python 微服务方案

介绍

使用python做web开发面临的一个最大的问题就是性能，在解决C10K问题上显的有点吃力。有些异步框架Tornado、Twisted、Gevent 等就是为了解决性能问题。这些框架在性能上有些提升，但是也出现了各种古怪的问题难以解决。

在python3.6中，官方的异步协程库asyncio正式成为标准。在保留便捷性的同时对性能有了很大的提升,已经出现许多的异步框架使用asyncio。

使用较早的异步框架是aiohttp，它提供了server端和client端，对asyncio做了很好的封装。但是开发方式和最流行的微框架flask不同，flask开发简单，轻量，高效。正是结合这些优点, 以Sanic为基础，集成多个流行的库来搭建微服务。 Sanic框架是和Flask相似的异步协程框架，简单轻量，并且性能很高。本项目就是以Sanic为基础搭建的python微服务框架。(思想适用于其他语言)

微服务设计原则个人总结:

在这里插入图片描述

X 轴 ：指的是水平复制，很好理解，就是讲单体系统多运行几个实例，做个集群加负载均衡的模式。

Z 轴 ：是基于类似的数据分区，比如一个互联网打车应用突然或了，用户量激增，集群模式撑不住了，那就按照用户请求的地区进行数据分区，北京、上海、四川等多建几个集群。简单理解数据库拆分,比如分库分表

Y 轴 ：就是我们所说的微服务的拆分模式，就是基于不同的业务拆分。

微服务总体架构:

在这里插入图片描述

• 使用sanic异步框架，简单，轻量，高效。
• 使用uvloop为核心引擎，使sanic在很多情况下单机并发甚至不亚于Golang。
• 使用asyncpg为数据库驱动，进行数据库连接，执行sql语句执行。
• 使用aiohttp为Client，对其他微服务进行访问。
• 使用peewee为ORM，但是只是用来做模型设计和migration。
• 使用opentracing为分布式追踪系统。
• 使用unittest做单元测试，并且使用mock来避免访问其他微服务。
• 使用swagger做API标准，能自动生成API文档。

服务端

使用sanic异步框架，有较高的性能，但是使用不当会造成blocking, 对于有IO请求的都要选用异步库。添加库要慎重。

sanic使用uvloop异步驱动，uvloop基于libuv使用Cython编写，性能比nodejs还要高。

功能说明：

启动前

@app.listener('before_server_start')
 
async def before_srver_start(app, loop):
 
queue = asyncio.Queue()
 
app.queue = queue
 
loop.create_task(consume(queue, app.config.ZIPKIN_SERVER))
 
reporter = AioReporter(queue=queue)
 
tracer = BasicTracer(recorder=reporter)
 
tracer.register_required_propagators()
 
opentracing.tracer = tracer
 
app.db = await ConnectionPool(loop=loop).init(DB_CONFIG)

• 创建DB连接池
• 创建Client连接
• 创建queue, 消耗span，用于日志追踪
• 创建opentracing.tracer进行日志追踪

中间件

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，
互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
@app.middleware('request')
 
async def cros(request):
 
if request.method == 'POST' or request.method == 'PUT':
 
request['data'] = request.json
 
span = before_request(request)
 
request['span'] = span
 
 
 
 
 
@app.middleware('response')
 
async def cors_res(request, response):
 
span = request['span'] if 'span' in request else None
 
if response is None:
 
return response
 
result = {'code': 0}
 
if not isinstance(response, HTTPResponse):
 
if isinstance(response, tuple) and len(response) == 2:
 
result.update({
 
'data': response[0],
 
'pagination': response[1]
 
})
 
else:
 
result.update({'data': response})
 
response = json(result)
 
if span:
 
span.set_tag('http.status_code', "200")
 
if span:
 
span.set_tag('component', request.app.name)
 
span.finish()
 
return response

• 创建span, 用于日志追踪
• 对response进行封装，统一格式

异常处理

对抛出的异常进行处理，返回统一格式

任务

创建task消费queue中对span，用于日志追踪

异步处理

由于使用的是异步框架，可以将一些IO请求并行处理

Example:

async def async_request(datas):
 
# async handler request
 
results = await asyncio.gather(*[data[2] for data in datas])
 
for index, obj in enumerate(results):
 
data = datas[index]
 
data[0][data[1]] = results[index]
 
 
 
@user_bp.get('/<id:int>')
 
