注意:本文最初于 2023 年 11 月 4 日发表于此处。它已在这里重新发布,以覆盖更广泛的受众。
欢迎阅读系列中的第一篇文章,该文章将引导您完成将遗留应用程序从本地迁移到云的过程,重点关注现代化、无服务器平台和集成 DevOps 实践。
在本文中,我们将重点关注您的应用程序的容器化。但是,如果您从头开始构建应用程序,那就完全没问题(事实上,甚至更好)。在此示例中,我使用此 DigitalOcean 指南来构建一个简单的 TODO 应用程序,并使用 Python (Flask) 和 MongoDB 作为数据库。我进行了一些自定义以使其看起来更好,但要点是构建使用基于 NoSQL 文档的数据库的东西,因为这将是即将进行的工作所需要的。
如果您还没有构建自己的应用程序存储库,可以在 GitHub 上克隆该应用程序的存储库。
构建完应用程序后,让我们开始吧!
Dockerfile
这是我们将容器化的应用程序目录的结构,后面是 Dockerfile。
. ├── app.py ├── LICENSE ├── README.md ├── requirements.txt ├── static │ └── style.css └── templates └── index.html
app.py 文件是包含 Flask 应用代码的主应用程序文件。 requirements.txt 文件包含应用程序所需的 Python 依赖项列表。 static/ 目录包含静态文件,例如 CSS、JavaScript 和图像。 templates/ 目录包含 Flask 应用程序使用的 HTML 模板。
# Use a minimal base image FROM python:3.9.7-slim-buster AS base # Create a non-root user RUN useradd -m -s /bin/bash flaskuser USER flaskuser # Set the working directory WORKDIR /app # Copy the requirements file and install dependencies COPY requirements.txt . RUN pip install --no-cache-dir -r requirements.txt # Add the directory containing the flask command to the PATH ENV PATH="/home/flaskuser/.local/bin:${PATH}" # Use a multi-stage build to minimize the size of the image FROM base AS final # Copy the app code COPY app.py . COPY templates templates/ COPY static static/ # Set environment variables ENV FLASK_APP=app.py ENV FLASK_ENV=production # Expose the port EXPOSE 5000 # Run the app CMD ["flask", "run", "--host=0.0.0.0"]
这是 Dockerfile 的演练和细分:
Dockerfile 以 FROM 指令开头,该指令指定要使用的基础映像。在本例中,它是 python:3.9.7-slim-buster,这是一个最小的基础映像,其中包括 Python 3.9.7 和一些基本库。
下一条指令使用 RUN 和 useradd 命令创建一个名为 Flaskuser 的非 root 用户。这是避免以 root 用户身份运行容器的安全最佳实践。
WORKDIR 指令将工作目录设置为 /app,这是应用程序代码将被复制的位置。
COPY 指令将requirements.txt 文件复制到容器的/app 目录。
RUN指令使用pip安装requirements.txt中列出的依赖项。 --no-cache-dir 选项用于避免缓存下载的包,这有助于保持较小的图像大小。
ENV指令将包含flask命令的目录添加到PATH环境变量中。这是稍后运行 Flask 命令所必需的。
FROM 指令使用之前定义的基础镜像启动一个新的构建阶段。这是一个多阶段构建,有助于最小化最终图像的大小。
COPY 指令将应用程序代码 (app.py)、模板 (templates/) 和静态文件 (static/) 复制到容器的 /app 目录。
ENV 指令设置 FLASK_APP 和 FLASK_ENV 环境变量。 FLASK_APP 指定主应用程序文件的名称,FLASK_ENV 将环境设置为生产环境。
EXPOSE 指令公开端口 5000,这是 Flask 使用的默认端口。
CMD指令指定容器启动时运行的命令。在这种情况下,它使用 --host=0.0.0.0 选项运行 Flask run 命令来绑定到所有网络接口。
有了这个 Dockerfile,应用程序就可以被容器化并执行。但是,需要注意的是,我们的应用程序需要一个数据库来存储运行时创建或生成的数据。当然,您可以单独拉取 MongoDB 数据库镜像并独立运行。然后,在两侧进行调整,建立两个容器之间的通信,以便应用程序能够成功地将数据存储到数据库中。虽然这种方法有效,但可能会消耗时间并且有点乏味。为了简化流程,我们将继续使用 Docker Compose。在 Docker Compose 中,所有内容都在 YAML 文件中声明,通过使用 docker-compose up 命令,我们可以无缝地启动和操作不同的服务,节省时间和精力。
使用 Docker Compose 简化数据库集成
这是基本的 Docker Compose YAML 文件,我们将使用它来简化流程。
version: '3.9' services: db: image: mongo:4.4.14 ports: - "27017:27017" volumes: - mongo-data:/data/db web: build: . container_name: "myflaskapp" ports: - "5000:5000" environment: - MONGO_URI=mongodb://db:27017 depends_on: - db volumes: mongo-data:
此 Docker Compose YAML 文件配置为设置两个服务:MongoDB 数据库 (db) 和 Web 应用程序 (web)。详细介绍如下:
版本: 指定正在使用的 Docker Compose 文件格式的版本(本例中为 3.9)。
-
服务:
-
数据库(db):
- 使用 MongoDB 版本 4.4.14 镜像。
- 将主机端口 27017 映射到容器端口 27017。
- 利用名为 mongo-data 的卷来持久存储 MongoDB 数据。
-
Web 应用程序 (web):
- 从当前目录 (.) 构建 Docker 镜像。
- 将容器名称设置为“myflaskapp”。
- 将主机端口 5000 映射到容器端口 5000。
- 定义环境变量 MONGO_URI,值为 mongodb://db:27017,建立与 MongoDB 服务的连接。
- 指定对 db 服务的依赖,确保数据库在 Web 服务之前启动。
-
-
音量:
- 定义一个名为 mongo-data 的卷来保存 MongoDB 数据。
总之,这个 Docker Compose 文件协调了 MongoDB 数据库和 Flask Web 应用程序的部署,确保它们能够无缝通信和一起运行。
现在导航到包含 Docker Compose 文件的目录并运行 docker-compose up 以启动 MongoDB 和 Flask Web 应用程序。通过 http://localhost:5000 访问应用程序,确保一切按预期工作。
要停止,请使用 docker-compose down。
一切都好吗?接下来:下一篇文章将工作流程迁移到 Kubernetes。
以上是从传统到云无服务器 - 第 1 部分的详细内容。更多信息请关注PHP中文网其他相关文章!

