一、准备工作
确保已经安装以下软件:
- Docker
- Docker Compose
- Python 3.x
二、创建 Flask 应用
首先,创建一个简单的 Flask 应用。创建一个新的目录并在其中创建以下文件:
1. app.py
python
python
fromflask importFlask, jsonify
app = Flask(__name__)
@app.route('/')defhello_world():
returnjsonify(message='Hello, World!')
if__name__ == '__main__':
app.run(host='0.0.0.0')
2. requirements.txt
txt
Flask==2.0.1
gunicorn==20.1.0
三、创建 Dockerfile
在同一目录中创建一个 Dockerfile 文件:
Dockerfile
使用官方的 Python 基础镜像
FROM python:3.9-slim
设置工作目录
WORKDIR /app
复制依赖文件并安装依赖
COPY requirements.txt requirements.txt
RUN pip install --no-cache-dir -r requirements.txt
复制项目文件到工作目录
COPY . .
暴露应用程序端口
EXPOSE 8000
启动应用程序
CMD ["gunicorn", "--workers=3", "--bind=0.0.0.0:8000", "app:app"]
四、创建 Docker Compose 文件
在同一目录中创建一个 docker-compose.yml 文件:
yaml
version:'3'services:web:build:.ports:-"8000:8000"environment:-ENV=production
五、构建和运行 Docker 容器
在项目目录下运行以下命令来构建和启动容器:
bash
docker-compose up --build
六、优化 Gunicorn 配置
为了更好地处理高并发请求,可以根据服务器的性能和应用需求调整 Gunicorn 的配置。这里是一些常见的优化参数:
- --workers:设置工作进程数,通常建议为 (2 x $num_cores) + 1
- --threads:设置每个工作进程的线程数,适合 IO 密集型应用
- --worker-class:选择工作类型,如 gevent 或 asyncio 适合处理异步任务
更新 Dockerfile 中的 Gunicorn 启动命令:
Dockerfile
CMD ["gunicorn", "--workers=4", "--threads=2", "--worker-class=gthread", "--bind=0.0.0.0:8000", "app:app"]
七、设置 Nginx 作为反向代理(可选)
为了进一步提升性能和处理静态文件,可以使用 Nginx 作为反向代理。创建以下文件:
1. nginx.conf
nginx
server {
listen 80;
location / {
proxy_pass http://web: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;
}
}
2. 更新 docker-compose.yml
yaml
version:'3'services:web:build:.expose:-"8000"environment:-ENV=productionnginx:image:nginx:latestports:-"80:80"volumes:-./nginx.conf:/etc/nginx/conf.d/default.confdepends_on:-web
八、测试和部署
重新构建和启动容器:
bash
docker-compose up --build
通过访问 http://localhost,可以看到 Flask 应用被成功部署并通过 Nginx 进行代理。
九、总结
通过结合使用 Flask、Gunicorn 和 Docker,配合 Nginx 反向代理,可以创建一个高性能、高并发处理能力的 Web 应用部署方案。这种配置不仅提高了应用的可扩展性,还简化了部署和管理流程。