@doc.summary("get user info")
 
@doc.description("get user info by id")
 
@doc.produces(Users)
 
async def get_users_list(request, id):
 
async with request.app.db.acquire(request) as cur:
 
record = await cur.fetch(
 
""" SELECT * FROM users WHERE id = $1 """, id)
 
datas = [
 
[record, 'city_id', get_city_by_id(request, record['city_id'])]
 
[record, 'role_id', get_role_by_id(request, record['role_id'])]
 
]
 
await async_request(datas)
 
return record

get_city_by_id, get_role_by_id是并行处理。

模型设计 & ORM

Peewee is a simple and small ORM. It has few (but expressive) concepts, making it easy to learn and intuitive to use。

ORM使用peewee, 只是用来做模型设计和migration, 数据库操作使用asyncpg。

Example:

# models.py
 
 
 
class Users(Model):
 
id = PrimaryKeyField()
 
create_time = DateTimeField(verbose_name='create time',
 
default=datetime.datetime.utcnow)
 
name = CharField(max_length=128, verbose_name="user's name")
 
age = IntegerField(null=False, verbose_name="user's age")
 
sex = CharField(max_length=32, verbose_name="user's sex")
 
city_id = IntegerField(verbose_name='city for user', help_text=CityApi)
 
role_id = IntegerField(verbose_name='role for user', help_text=RoleApi)
 
 
 
class Meta:
 
db_table = 'users'
 
 
 
 
 
# migrations.py
 
 
 
from sanic_ms.migrations import MigrationModel, info, db
 
 
 
class UserMigration(MigrationModel):
 
_model = Users
 
 
 
# @info(version="v1")
 
# def migrate_v1(self):
 
# migrate(self.add_column('sex'))
 
 
 
def migrations():
 
try:
 
um = UserMigration()
 
with db.transaction():
 
um.auto_migrate()
 
print("Success Migration")
 
except Exception as e:
 
raise e
 
 
 
if __name__ == '__main__':
 
migrations()

• 运行命令 python migrations.py
• migrate_v1函数添加字段sex, 在BaseModel中要先添加name字段
• info装饰器会创建表migrate_record来记录migrate，version每个model中必须唯一，使用version来记录是否执行过，还可以记录author，datetime
• migrate函数必须以migrate_开头

数据库操作

asyncpg is the fastest driver among common Python, NodeJS and Go implementations

使用asyncpg为数据库驱动, 对数据库连接进行封装, 执行数据库操作。

不使用ORM做数据库操作，一个原因是性能，ORM会有性能的损耗，并且无法使用asyncpg高性能库。另一个是单个微服务是很简单的，表结构不会很复杂，简单的SQL语句就可以处理来，没必要引入ORM。使用peewee只是做模型设计

Example:

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，
互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
sql = "SELECT * FROM users WHERE name=$1"
 
name = "test"
 
async with request.app.db.acquire(request) as cur:
 
data = await cur.fetchrow(sql, name)
 
 
 
async with request.app.db.transaction(request) as cur:
 
data = await cur.fetchrow(sql, name)

• acquire() 函数为非事务, 对于只涉及到查询的使用非事务，可以提高查询效率
• tansaction() 函数为事务操作，对于增删改必须使用事务操作
• 传入request参数是为了获取到span，用于日志追踪
• TODO 数据库读写分离

客户端

使用aiohttp中的client，对客户端进行了简单的封装，用于微服务之间访问。

Don’t create a session per request. Most likely you need a session per application which performs all requests altogether.

A session contains a connection pool inside, connection reusage and keep-alives (both are on by default) may speed up total performance.

Example:

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，
互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
@app.listener('before_server_start')
 
async def before_srver_start(app, loop):
 
app.client = Client(loop, url='http://host:port')
 
 
 
async def get_role_by_id(request, id):
 
cli = request.app.client.cli(request)
 
async with cli.get('/cities/{}'.format(id)) as res:
 
return await res.json()
 
 
 
@app.listener('before_server_stop')
 
async def before_server_stop(app, loop):
 
app.client.close()

对于访问不同的微服务可以创建多个不同的client，这样每个client都会keep-alives

日志 & 分布式追踪系统

装饰器logger

@logger(type='method', category='test', detail='detail', description="des", tracing=True, level=logging.INFO)
 
async def get_city_by_id(request, id):
 
cli = request.app.client.cli(request)

