Rumah >pembangunan bahagian belakang >Tutorial Python >Menggunakan Apl Django: ECs App Runner dengan Saderi Luaran
Tunggu sebentar...
Kami semua telah menghadapi situasi ini di mana kami sibuk mencuba untuk pergi ke pengeluaran, tetapi banyak faktor menyumbang untuk pilihan platform penggunaan anda. Emmmm YA, kami akan pergi dengan AWS. Biasanya selepas berpegang pada platform, kita kini boleh bergantung pada beberapa faktor seperti: seni bina, kos, kebolehpercayaan, skalabiliti, ketersediaan dan kebolehlaksanaan. Cuba teka!!! Ini bukan tentang kebolehpercayaan, skalabiliti, ketersediaan dan kebolehlaksanaan kerana AWS dipercayai untuk semua itu. Dalam tutorial ini, kami akan mengenal pasti pasang surut beberapa seni bina untuk Apl Django anda.
Sebelum kita meneruskan, mari kita fahami beberapa prasyarat untuk memahami dengan sempurna apa yang sedang berlaku.
:) Semua kod yang terlibat dalam tutorial ini akan tersedia sebagai sumber terbuka. Jangan ragu untuk meletakkan jejak anda ke dalamnya.
Sebelum bergerak ke hadapan, anda dikehendaki:
Caching ialah teknik yang digunakan untuk menyimpan data yang kerap diakses buat sementara waktu di lokasi akses pantas, mengurangkan masa yang diambil untuk mendapatkan semula data ini. Dalam AWS, caching meningkatkan prestasi aplikasi dan kebolehskalaan dengan meminimumkan beban pada pangkalan data utama dan API, dengan itu mempercepatkan masa tindak balas untuk pengguna akhir.
Kami cache untuk meningkatkan kecekapan, mengurangkan kependaman dan mengurangkan kos. Dengan menyimpan data lebih dekat dengan aplikasi, caching mengurangkan kekerapan pertanyaan pangkalan data, trafik rangkaian dan beban pengiraan. Ini menghasilkan perolehan data yang lebih pantas, pengalaman pengguna yang lebih baik dan penggunaan sumber yang dioptimumkan, yang penting untuk aplikasi trafik tinggi.
EC2:
Daripada maksud penuh Enjin Pengiraan Elastik, EC2 ialah pelayan web yang terdapat dalam pusat data AWS. Dalam erti kata lain, EC2 adalah maya yang boleh anda perolehi daripada AWS. Dengan semua fungsi yang tersedia, anda boleh mendapatkannya pada kadar bulanan yang sangat murah di bawah "pelan bayar semasa anda pergi".
AWS App Runner:
Ini ialah perkhidmatan terurus sepenuhnya yang memudahkan menjalankan dan menskalakan aplikasi web dan API, membolehkan pembangun menggunakan dengan cepat daripada repositori kod atau imej bekas tanpa pengurusan infrastruktur.
Saderi dan Django Saderi:
Saderi ialah baris gilir tugas teragih sumber terbuka untuk pemprosesan masa nyata dalam Python. Django Celery menyepadukan Celery dengan rangka kerja Django, membolehkan pelaksanaan tugas tak segerak, tugas berkala dan pengurusan kerja latar belakang dalam aplikasi Django. Kes penggunaan teknologi ini berbeza-beza. Ia boleh menjadi perkhidmatan komunikasi (SMS, e-mel), Kerja Berjadual (Crons) dan tugas pemprosesan data latar belakang, seperti pengagregatan data, latihan model pembelajaran mesin atau pemprosesan fail.
Amazon RDS (Perkhidmatan Pangkalan Data Perhubungan):
Ia ialah perkhidmatan pangkalan data terurus yang memudahkan penyediaan, pengendalian dan penskalaan pangkalan data hubungan dalam awan. Ia menyokong pelbagai enjin pangkalan data seperti MySQL, PostgreSQL, Oracle dan SQL Server, menyediakan sandaran automatik, menampal dan ketersediaan tinggi, membebaskan pengguna daripada tugas pentadbiran pangkalan data.
Mari kita kaji cara apl itu distrukturkan dan cara persediaan pelaksanaan akan bertindak.
Persediaan penggunaan dengan AWS App Runner (ECR)
Kami menolak kod kami ke GitHub, mencetuskan aliran kerja CodePipeline. CodePipeline menggunakan CodeBuild untuk mencipta imej Docker yang disimpan dalam Elastic Container Registry (ECR) untuk keluaran versi. Tutorial ini melangkau konfigurasi Virtual Private Cloud (VPC). Kami memastikan kesihatan aplikasi dengan sentiasa memantau log menggunakan CloudWatch. Dan bonus ialah konfigurasi pantas projek untuk menggunakan Postgres yang disediakan oleh AWS RDS dan S3 untuk fail statik.
