前后端项目部署-2， flask+Gunicorn+gevent，docker部署，

####

部署方案flask+Gunicorn+gevent

每个组件的作用：

1，. gunicorn：高性能WSGI服务器；

Gunicorn是一个unix上被广泛使用的高性能的Python WSGI UNIX HTTP Server。
和大多数的web框架兼容，并具有实现简单，轻量级，高性能等特点。

目前Gunicorn只能运行在Linux环境中，不支持windows平台

部署 Flask 应用时，为什么会需要 gunicorn 或 uWSGI？

简单说就是 Flask自带的wsgi性能低下

只适合你开发调试的时候用，

线上你必须用Gunicorn+Nginx才能获得更强的性能，和更高的安全性

下面我说一些废话：

django、flask 都有自带的http server，

仅仅是方便我们开发的时候调试代码而已

这些开源框架的维护者不可能投入大量精力来优化自带的wsgi服务器，

他们需要把更多的精力投入到框架自身的优化中，

因为服务器方面已经有Gunicorn/uWSGI、nginx等优秀的开源解决方案

假设我们用自带的来部署到线上，会有什么问题呢？

性能很差，差到不好意思出门见人（如果你的网站就几十个人访问，那性能应该问题不大）

最后我个人建议的方案是 flask+Gunicorn+gevent+supervisor+nginx

所以说为什么使用Gunicorn，简单点就是为了并发。利用异步，提高性能。

2. gevent：把Python同步代码变成异步协程的库；

gevent：gunicorn 默认使用同步阻塞的网络模型(-k sync)，对于大并发的访问可能表现不够好，我们很方便地顺手套一个gevent来增加并发量

####

第一步，准备一个简单的flask项目，

很简单只需要一个文件，

 

 app.py

from flask import Flask

app = Flask(__name__)


@app.route('/')
def alldata():
    return '<h1>Hello World!</h1>'


#
if __name__ == "__main__":
    """初始化,debug=True"""
    app.run(host='0.0.0.0', port=9876, debug=True)

###

第二步，gunicorn 安装，Gevent安装

pip install gunicorn

pip install gevent

###

第三步，在根目录下新建文件 /gunicorn.conf.py

workers = 5    # 定义同时开启的处理请求的进程数量，根据网站流量适当调整
worker_class = "gevent"   # 采用gevent库，支持异步处理请求，提高吞吐量
bind = "0.0.0.0:8888"    # 监听IP放宽，以便于Docker之间、Docker和宿主机之间的通信

启动测试

gunicorn start:app -c gunicorn.conf.py

用这种py文件的方式启动是比较简单的，

否则就要用命令行的方式启动，比较麻烦：

gunicorn --workers 3 --bind 0.0.0.0:5000  --user nginx --worker-class gevent start:app

#####

第四步，Dockerfile

FROM python:3.8.5-slim-buster

WORKDIR /usr/src/app

COPY requirements.txt ./
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

CMD ["gunicorn", "app:app", "-c", "./gunicorn.conf.py"]

这个地方有一个坑

我之前是FROM python:3.8-alpine3.13

然后报错了，error: command ‘gcc‘ failed with exit status 1

所以看起来，python:3.8-alpine3.13这个包虽然小，但是里面缺少了一些东西，要谨慎使用，

####

第五步构建

完成这两个文件的创建之后，执行如下命令，就可以开始构建Docker镜像：

sudo docker build -t 'testflask' .

构建完成之后，通过如下命令查看镜像列表，可以发现testflask显示在其中：

sudo docker images

####

第六步，运行，

接下来，我们可以push镜像到镜像仓库进行分发，这里我们就在本机运行进行演示。
需要注意，公司的私有代码，不要push到公网的镜像仓库上
运行如下命令，临时运行docker镜像：

sudo docker run -it --rm -p 8888:8888 testflask

#####

#####