米洛的小窝

测试平台系列(60) 在Linux机器上部署Pity.md

2022/6/13 测试平台接口测试FastApiPythonReact

大家好~我是米洛！

这是一个完整的接口测试平台系列教程，希望能和大家一起学习，从0到1打造一个开源平台。

欢迎关注我的公众号米洛的测开日记，获取最新文章教程!

# 回顾

上一节我们编写了用例列表相关改造，但由于编辑/新增case的页面还得好好设计一番，而后端接口也没啥大的变化。

所以今天我们来聊聊怎么部署。

# 部署服务的几种方式

其实我们如果是在公司使用的话，一般公司运维都会提供部署服务的平台，但可能都是以业务代码使用的语言为主。

比如我上家公司，业务代码是用的Java，所以在Java服务的部署上，基本上接入公司发布系统即可。不扯远了，有的公司测试会自己维护一台服务器，随便儿你玩，不走发布系统。（当然如果你们公司支持Python服务的发布，建议还是用公司的发布系统，贵在稳定+可视化）

如果我们是自己维护自己的服务器，该怎么部署咱们的系统呢？

以下是Pity的部署教程，如果想看其他Python部署方式的，可以先跳过哈。

# 数据库

数据库这块比较简单，Pity提供了自动建表功能，底层使用的是MySQL，所以大家需要准备一台MySQL服务器，或者就在你的服务器安装好MySQL也是一样。

具体的安装过程我这儿就不细说了。

安装好以后我们会拿到用户名，密码，host和port信息，我们还需要创建数据库:

create database pity;
1

# 修改pity关于数据库的配置

在pity/Config.py修改SQLALCHEMY的连接串:

配置成你们本地的数据库连接

这样你的数据就能好好保存在你们的数据库了。

# 安装依赖

pip3 install -r requirements.txt
1

也可以使用豆瓣源:

pip3 install -r requirements.txt -i https://pypi.douban.com/simple
1

如果过程中安装失败了，建议升级一下pip。

# 测试服务是否启动

如果启动服务的时候报没有logs文件夹，可以在pity根目录新建文件夹: logs，因为github会自动忽略掉空文件夹，所以可能需要大家自己创建。

在pity目录下启动服务:

python3 main.py
1

如果出现这样的图片，则是启动成功了

打开http://服务器ip:7777:

#

# 正题

我们今天主要是讲怎么用gunicorn部署Python服务，只不过博主我先用了自己的项目探路。

回到正题，我们先来看一看最简单的一个部署方式。

# 经典部署方式

在解决好所有环境依赖以后，我们通过python3 xxx.py启动服务，这样其他人就能够通过服务器ip+端口访问页面了。

http://服务器ip:端口号/

思考一下这样做的弊端:

  1. 服务器会一直打印着请求信息，并没有在后台运行

就像现在这样，shell会一直持续保持这样的状态

  1. 程序如果自动宕机，不能自动恢复

比如哪天程序不小心崩溃了，有的异常没有被自动捕获，导致整个Python程序崩溃，从而导致系统无法访问。

  1. Python GIL性能太差

# 改进一下

针对经典部署，其实也有一些处理方式，比如第一条，我们可以用nohup帮我们解决第一个困难。

nohup python xxx.py &
1

然后可以看到当前目录生成了nohup.out的文件，而你的控制台窗口也没有再停留在服务输出窗口。

但还有其他困难，我们怎么解决呢？别慌！我们还有gunicorn+supervisor

# supervisor

supervisor是一个托管容器，你的应用会被托管到里面，而他会提供一个守护线程，专门监控你的应用。当你的应用不小心崩了，他会自动把应用拉起，非常好用！

遇到非代码错误，比如有人误操作kill掉你的程序，它会自动帮忙拉起，毫无波澜。

# gunicorn

gunicorn基于gevent，差不多算是个提升app性能的库，它可以帮助我们的web应用提升性能，并且他也有自动重启的功能，还可以开启根据服务器配置开启不同数量的worker。

# 怎么使用呢

# 安装Gunicorn

pip3 install gunicorn
1

以我们的app为例，我们的app名字叫pity，文件是main.py，所以取到app的方法就是: main:pity

# 普通gunicorn模式

安装好以后gunicorn命令就能够使用了，输入命令:

# FastApi应用
gunicorn -k uvicorn.workers.UvicornWorker main:pity -b 0.0.0.0:7777 -w 4 &
1
2

解释一下参数:

# -k:

这个是指定worker为Uvicorn的Worker，为fastapi专属，其他比如flask应用不需要带上这个参数。

# -w

workers数量，也就是起的线程数量，一般根据自己CPU内核来。比如我的服务器是4核的，那我就设定为4。

main:pity就是上面说的app的具体位置。

# 试验一下

可以看到服务都启动成功了

ps -ef | grep gunicorn可以看到这些个线程

# 配置文件的方式启动

我们编写gunicorn.py文件（配置文件）:

import os
import gevent.monkey

gevent.monkey.patch_all()

import multiprocessing

# debug = True
loglevel = 'debug'
bind = "0.0.0.0:7777"
pidfile = "logs/gunicorn.pid"
accesslog = "logs/access.log"
errorlog = "logs/debug.log"
daemon = True
timeout = 60

# 启动的进程数
# workers = multiprocessing.cpu_count()
workers = 8
worker_class = 'gevent'
x_forwarded_for_header = 'X-FORWARDED-FOR'
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

配置好bind地址，日志信息，workders数量，multiprocessing.cpu_count()会返回CPU数量。

记得安装gevent，用pip。

可以看到服务起来了，这边我开了8个workder。

其实这个时候gunicorn已经具备了自动拉起功能，但gunicorn也可能被kill掉，所以我们更稳妥点儿的话，需要supervisor。

# supervisor

这块的资料比较多，大家可以尽情百度，因为博主主要讲的是部署方式，还得靠大家自己去实践呐。

# 更多部署方式

docker，k8s什么的也是不错的选择，如果大家有兴趣也可以多研究一下，作为测试的我们，掌握好基本的用法即可。

如果有兴趣也欢迎大家一起探讨~~

(61) 重构用例详情页面