Pengedaran dengan Instance AWS EC2
Menggunakan proses yang serupa, mengenepikan versi dan ECR, kami menolak kod kami ke GitHub, mencetuskan CodePipeline, yang menggunakan CodeBuild untuk mencipta imej Docker yang disimpan dalam ECR untuk versi. Kejadian EC2 menarik imej ini untuk menggunakan aplikasi dalam VPC, menjadikannya boleh diakses oleh pengguna akhir. Aplikasi ini berinteraksi dengan RDS untuk penyimpanan data dan S3 untuk fail statik, dipantau oleh CloudWatch. Secara pilihan, kami boleh menambah konfigurasi SSL ke dalam contoh ini dengan pilihan seperti certbot.
Berikut ialah perbandingan harga hipotesis antara EC2 dan App Runner berdasarkan senario penggunaan biasa:
Service | Component | Cost Breakdown | Example Monthly Cost (Estimate) |
---|---|---|---|
EC2 | Instance Usage | t2.micro (1 vCPU, 1 GB RAM) | .50 |
Storage | 30 GB General Purpose SSD | .00 | |
Data Transfer | 100 GB Data Transfer | .00 | |
Total | .50 | ||
App Runner | Requests | 1 million requests | .00 |
Compute | 1 vCPU, 2 GB RAM, 30 hours/month | .00 | |
Data Transfer | 100 GB Data Transfer | .00 | |
Total | .00 |
Mari kita dapatkan ringkasan ringkas tentang cara menguruskan kedua-dua sumber ini.
Factor | EC2 | App Runner |
---|---|---|
Setup | Manual setup required | Fully managed service |
Management Overhead | High - requires OS updates, security patches, etc. | Low - abstracts infrastructure management |
Configuration | Extensive control over instance configuration | Limited control, focuses on simplicity |
Factor | EC2 | App Runner |
---|---|---|
Scaling Setup | Manual setup of Auto Scaling groups | Automatic scaling based on traffic |
Scaling Management | Requires configuration and monitoring | Managed by AWS, seamless scaling |
Flexibility | High - granular control over scaling policies | Simplified, less flexible |
Factor | EC2 | App Runner |
---|---|---|
Deployment Time | Slower - instance provisioning and configuration | Faster - managed deployment |
Update Process | May require downtime or rolling updates | Seamless updates |
Automation | Requires setup of deployment pipelines | Simplified, integrated deployment |
Factor | EC2 | App Runner |
---|---|---|
Customization | Extensive - full control over environment | Limited - managed environment |
Control | High - choose specific instance types, storage, etc. | Lower - focus on ease of use |
Flexibility | High - suitable for specialized configurations | Simplified for standard web applications |
Factor | EC2 | App Runner |
---|---|---|
Security Control | High - detailed control over security configurations | Simplified security management |
Management | Requires manual configuration of security groups, IAM | Managed by AWS, less granular control |
Compliance | Extensive options for compliance configurations | Simplified compliance management |
Memandangkan perbandingan projek kami tidak bergantung pada persediaan projek itu sendiri. Kami akan mempunyai aplikasi Django asas dengan konfigurasi saderi daripada AWS.
Kami akan menggunakan projek asas menggunakan Django.
Arahan hendaklah dijalankan mengikut susunan di bawah:
# Project directory creation mkdir MySchedular && cd MySchedular # Creating an isolated space for the project dependencies python -m venv venv && source venv/bin/activate # Dependencies installation pip install django celery redis python_dotenv # Creating project and app django-admin startproject my_schedular . && python manage.py startapp crons # Let's add a few files to the project skeleton touch my_schedular/celery.py crons/urls.py crons/tasks.py
Pada masa ini kami boleh menyemak rangka projek kami dengan ini:
tree -I "venv|__pycache__" .
Dan kita sepatutnya mempunyai yang ini pada masa ini
. ├── crons │ ├── __init__.py │ ├── admin.py │ ├── apps.py │ ├── migrations │ │ └── __init__.py │ ├── models.py + │ ├── tasks.py │ ├── tests.py + │ ├── urls.py │ └── views.py ├── manage.py └── my_schedular ├── __init__.py ├── asgi.py + ├── celery.py ├── settings.py ├── urls.py └── wsgi.py 3 directories, 16 files
Kita boleh meneruskan sekarang dengan menambahkan beberapa baris untuk logik apl keluar dan merangkumi satu lagi peristiwa penting untuk projek ini.
