查看原文
其他

在 Kubernetes 上使用 Flask 搭建 Python 微服务 | Linux 中国

邀你一起加入 Linux中国 2022-12-21
 
导读:微服务遵循领域驱动设计(DDD),与开发平台无关。Python 微服务也不例外。Python3 的面向对象特性使得按照 DDD 对服务进行建模变得更加容易。
本文字数:12786,阅读时长大约:15分钟

微服务遵循领域驱动设计(DDD),与开发平台无关。Python 微服务也不例外。Python3 的面向对象特性使得按照 DDD 对服务进行建模变得更加容易。本系列的第 10 部分演示了如何将用户管理系统的查找服务作为 Python 微服务部署在 Kubernetes 上。

微服务架构的强大之处在于它的多语言性。企业将其功能分解为一组微服务,每个团队自由选择一个平台。

我们的用户管理系统已经分解为四个微服务,分别是添加、查找、搜索和日志服务。添加服务在 Java 平台上开发并部署在 Kubernetes 集群上,以实现弹性和可扩展性。这并不意味着其余的服务也要使用 Java 开发,我们可以自由选择适合个人服务的平台。

让我们选择 Python 作为开发查找服务的平台。查找服务的模型已经设计好了(参考 2022 年 3 月份的文章),我们只需要将这个模型转换为代码和配置。

Pythonic 方法

Python 是一种通用编程语言,已经存在了大约 30 年。早期,它是自动化脚本的首选。然而,随着 Django 和 Flask 等框架的出现,它的受欢迎程度越来越高,现在各种领域中都在应用它,如企业应用程序开发。数据科学和机器学习进一步推动了它的发展,Python 现在是三大编程语言之一。

许多人将 Python 的成功归功于它容易编码。这只是一部分原因。只要你的目标是开发小型脚本,Python 就像一个玩具,你会非常喜欢它。然而,当你进入严肃的大规模应用程序开发领域时,你将不得不处理大量的 if 和 else,Python 变得与任何其他平台一样好或一样坏。例如,采用一种面向对象的方法!许多 Python 开发人员甚至可能没意识到 Python 支持类、继承等功能。Python 确实支持成熟的面向对象开发,但是有它自己的方式 -- Pythonic!让我们探索一下!

领域模型

AddService 通过将数据保存到一个 MySQL 数据库中来将用户添加到系统中。FindService 的目标是提供一个 REST API 按用户名查找用户。域模型如图 1 所示。它主要由一些值对象组成,如 User 实体的NamePhoneNumber 以及 UserRepository

图 1: 查找服务的域模型

让我们从 Name 开始。由于它是一个值对象,因此必须在创建时进行验证,并且必须保持不可变。基本结构如所示:

  1. class Name:
  2. value: str
  3. def __post_init__(self):
  4. if self.value is None or len(self.value.strip()) < 8 or len(self.value.strip()) > 32:
  5. raise ValueError("Invalid Name")

如你所见,Name 包含一个字符串类型的值。作为后期初始化的一部分,我们会验证它。

Python 3.7 提供了 @dataclass 装饰器,它提供了许多开箱即用的数据承载类的功能,如构造函数、比较运算符等。如下是装饰后的 Name 类:

  1. from dataclasses import dataclass
  2. @dataclass
  3. class Name:
  4. value: str
  5. def __post_init__(self):
  6. if self.value is None or len(self.value.strip()) < 8 or len(self.value.strip()) > 32:
  7. raise ValueError("Invalid Name")

以下代码可以创建一个 Name 对象:

  1. name = Name("Krishna")

value 属性可以按照如下方式读取或写入:

  1. name.value = "Mohan"
  2. print(name.value)

可以很容易地与另一个 Name 对象比较,如下所示:

  1. other = Name("Mohan")
  2. if name == other:
  3. print("same")

