（一） Flask 應用

1. 創建一個目錄并切換進去

$ mkdir gunicorn_demo
$ cd gunicorn_demo

2. 創建一個 Flask 應用

構建一個最基本的 Flask 項目
app.py 文件

from flask import Flask


app = Flask(__name__)


@app.route("/")
def index():
    return 'Hello World'

（二） Gunicorn 相關

1. 后端工作的簡單示意圖

2. Gunicorn 概述

Gunicorn 是目前使用最廣泛的高性能的 Python WSGI（WEB Server Gateway interface）服務器，移植自 Ruby 的 Unicorn 項目，使用 pre-fork worker 模式，具有簡單、易用、輕量級、低資源消耗和高性能等特點。

什么是 pre-fork worker 模型？

• worker 模型意味著：這個模型有一個中心主控 master進程，由它來管理一組 worker 進程；這個主控進程并不知曉任何客戶端，所有的請求和響應都完全是由多個 worker 進程來處理的。
• fork 意味著：worker 進程是由 master 進程 fork （復刻）出來的；
• pre- 意味著：在任何客戶端請求到來之前（程序啟動的時候），就已從 master 進程 fork 出了多個 worker 進程，坐等請求到來。

3. Gunicorn 的工作方式

存放在 /gunicorn/workers/__init__.py 文件中
以下針對每一個 worker 進程中的工作模式

• sync：單進程單線程的工作模式，而且還是同步的，也就是說當前請求未處理結束，其他請求只能排隊等待
• eventlet：單進程單線程多協程的工作模式（異步）
• gevent：單進程單線程多協程的工作模式（異步）
• gthread：單進程多線程的工作模式
• ... 還有一些其他工作模式，具體請看官方文檔
  

注意事項：

1. Gunicorn 建議設置的 workers 的數量為 (2 * CPU) + 1
2. Gunicorn 默認啟動的工作方式為 sync 模式
3. Gunicorn 中的多線程和多協程的工作方式是互斥的，也就是說在一個 worker 進程中，單進程多線程和 單進程單線程多協程 這兩種工作方式是可以的，但是 單進程多線程多協程 目前是不可以的

4. Gunicorn 的參數配置

更具體的內容請查看文檔：Gunicorn Settings

5. 運行方式一（命令行 + 運行參數）

① 同步

$ gunicorn --workers=5 app:app

以上開啟了 5 個 worker 進程，默認是以 sync 的工作模式運行的，也就是 同步 的工作模式
第一個 app 指的是 app.py 文件名
第二個 app 指的是文件中的實例變量 app

② 多線程

$ gunicorn --workers=5 --threads=2 app:app
# 等同于
$ gunicorn --workers=5 --threads=2 --worker-class=gthread app:app

開啟了 5 個 workder 進程，每個進程中有兩個線程，這里最大的并發請求數就是 worker * 線程數 = 10

③ 協程

$ gunicorn --workers=5 --worker-connections=1000 --worker-class=gevent app:app

開啟了 5 個 workder 進程，每個進程中默認是一個線程，然后開啟的協程數為 1000，在這種情況下，能夠處理的最大并發請求數量為 worker * 協程數 = 5000

6. 運行方式二（將運行參數信息放到配置文件中）

在項目根目錄上創建 gunicorn_config.py 文件，內容如下：

"""gunicorn + gevent 的配置文件"""

# 多進程
import multiprocessing

# 綁定ip + 端口
bind = '0.0.0.0:5000'

# 進程數 = cup數量 * 2 + 1
workers = multiprocessing.cpu_count() * 2 + 1

# 等待隊列最大長度，超過這個長度的鏈接將被拒絕連接
backlog = 2048

# 工作模式--協程
worker_class = 'gevent'

# 最大客戶客戶端并發數量，對使用協程的 worker 的工作有影響
# 服務器配置設置的值  1000：中小型項目  上萬并發： 中大型
worker_connections = 1000

# 進程名稱
proc_name = 'gunicorn.pid'

# 進程 pid 記錄文件
pidfile = 'gunicorn.pid'

# 日志等級
loglevel = 'warning'

# 日志文件名
logfile = 'gunicorn_log.log'

# 設置訪問日志
accesslog = 'gunicorn_acess.log'

# 設置錯誤信息日志
errorlog  = 'gunicorn_error.log'

# 代碼發生變化是否自動重啟
reload = True

命令行運行：

$ gunicorn -c gunicorn_config.py app:app

（三） Docker 部署 Flask

1. 編寫 Dockerfile 文件

app.py 和 Dockerfile 文件在同一個目錄下

Dockerfile 文件的內容

# 指定下載 python 版本，說明該鏡像以哪個鏡像為基礎
FROM python:3.8.5

# 構建者的基本信息
MAINTAINER whxcer

# 創建 app 文件夾
RUN mkdir -p /app

# 進入 app 目錄
RUN cd /app
# 或 WORKDIR /app

# 在容器內部執行的命令
# 注意：gunicorn 與 gevent 存在版本依賴關系，此外 gevent 依賴的 greenlet 也會有版本問題，盡量使用最新版本即可
# RUN pip install -r requirements.txt -i https://pypi.douban.com/simple/
RUN pip install -i https://pypi.douban.com/simple/ flask
RUN pip install -i https://pypi.douban.com/simple/ gunicorn
RUN pip install -i https://pypi.douban.com/simple/ gevent
RUN pip install -i https://pypi.douban.com/simple/ greenlet

# 將 linux 系統當前目錄下的內容拷貝到容器的 /app 目錄下
ADD . /app

# 暴露 5000 端口
EXPOSE 5000

# 將 app 文件夾為工作目錄
WORKDIR /app

# 容器啟動的時候執行的命令 flask run（使用內置的開發服務器啟動）
# CMD ["flask", "run", "--host", "0.0.0.0"]
# 使用 Gunicorn 服務器啟動 Flask 應用
CMD ["gunicorn", "-c", "gunicorn_config.py", "app:app"]

此時的文件結構為：

├── gunicorn_demo
│   ├── app.py
│   ├── Dockerfile
│   ├── gunicorn_config.py

2. 構建鏡像

# 構建鏡像
docker build -t="gunicorn_demo" .
或
docker build -t gunicorn_demo .


# 查看構建之后的鏡像
docker images

3. 使用鏡像，啟動容器

# 使用鏡像，啟動容器
docker run -d -p 5000:5000 gunicorn_demo


# 查看啟動后的容器
docker ps

# 將處于運行狀態的容器暫停
docker stop container_id

4. 運行效果圖

• 使用 Flask 內置的開發服務器啟動的效果圖
  
• 使用 Gunicorn 服務器啟動的效果圖