1- Sediakan saderi
# my_schedular/celery.py from __future__ import absolute_import, unicode_literals import os from celery import Celery os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'myproject.settings') app = Celery('myproject') app.config_from_object('django.conf:settings', namespace='CELERY') app.autodiscover_tasks() @app.task(bind=True) def debug_task(self): print(f'Request: {self.request!r}')
2- Mari tulis ganti pembolehubah saderi untuk menetapkan broker kami
# my_schedular/settings.py CELERY_BROKER_URL = os.getenv('CELERY_BROKER_URL ') CELERY_RESULT_BACKEND = os.getenv('CELERY_RESULT_BACKEND')
3- Kemas kini init.py untuk memastikan apl dimuatkan apabila Django bermula:
# my_schedular/__init__.py from __future__ import absolute_import, unicode_literals from .celery import app as celery_app __all__ = ('celery_app',)
4- Kami mencipta tugas kami
# crons/tasks.py from celery import shared_task import time @shared_task def add(x, y): time.sleep(10) return x + y
5- Mari tambahkan pandangan kami sekarang, hanya paparan ringkas dengan respons Json yang mudah.
# crons/views.py from django.http import JsonResponse from crons.tasks import add def index(request): return JsonResponse({"message": "Hello world, your Django App is Running"}) def add_view(request): result = add.delay(4, 6) return JsonResponse({'task_id': result.id})
6- Kami tidak boleh mempunyai pandangan, tanpa titik akhir untuk membolehkannya mengaksesnya
# crons/urls.py from django.urls import path from crons.views import add_view, index urlpatterns = [ path('', index, name='index'), path('add/', add_view, name='add'), ]
7- Menambah url apl kami pada urls.py umum keseluruhan projek.
# my_schedular/urls.py from django.contrib import admin from django.urls import include, path urlpatterns = [ path('admin/', admin.site.urls), path('/', include('crons.urls')), ]
Menambah Pembolehubah Persekitaran:
# .env SECRET_KEY= DEBUG= CELERY_BROKER_URL= CELERY_RESULT_BACKEND=
Selepas susulan semua langkah ini dengan betul, kami mempunyai output ini:
Memandangkan kami menghantar ke AWS Kami perlu mengkonfigurasi beberapa sumber untuk
Kami mencipta persekitaran terpencil dan rangkaian untuk akses dan komunikasi yang selamat antara sumber kami.
Kami mencipta kumpulan keselamatan di bawah VPC yang dibuat sebelum ini dan bersama-sama menambah peraturan masuk dan keluar pada port TCP 6379 (Port Redis).
Pada asasnya, AWS Elastic Cache menawarkan kepada kita dua jenis dalam hal caching, iaitu: RedisOSS dan memCache. RedisOSS menawarkan struktur data lanjutan dan ciri kegigihan, manakala Memcached lebih ringkas, memfokuskan pada caching berkelajuan tinggi pasangan nilai kunci. Redis juga menyokong replikasi dan pengelompokan, tidak seperti Memcached. Kembali ke perniagaan, kembali ke Redis.
Penciptaan imej ECR akan menjadi sangat mudah dan lurus ke hadapan.
Ikuti langkah di bawah untuk membolehkan pelari apl anda berjalan.
Di sini kita perlu sangat teknikal. VPC ialah rangkaian terjamin di mana kebanyakan sumber kami terletak, memandangkan pelari Apl tidak ditemui dalam VPC, kami perlu menyediakan cara selamat untuk komunikasi antara sumber tersebut.
Untuk tutorial ini, kami memerlukan kebenaran untuk menyambung aliran kerja kami ke ECR kami. Kemudian kami menambah dasar kebenaran AmazonEC2ContainerRegistryFullAccess supaya ia boleh menolak imej ke AWS ECR kami.
Apabila semuanya selesai, kami mempunyai struktur pokok ini.
Anda boleh memiliki pangkalan kod keseluruhan untuk tutorial ini di GitHub Saya.
We will go with one the easiest EC2 to setup and the one having a free tier, an ubuntu EC2 instance. And The same code base that was used above is the same we are using here.
![EC2 1]https://dev-to-uploads.s3.amazonaws.com/uploads/articles/rk8waijxkthu1ule91fn.png)
Alternatively, we can setup the security group separately.