如你所见,对象比较的是值而不是引用。这一切都是开箱即用的。我们还可以通过冻结对象使对象不可变。这是 Name 值对象的最终版本:

  1. from dataclasses import dataclass
  2. @dataclass(frozen=True)
  3. class Name:
  4. value: str
  5. def __post_init__(self):
  6. if self.value is None or len(self.value.strip()) < 8 or len(self.value.strip()) > 32:
  7. raise ValueError("Invalid Name")

PhoneNumber 也遵循类似的方法,因为它也是一个值对象:

  1. @dataclass(frozen=True)
  2. class PhoneNumber:
  3. value: int
  4. def __post_init__(self):
  5. if self.value < 9000000000:
  6. raise ValueError("Invalid Phone Number")

User 类是一个实体,不是一个值对象。换句话说,User 是可变的。以下是结构:

  1. from dataclasses import dataclass
  2. import datetime
  3. @dataclass
  4. class User:
  5. _name: Name
  6. _phone: PhoneNumber
  7. _since: datetime.datetime
  8. def __post_init__(self):
  9. if self._name is None or self._phone is None:
  10. raise ValueError("Invalid user")
  11. if self._since is None:
  12. self.since = datetime.datetime.now()

你能观察到 User 并没有冻结,因为我们希望它是可变的。但是,我们不希望所有属性都是可变的。标识字段如 _name 和 _since 是希望不会修改的。那么,这如何做到呢?

Python3 提供了所谓的描述符协议,它会帮助我们正确定义 getter 和 setter。让我们使用 @property 装饰器将 getter 添加到 User 的所有三个字段中。

  1. @property
  2. def name(self) -> Name:
  3. return self._name
  4. @property
  5. def phone(self) -> PhoneNumber:
  6. return self._phone
  7. @property
  8. def since(self) -> datetime.datetime:
  9. return self._since

phone 字段的 setter 可以使用 @<字段>.setter 来装饰:

  1. @phone.setter
  2. def phone(self, phone: PhoneNumber) -> None:
  3. if phone is None:
  4. raise ValueError("Invalid phone")
  5. self._phone = phone

通过重写 __str__() 函数,也可以为 User 提供一个简单的打印方法:

  1. def __str__(self):
  2. return self.name.value + " [" + str(self.phone.value) + "] since " + str(self.since)

这样,域模型的实体和值对象就准备好了。创建异常类如下所示:

  1. class UserNotFoundException(Exception):
  2. pass

域模型现在只剩下 UserRepository 了。Python 提供了一个名为 abc 的有用模块来创建抽象方法和抽象类。因为 UserRepository 只是一个接口,所以我们可以使用 abc 模块。

任何继承自 abc.ABC 的类都将变为抽象类,任何带有 @abc.abstractmethod 装饰器的函数都会变为一个抽象函数。下面是 UserRepository 的结构:

  1. from abc import ABC, abstractmethod
  2. class UserRepository(ABC):
  3. @abstractmethod
  4. def fetch(self, name:Name) -> User:
  5. pass

UserRepository 遵循仓储模式。换句话说,它在 User 实体上提供适当的 CRUD 操作,而不会暴露底层数据存储语义。在本例中,我们只需要 fetch() 操作,因为 FindService 只查找用户。

因为 UserRepository 是一个抽象类,我们不能从抽象类创建实例对象。创建对象必须依赖于一个具体类实现这个抽象类。数据层 UserRepositoryImpl 提供了 UserRepository 的具体实现:

  1. class UserRepositoryImpl(UserRepository):
  2. def fetch(self, name:Name) -> User:
  3. pass

由于 AddService 将用户数据存储在一个 MySQL 数据库中,因此 UserRepositoryImpl 也必须连接到相同的数据库去检索数据。下面是连接到数据库的代码。注意,我们正在使用 MySQL 的连接库。