Python在自动化、脚本编写和任务管理中表现出色。1)自动化:通过标准库如os、shutil实现文件备份。2)脚本编写:使用psutil库监控系统资源。3)任务管理:利用schedule库调度任务。Python的易用性和丰富库支持使其在这些领域中成为首选工具。

要在有限的时间内最大化学习Python的效率,可以使用Python的datetime、time和schedule模块。1.datetime模块用于记录和规划学习时间。2.time模块帮助设置学习和休息时间。3.schedule模块自动化安排每周学习任务。

Python在游戏和GUI开发中表现出色。1)游戏开发使用Pygame,提供绘图、音频等功能,适合创建2D游戏。2)GUI开发可选择Tkinter或PyQt,Tkinter简单易用,PyQt功能丰富,适合专业开发。

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。 Python以简洁和强大的生态系统着称,C 则以高性能和底层控制能力闻名。

2小时内可以学会Python的基本编程概念和技能。1.学习变量和数据类型,2.掌握控制流(条件语句和循环),3.理解函数的定义和使用,4.通过简单示例和代码片段快速上手Python编程。

Python在web开发、数据科学、机器学习、自动化和脚本编写等领域有广泛应用。1)在web开发中,Django和Flask框架简化了开发过程。2)数据科学和机器学习领域,NumPy、Pandas、Scikit-learn和TensorFlow库提供了强大支持。3)自动化和脚本编写方面,Python适用于自动化测试和系统管理等任务。

两小时内可以学到Python的基础知识。1.学习变量和数据类型,2.掌握控制结构如if语句和循环,3.了解函数的定义和使用。这些将帮助你开始编写简单的Python程序。

如何在10小时内教计算机小白编程基础?如果你只有10个小时来教计算机小白一些编程知识,你会选择教些什么�...


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

DVWA
Damn Vulnerable Web App (DVWA) 是一个PHP/MySQL的Web应用程序,非常容易受到攻击。它的主要目标是成为安全专业人员在合法环境中测试自己的技能和工具的辅助工具,帮助Web开发人员更好地理解保护Web应用程序的过程,并帮助教师/学生在课堂环境中教授/学习Web应用程序安全。DVWA的目标是通过简单直接的界面练习一些最常见的Web漏洞,难度各不相同。请注意,该软件中

记事本++7.3.1
好用且免费的代码编辑器

安全考试浏览器
Safe Exam Browser是一个安全的浏览器环境,用于安全地进行在线考试。该软件将任何计算机变成一个安全的工作站。它控制对任何实用工具的访问,并防止学生使用未经授权的资源。

mPDF
mPDF是一个PHP库,可以从UTF-8编码的HTML生成PDF文件。原作者Ian Back编写mPDF以从他的网站上“即时”输出PDF文件,并处理不同的语言。与原始脚本如HTML2FPDF相比,它的速度较慢,并且在使用Unicode字体时生成的文件较大,但支持CSS样式等,并进行了大量增强。支持几乎所有语言,包括RTL(阿拉伯语和希伯来语)和CJK(中日韩)。支持嵌套的块级元素(如P、DIV),

螳螂BT
Mantis是一个易于部署的基于Web的缺陷跟踪工具,用于帮助产品缺陷跟踪。它需要PHP、MySQL和一个Web服务器。请查看我们的演示和托管服务。