Flask+python3+supervisor+redis+docker+nginx技术架构web

摘要：总结本次镜像化大概花了一周的时间，包括测试和解决一些坑，很多知识点包括原来的项目都不是太熟悉，所以记录一下，可能回头会发现这些很，但是相信对一些人还是有用的。

手里有一个web项目，代码按照前端代码库、后端代码库分别在GitHub上，分散带来的结果是，不容易持续集成，比如你可能需要很多的job去保证一个项目的正常运作，但是这个项目也不是特别大，所以尝试将代码融合，于此同时将代码docker化，用于持续部署。

原来的代码使用gunicorn+gevent+supervisor+flask+DB的架构；具体的细节如下：

本地服务器搭建了一个nginx域名服务器，里面区分PC端还是手机端；
访问域名通过nginx，访问前端静态页面的内容
静态页面中加载指定地址的数据，提供数据的服务由flask后端提供接口；
后端提供的接口，通过访问redis缓存和mongodb数据库，返回相应的数据；

上篇文章说了flask项目是怎么拆分和组合的，但是上次仅仅是使用docker，多个容器之间使用的--link连接起来的，本篇文章将介绍如何使用docker-compose代替原来的多个docker命令；

docker compose是什么可以自行搜索，我直接上我的docker-compose.yml

    version: "3"
    
    services:
         flask:
            image: "flask:latest"
            restart: always
            depends_on:
              - mongoDB 
           - redisDB
            tty: true
            stdin_open: false
            environment:
              SLEEP_SECOND: 10
            container_name: flask
            logging:
              driver: "json-file"
              options:
                max-size: "200M"
                max-file: "10"
            command: "gunicorn manage:app -k gevent -w 4 -b 0.0.0.0"
            volumes:
              - $HOME/logs:/app/logs

            networks:
              - inline-network
            ports:
              - "8000:8000"
    
          matrix:
            image: "flask:latest"
            restart: always
            depends_on:
              - mongoDB
              - redisDB
            tty: true
            stdin_open: false
            environment:
              SLEEP_SECOND: 10
            container_name: matrix
            command: "flask matrix"
            volumes:
              - $HOME/logs:/app/logs
              - /etc/localtime:/etc/localtime
            networks:
             - inline-network
    
          broadcast:
            image: "flask:latest"
            restart: always
            depends_on:
              - mongoDB
              - redisDB
            tty: true
            stdin_open: false
            environment:
              SLEEP_SECOND: 10
            container_name: broadcast
            command: "flask broadcast"
            volumes:
              - $HOME/logs:/app/logs
              - /etc/localtime:/etc/localtime
            networks:
              - inline-network
    
        redisDB:
          image: "redis:latest"
          container_name: redis
          restart: always
          networks:
            inline-network:
              aliases:
                - redis
          ports:
            - "6379:6379"
    
        mongoDB:
          image: "mongo:latest"
          restart: always
          container_name: mongo
          ports:
            - "27017:27017"
          volumes:
            - /var/lib/mongo:/data/db
          networks:
            inline-network:
              aliases:
                - mongo
    
    networks:
      inline-network:
        driver: "bridge"
    
```

解释：所有的启动的dontainer都在inline-network网络环境中，所以可以直接使用aliases指定的名字作为数据库连接时候的host，本来是不打算将数据库的端口的，只给flask用，但是后面由于切换的时候是现切换数据库，在切换后段flask的镜像，所以就将数据库端口和宿主机绑定了。

其中flask、matrix、broadcast，都是之前代码中的功能，使用supervisor启动的，现在多带带启动三个docker进程去完成。

前端的PC端和移动端，都使用npm构建成dist文件，然后通过nginx定向到指定的dist文件内容就可以，所以我们对前端的代码也进行了docker化，使用的是nginx；

dockerfile：

FROM nginx:1.15-alpine

COPY dist/ /usr/share/nginx/html

COPY default.conf /etc/nginx/conf.d/default.conf

ENTRYPOINT nginx -g "daemon off;"

default.conf

 server {
     listen       80;
     server_name  localhost;
 
     #charset koi8-r;
     #access_log  /var/log/nginx/host.access.log  main;
 
     location / {
         root   /usr/share/nginx/html;
         index  index.html index.htm;
         try_files $uri $uri/ /index.html;
     }
 
 
     #error_page  404              /404.html;
 
     # redirect server error pages to the static page /50x.html
     #
     error_page   500 502 503 504  /50x.html;
     location = /50x.html {
         root   /usr/share/nginx/html;
     }
 }

PC端和移动端使用的dockerfile和default.conf都是上面的；

在服务其部署的时候，只需要部署域名服务，将PC端和移动端的docker镜像映射到宿主机的8088和8087端口，服务器nginx配置中根据PC请求和移动端的请求，定位到指定的PC/移动端nginx镜像即可。

本次镜像化大概花了一周的时间，包括测试和解决一些坑，很多知识点包括原来的项目都不是太熟悉，所以记录一下，可能回头会发现这些很LOW，但是相信对一些人还是有用的。