  1. from mysql.connector import connect, Error
  2. class UserRepositoryImpl(UserRepository):
  3. def fetch(self, name:Name) -> User:
  4. try:
  5. with connect(
  6. host="mysqldb",
  7. user="root",
  8. password="admin",
  9. database="glarimy",
  10. ) as connection:
  11. with connection.cursor() as cursor:
  12. cursor.execute("SELECT * FROM ums_users where name=%s", (name.value,))
  13. row = cursor.fetchone()
  14. if cursor.rowcount == -1:
  15. raise UserNotFoundException()
  16. else:
  17. return User(Name(row[0]), PhoneNumber(row[1]), row[2])
  18. except Error as e:
  19. raise e

在上面的片段中,我们使用用户 root / 密码 admin 连接到一个名为 mysqldb 的数据库服务器,使用名为 glarimy 的数据库(模式)。在演示代码中是可以包含这些信息的,但在生产中不建议这么做,因为这会暴露敏感信息。

fetch() 操作的逻辑非常直观,它对 ums_users 表执行 SELECT 查询。回想一下,AddService 正在将用户数据写入同一个表中。如果 SELECT 查询没有返回记录,fetch() 函数将抛出 UserNotFoundException 异常。否则,它会从记录中构造 User 实体并将其返回给调用者。这没有什么特殊的。

应用层

最终,我们需要创建应用层。此模型如图 2 所示。它只包含两个类:控制器和一个 DTO。

图 2: 添加服务的应用层

众所周知,一个 DTO 只是一个没有任何业务逻辑的数据容器。它主要用于在 FindService 和外部之间传输数据。我们只是提供了在 REST 层中将 UserRecord 转换为字典以便用于 JSON 传输:

  1. class UserRecord:
  2. def toJSON(self):
  3. return {
  4. "name": self.name,
  5. "phone": self.phone,
  6. "since": self.since
  7. }

控制器的工作是将 DTO 转换为用于域服务的域对象,反之亦然。可以从 find() 操作中观察到这一点。

  1. class UserController:
  2. def __init__(self):
  3. self._repo = UserRepositoryImpl()
  4. def find(self, name: str):
  5. try:
  6. user: User = self._repo.fetch(Name(name))
  7. record: UserRecord = UserRecord()
  8. record.name = user.name.value
  9. record.phone = user.phone.value
  10. record.since = user.since
  11. return record
  12. except UserNotFoundException as e:
  13. return None

find() 操作接收一个字符串作为用户名,然后将其转换为 Name 对象,并调用 UserRepository 获取相应的 User 对象。如果找到了,则使用检索到的 User`` 对象创建UserRecord`。回想一下,将域对象转换为 DTO 是很有必要的,这样可以对外部服务隐藏域模型。

UserController 不需要有多个实例,它也可以是单例的。通过重写 __new__,可以将其建模为一个单例。

  1. class UserController:
  2. def __new__(self):
  3. if not hasattr(self, instance’):
  4. self.instance = super().__new__(self)
  5. return self.instance
  6. def __init__(self):
  7. self._repo = UserRepositoryImpl()
  8. def find(self, name: str):
  9. try:
  10. user: User = self._repo.fetch(Name(name))
  11. record: UserRecord = UserRecord()
  12. record.name = user.name.getValue()
  13. record.phone = user.phone.getValue()
  14. record.since = user.since
  15. return record
  16. except UserNotFoundException as e:
  17. return None

我们已经完全实现了 FindService 的模型,剩下的唯一任务是将其作为 REST 服务公开。

REST API

FindService 只提供一个 API,那就是通过用户名查找用户。显然 URI 如下所示:

  1. GET /user/{name}

此 API 希望根据提供的用户名查找用户,并以 JSON 格式返回用户的电话号码等详细信息。如果没有找到用户,API 将返回一个 404 状态码。

我们可以使用 Flask 框架来构建 REST API,它最初的目的是使用 Python 开发 Web 应用程序。除了 HTML 视图,它还进一步扩展到支持 REST 视图。我们选择这个框架是因为它足够简单。 创建一个 Flask 应用程序:

  1. from flask import Flask
  2. app = Flask(__name__)

然后为 Flask 应用程序定义路由,就像函数一样简单:

  1. @app.route('/user/<name>')
  2. def get(name):
  3. pass

注意 @app.route 映射到 API /user/<name>,与之对应的函数的 get()

如你所见,每次用户访问 API 如 http://server:port/user/Krishna 时,都将调用这个 get() 函数。Flask 足够智能,可以从 URL 中提取 Krishna 作为用户名,并将其传递给 get() 函数。

get() 函数很简单。它要求控制器找到该用户,并将其与通常的 HTTP 头一起打包为 JSON 格式后返回。如果控制器返回 None,则 get() 函数返回合适的 HTTP 状态码。

  1. from flask import jsonify, abort
  2. controller = UserController()
  3. record = controller.find(name)
  4. if record is None:
  5. abort(404)
  6. else:
  7. resp = jsonify(record.toJSON())
  8. resp.status_code = 200
  9. return resp

最后,我们需要 Flask 应用程序提供服务,可以使用 waitress 服务:

  1. from waitress import serve
  2. serve(app, host="0.0.0.0", port=8080)

在上面的片段中,应用程序在本地主机的 8080 端口上提供服务。最终代码如下所示:

  1. from flask import Flask, jsonify, abort
  2. from waitress import serve
  3. app = Flask(__name__)
  4. @app.route('/user/<name>')
  5. def get(name):
  6. controller = UserController()
  7. record = controller.find(name)
  8. if record is None:
  9. abort(404)
  10. else:
  11. resp = jsonify(record.toJSON())
  12. resp.status_code = 200
  13. return resp
  14. serve(app, host="0.0.0.0", port=8080)

部署

FindService 的代码已经准备完毕。除了 REST API 之外,它还有域模型、数据层和应用程序层。下一步是构建此服务,将其容器化,然后部署到 Kubernetes 上。此过程与部署其他服务妹有任何区别,但有一些 Python 特有的步骤。

在继续前进之前,让我们来看下文件夹和文件结构:

  1. + ums-find-service
  2. + ums
  3. - domain.py
  4. - data.py
  5. - app.py
  6. - Dockerfile
  7. - requirements.txt
  8. - kube-find-deployment.yml

如你所见,整个工作文件夹都位于 ums-find-service 下,它包含了 ums 文件夹中的代码和一些配置文件,例如 Dockerfilerequirements.txt 和 kube-find-deployment.yml

domain.py 包含域模型,data.py 包含 UserRepositoryImplapp.py 包含剩余代码。我们已经阅读过代码了,现在我们来看看配置文件。

第一个是 requirements.txt,它声明了 Python 系统需要下载和安装的外部依赖项。我们需要用查找服务中用到的每个外部 Python 模块来填充它。如你所见,我们使用了 MySQL 连接器、Flask 和 Waitress 模块。因此,下面是 requirements.txt 的内容。

  1. Flask==2.1.1
  2. Flask_RESTful
  3. mysql-connector-python
  4. waitress

第二步是在 Dockerfile 中声明 Docker 相关的清单,如下:

  1. FROM python:3.8-slim-buster
  2. WORKDIR /ums
  3. ADD ums /ums
  4. ADD requirements.txt requirements.txt
  5. RUN pip3 install -r requirements.txt
  6. EXPOSE 8080
  7. ENTRYPOINT ["python"]
  8. CMD ["/ums/app.py"]

总的来说,我们使用 Python 3.8 作为基线,除了移动 requirements.txt 之外,我们还将代码从 ums 文件夹移动到 Docker 容器中对应的文件夹中。然后,我们指示容器运行 pip3 install 命令安装对应模块。最后,我们向外暴露 8080 端口(因为 waitress 运行在此端口上)。

