route
• category: 日志类别，默认为app的name
• detail: 日志详细信息
• description: 日志描述，默认为函数的注释
• tracing: 日志追踪，默认为True
• level: 日志级别，默认为INFO

分布式追踪系统

• OpenTracing是以Dapper，Zipkin等分布式追踪系统为依据, 建立了统一的标准。
• Opentracing跟踪每一个请求，记录请求所经过的每一个微服务，以链条的方式串联起来，对分析微服务的性能瓶颈至关重要。
• 使用opentracing框架，但是在输出时转换成zipkin格式。 因为大多数分布式追踪系统考虑到性能问题，都是使用的thrift进行通信的，本着简单，Restful风格的精神，没有使用RPC通信。以日志的方式输出, 可以使用fluentd, logstash等日志收集再输入到Zipkin。Zipkin是支持HTTP输入的。
• 生成的span先无阻塞的放入queue中，在task中消费队列的span。后期可以添加上采样频率。
• 对于DB，Client都加上了tracing

相关连接

opentracing
zipkin
jaeger

API接口

api文档使用swagger标准。

Example:

1.  
   from sanic_ms import doc
2.  
    
3.  
   @user_bp.post('/')
4.  
   @doc.summary('create user')
5.  
   @doc.description('create user info')
6.  
   @doc.consumes(Users)
7.  
   @doc.produces({'id': int})
8.  
   async def create_user(request):
9.  
   data = request['data']
10.  
    async with request.app.db.transaction(request) as cur:
11.  
    record = await cur.fetchrow(
12.  
    """ INSERT INTO users(name, age, city_id, role_id)
13.  
    VALUES($1, $2, $3, $4, $5)
14.  
    RETURNING id
15.  
    """, data['name'], data['age'], data['city_id'], data['role_id']
16.  
    )
17.  
    return {'id': record['id']}

• summary: api概要
• description: 详细描述
• consumes: request的body数据
• produces: response的返回数据
• tag: API标签
• 在consumes和produces中传入的参数可以是peewee的model,会解析model生成API数据, 在field字段的help_text参数来表示引用对象
• http://host:ip/openapi/spec.json 获取生成的json数据

相关连接

swagger

Response 数据

在返回时，不要返回sanic的response，直接返回原始数据，会在Middleware中对返回的数据进行处理，返回统一的格式，具体的格式可以[查看]

单元测试

单元测试使用unittest。 mock是自己创建了MockClient，因为unittest还没有asyncio的mock，并且sanic的测试接口也是发送request请求，所以比较麻烦. 后期可以使用pytest。

Example:

1.  
   from sanic_ms.tests import APITestCase
2.  
   from server import app
3.  
    
4.  
   class TestCase(APITestCase):
5.  
   _app = app
6.  
   _blueprint = 'visit'
7.  
    
8.  
   def setUp(self):
9.  
   super(TestCase, self).setUp()
10.  
    self._mock.get('/cities/1',
11.  
    payload={'id': 1, 'name': 'shanghai'})
12.  
    self._mock.get('/roles/1',
13.  
    payload={'id': 1, 'name': 'shanghai'})
14.  
     
15.  
    def test_create_user(self):
16.  
    data = {
17.  
    'name': 'test',
18.  
    'age': 2,
19.  
    'city_id': 1,
20.  
    'role_id': 1,
21.  
    }
22.  
    res = self.client.create_user(data=data)
23.  
    body = ujson.loads(res.text)
24.  
    self.assertEqual(res.status, 200)

• 其中_blueprint为blueprint名称
• 在setUp函数中，使用_mock来注册mock信息, 这样就不会访问真实的服务器, payload为返回的body信息
• 使用client变量调用各个函数, data为body信息，params为路径的参数信息，其他参数是route的参数

代码覆盖

1.  
   coverage erase
2.  
   coverage run --source . -m sanic_ms tests
3.  
   coverage xml -o reports/coverage.xml
4.  
   coverage2clover -i reports/coverage.xml -o reports/clover.xml
5.  
   coverage html -d reports

• coverage2colver 是将coverage.xml 转换成 clover.xml，bamboo需要的格式是clover的。

相关连接

unittest
coverage

异常处理

使用 app.error_handler = CustomHander() 对抛出的异常进行处理

Example:

1.  
   from sanic_ms.exception import ServerError
2.  
    
3.  
   @visit_bp.delete('/users/<id:int>')
4.  
   async def del_user(request, id):
5.  
   raise ServerError(error='内部错误',code=10500, message="msg")

• code: 错误码，无异常时为0，其余值都为异常
• message: 状态码信息
• error: 自定义错误信息
• status_code: http状态码，使用标准的http状态码