• type: 日志类型，如 method, route
• category: 日志类别，默认为app的name
• detail: 日志详细信息
• description: 日志描述，默认为函数的注释
• tracing: 日志追踪，默认为True
• level: 日志级别，默认为INFO

分布式追踪系统

• OpenTracing是以Dapper，Zipkin等分布式追踪系统为依据, 建立了统一的标准。
• Opentracing跟踪每一个请求，记录请求所经过的每一个微服务，以链条的方式串联起来，对分析微服务的性能瓶颈至关重要。
• 使用opentracing框架，但是在输出时转换成zipkin格式。 因为大多数分布式追踪系统考虑到性能问题，都是使用的thrift进行通信的，本着简单，Restful风格的精神，没有使用RPC通信。以日志的方式输出, 可以使用fluentd, logstash等日志收集再输入到Zipkin。Zipkin是支持HTTP输入的。
• 生成的span先无阻塞的放入queue中，在task中消费队列的span。后期可以添加上采样频率。
• 对于DB，Client都加上了tracing

API接口

api文档使用swagger标准。

Example:

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，
互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
from sanic_ms import doc
 
 
 
@user_bp.post('/')
 
@doc.summary('create user')
 
@doc.description('create user info')
 
@doc.consumes(Users)
 
@doc.produces({'id': int})
 
async def create_user(request):
 
data = request['data']
 
async with request.app.db.transaction(request) as cur:
 
record = await cur.fetchrow(
 
""" INSERT INTO users(name, age, city_id, role_id)
 
VALUES($1, $2, $3, $4, $5)
 
RETURNING id
 
""", data['name'], data['age'], data['city_id'], data['role_id']
 
)
 
return {'id': record['id']}

• summary: api概要
• description: 详细描述
• consumes: request的body数据
• produces: response的返回数据
• tag: API标签
• 在consumes和produces中传入的参数可以是peewee的model,会解析model生成API数据, 在field字段的help_text参数来表示引用对象
• http://host:ip/openapi/spec.json 获取生成的json数据

Response 数据

在返回时，不要返回sanic的response，直接返回原始数据，会在Middleware中对返回的数据进行处理，返回统一的格式，具体的格式可以[查看]

单元测试

单元测试使用unittest。 mock是自己创建了MockClient，因为unittest还没有asyncio的mock，并且sanic的测试接口也是发送request请求，所以比较麻烦. 后期可以使用pytest。

Example:

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，
互帮互助,群里还有不错的视频学习教程和PDF电子书！
''' 
from sanic_ms.tests import APITestCase
 
from server import app
 
 
 
class TestCase(APITestCase):
 
_app = app
 
_blueprint = 'visit'
 
 
 
def setUp(self):
 
super(TestCase, self).setUp()
 
self._mock.get('/cities/1',
 
payload={'id': 1, 'name': 'shanghai'})
 
self._mock.get('/roles/1',
 
payload={'id': 1, 'name': 'shanghai'})
 
 
 
def test_create_user(self):
 
data = {
 
'name': 'test',
 
'age': 2,
 
'city_id': 1,
 
'role_id': 1,
 
}
 
res = self.client.create_user(data=data)
 
body = ujson.loads(res.text)
 
self.assertEqual(res.status, 200)

• 其中_blueprint为blueprint名称
• 在setUp函数中，使用_mock来注册mock信息, 这样就不会访问真实的服务器, payload为返回的body信息
• 使用client变量调用各个函数, data为body信息，params为路径的参数信息，其他参数是route的参数

代码覆盖

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006 寻找有志同道合的小伙伴，
互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
coverage erase
 
coverage run --source . -m sanic_ms tests
 
coverage xml -o reports/coverage.xml
 
coverage2clover -i reports/coverage.xml -o reports/clover.xml
 
coverage html -d reports

coverage2colver 是将coverage.xml 转换成 clover.xml，bamboo需要的格式是clover的。

异常处理

使用 app.error_handler = CustomHander() 对抛出的异常进行处理

Example:

from sanic_ms.exception import ServerError

 
@visit_bp.delete('/users/<id:int>')
 
async def del_user(request, id):

• raise ServerError(error='内部错误',code=10500, message="msg")
• code: 错误码，无异常时为0，其余值都为异常
• message: 状态码信息
• error: 自定义错误信息
• status_code: http状态码，使用标准的http状态码