为了运行此服务,我们指示容器使用使用以下命令:

  1. python /ums/app.py

一旦 Dockerfile 准备完成,在 ums-find-service 文件夹中运行以下命令,创建 Docker 镜像:

  1. docker build -t glarimy/ums-find-service

它会创建 Docker 镜像,可以使用以下命令查找镜像:

  1. docker images

尝试将镜像推送到 Docker Hub,你也可以登录到 Docker。

  1. docker login
  2. docker push glarimy/ums-find-service

最后一步是为 Kubernetes 部署构建清单。

在之前的文章中,我们已经介绍了如何建立 Kubernetes 集群、部署和使用服务的方法。我假设仍然使用之前文章中的清单文件来部署添加服务、MySQL、Kafka 和 Zookeeper。我们只需要将以下内容添加到 kube-find-deployment.yml 文件中:

  1. apiVersion: apps/v1
  2. kind: Deployment
  3. metadata:
  4. name: ums-find-service
  5. labels:
  6. app: ums-find-service
  7. spec:
  8. replicas: 3
  9. selector:
  10. matchLabels:
  11. app: ums-find-service
  12. template:
  13. metadata:
  14. labels:
  15. app: ums-find-service
  16. spec:
  17. containers:
  18. - name: ums-find-service
  19. image: glarimy/ums-find-service
  20. ports:
  21. - containerPort: 8080
  22. ---
  23. apiVersion: v1
  24. kind: Service
  25. metadata:
  26. name: ums-find-service
  27. labels:
  28. name: ums-find-service
  29. spec:
  30. type: LoadBalancer
  31. ports:
  32. - port: 8080
  33. selector:
  34. app: ums-find-service

上面清单文件的第一部分声明了 glarimy/ums-find-service 镜像的 FindService,它包含三个副本。它还暴露 8080 端口。清单的后半部分声明了一个 Kubernetes 服务作为 FindService 部署的前端。请记住,在之前文章中,mysqldb 服务已经是上述清单的一部分了。

运行以下命令在 Kubernetes 集群上部署清单文件:

  1. kubectl create -f kube-find-deployment.yml

部署完成后,可以使用以下命令验证容器组和服务:

  1. kubectl get services

输出如图 3 所示:

图 3: Kubernetes 服务

它会列出集群上运行的所有服务。注意查找服务的外部 IP,使用 curl 调用此服务:

  1. curl http://10.98.45.187:8080/user/KrishnaMohan

注意:10.98.45.187 对应查找服务,如图 3 所示。

如果我们使用 AddService 创建一个名为 KrishnaMohan 的用户,那么上面的 curl 命令看起来如图 4 所示:

图 4: 查找服务

用户管理系统(UMS)的体系结构包含 AddService 和 FindService,以及存储和消息传递所需的后端服务,如图 5 所示。可以看到终端用户使用 ums-add-service 的 IP 地址添加新用户,使用 ums-find-service 的 IP 地址查找已有用户。每个 Kubernetes 服务都由三个对应容器的节点支持。还要注意:同样的 mysqldb 服务用于存储和检索用户数据。

图 5: UMS 的添加服务和查找服务

其他服务

UMS 系统还包含两个服务:SearchService 和 JournalService。在本系列的下一部分中,我们将在 Node 平台上设计这些服务,并将它们部署到同一个 Kubernetes 集群,以演示多语言微服务架构的真正魅力。最后,我们将观察一些与微服务相关的设计模式。


via: 

作者: 选题: 译者: 校对:

本文由  原创编译, 荣誉推出


LCTT 译者 :MjSeven💎翻译: 171.0 篇|贡献: 1720 天2018-01-30→2022-10-16https://linux.cn/lctt/MjSeven
欢迎遵照 CC-BY-SA 协议规定转载,如需转载,请在文章下留言 “转载:公众号名称”,我们将为您添加白名单,授权“转载文章时可以修改”。

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存