Python 微服务方案

2021-09-07 16:29:03

介绍

使用python做web开发面临的一个大的问题就是性能，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:

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:

特点

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=queueloop.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

@app.middleware('request')asyncdefcros(request):ifrequest.method =='POST'orrequest.method =='PUT':
        request['data'] = request.json
    span = before_request(request)
    request['span'] = span@app.middleware('response')asyncdefcors_res(request, response):span = request['span']if'span'inrequestelseNoneifresponseisNone:returnresponse
    result = {'code':}ifnotisinstance(response, HTTPResponse):ifisinstance(response, tuple)andlen(response) ==2:
            result.update({'data': response[],'pagination': response[1]
            })else:
            result.update({'data': response})
        response = json(result)ifspan:
            span.set_tag('http.status_code',"200")ifspan:
        span.set_tag('component', request.app.name)
        span.finish()returnresponse

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:

asyncdefasync_request(datas):# async handler requestresults =awaitasyncio.gather(*[data[2]fordataindatas])forindex, objinenumerate(results):
        data = datas[index]
        data[][data[1]] = results[index]@user_bp.get('/<id:int>')@doc.summary("get user info")@doc.description("get user info by id")@doc.produces(Users)asyncdefget_users_list(request, id):asyncwithrequest.app.db.acquire(request)ascur:
        record =awaitcur.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'])]
        ]awaitasync_request(datas)returnrecord

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.pyclassUsers(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)classMeta:db_table ='users'# migrations.pyfromsanic_ms.migrationsimportMigrationModel, info, dbclassUserMigration(MigrationModel):_model = Users# @info(version="v1")# def migrate_v1(self):#     migrate(self.add_column('sex'))defmigrations():try:
        um = UserMigration()withdb.transaction():
            um.auto_migrate()
            print("Success Migration")exceptExceptionase:raiseeif__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，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:

sql ="SELECT * FROM users WHERE name=$1"name="test"asyncwithrequest.app.db.acquire(request)ascur:data= await cur.fetchrow(sql,name)

asyncwithrequest.app.db.transaction(request)ascur: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:

@app.listener('before_server_start')asyncdefbefore_srver_start(app, loop):app.client =  Client(loop, url='http://host:port')asyncdefget_role_by_id(request, id):cli = request.app.client.cli(request)asyncwithcli.get('/cities/{}'.format(id))asres:returnawaitres.json()@app.listener('before_server_stop')asyncdefbefore_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)
asyncdefget_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:

fromsanic_msimportdoc@user_bp.post('/')@doc.summary('create user')@doc.description('create user info')@doc.consumes(Users)@doc.produces({'id': int})asyncdefcreate_user(request):data = request['data']asyncwithrequest.app.db.transaction(request)ascur:
        record =awaitcur.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:

from sanic_ms.tests import APITestCase
from server import appclassTestCase(APITestCase):_app = app
    _blueprint ='visit'defsetUp(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'})deftest_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

coverage erase
coverage run --source . -m sanic_ms tests
coveragexml-oreports/coverage.xmlcoverage2clover-i reports/coverage.xml-oreports/clover.xmlcoveragehtml -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:

fromsanic_ms.exceptionimportServerError@visit_bp.delete('/users/<id:int>')asyncdefdel_user(request, id):raiseServerError(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