Run this script to install necessary dependencies
#!/bin/bash # Update the package list and upgrade existing packages sudo apt-get update sudo apt-get upgrade -y # Install Python3, pip, and other essentials sudo apt-get install -y python3-pip python3-dev libpq-dev nginx curl # Install Redis sudo apt-get install -y redis-server # Start and enable Redis sudo systemctl start redis.service sudo systemctl enable redis.service # Install Supervisor sudo apt-get install -y supervisor # Install virtualenv sudo pip3 install virtualenv # Setup your Django project directory (adjust the path as needed) cd ~/aws-django-redis # Create a virtual environment virtualenv venv # Activate the virtual environment source venv/bin/activate # Install Gunicorn and other requirements pip install gunicorn pip install -r requirements.txt # Create directories for logs if they don't already exist sudo mkdir -p /var/log/aws-django-redis sudo chown -R ubuntu:ubuntu /var/log/aws-django-redis # Supervisor Configuration for Gunicorn echo "[program:aws-django-redis] command=$(pwd)/venv/bin/gunicorn --workers 3 --bind 0.0.0.0:8000 my_schedular.wsgi:application directory=$(pwd) autostart=true autorestart=true stderr_logfile=/var/log/aws-django-redis/gunicorn.err.log stdout_logfile=/var/log/aws-django-redis/gunicorn.out.log user=ubuntu " | sudo tee /etc/supervisor/conf.d/aws-django-redis.conf # Supervisor Configuration for Celery echo "[program:celery] command=$(pwd)/venv/bin/celery -A my_schedular worker --loglevel=info directory=$(pwd) autostart=true autorestart=true stderr_logfile=/var/log/aws-django-redis/celery.err.log stdout_logfile=/var/log/aws-django-redis/celery.out.log user=ubuntu " | sudo tee /etc/supervisor/conf.d/celery.conf # Reread and update Supervisor sudo supervisorctl reread sudo supervisorctl update sudo supervisorctl restart all # Set up Nginx to proxy to Gunicorn echo "server { listen 80; server_name <your_vm_ip>; location / { proxy_pass http://127.0.01:8000; proxy_set_header Host \$host; proxy_set_header X-Real-IP \$remote_addr; proxy_set_header X-Forwarded-For \$proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto \$scheme; } error_log /var/log/nginx/aws-django-redis_error.log; access_log /var/log/nginx/aws-django-redis_access.log; }" | sudo tee /etc/nginx/sites-available/aws-django-redis # Enable the Nginx site configuration sudo ln -s /etc/nginx/sites-available/aws-django-redis /etc/nginx/sites-enabled/ sudo rm /etc/nginx/sites-enabled/default # Test Nginx configuration and restart Nginx sudo nginx -t sudo systemctl restart nginx
This setup is available on GitHub on the dev branch, have a look and open a PR.
Feature / Service | Self-Managed on EC2 (Free Tier) | Fully Managed AWS Services |
---|---|---|
EC2 Instance | t2.micro - Free for 750 hrs/mo | Not applicable |
Application Hosting | Self-managed Django & Gunicorn | AWS App Runner (automatic scaling) |
Database | Self-managed PostgreSQL | Amazon RDS (managed relational DB) |
In-Memory Cache | Redis on the same EC2 | Amazon ElastiCache (Redis) |
Task Queue | Celery with Redis | AWS managed queues (e.g., SQS) |
Load Balancer | Nginx (self-setup) | AWS Load Balancer (integrated) |
Static Files Storage | Serve via Nginx | Amazon S3 (highly scalable storage) |
Log Management | Manual setup (Supervisor, Nginx, Redis) | AWS CloudWatch (logs and monitoring) |
Security | Manual configurations | AWS Security Groups, IAM roles |
Scaling | Manual scaling | Automatic scaling |
Maintenance | Manual updates and patches | Managed by AWS |
Pricing | Minimal (mostly within free tier) | Higher due to managed services |
Nota: Harga adalah anggaran dan boleh berbeza-beza berdasarkan rantau dan perubahan harga AWS tertentu. Sentiasa semak halaman Harga AWS semasa untuk mendapatkan anggaran kos yang paling tepat untuk keperluan khusus anda.
Nahhhhhhhhhh!!! Malangnya, tiada ringkasan untuk yang ini. Ya, naik semula untuk pemahaman yang lebih baik.
Jalan pembelajaran adalah panjang dan mungkin kelihatan sukar, tetapi satu sumber pada satu masa, menambah pengetahuan secara berterusan membawa kita mencapai objektif dan matlamat kita.
Atas ialah kandungan terperinci Menggunakan Apl Django: ECs App Runner dengan Saderi Luaran. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!