基于Sanic的微服务基础架构

阅读量：7210 次

发布时间：2019-06-29

本文共 9502 字，大约阅读时间需要 31 分钟。

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。

微服务是最近最火开发模式，它解决了复杂性问题，提高开发效率，便于部署等优点。

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为基础搭建的微服务框架。

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。

使用

项目地址

Swagger API

Zipkin Server

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

@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('/
    
     ')@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.pyclass 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.pyfrom sanic_ms.migrations import MigrationModel, info, dbclass 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 eif __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:

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:

@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

使用官方logging, 配置文件为logging.yml, sanic版本要0.6.0及以上。JsonFormatter将日志转成json格式，用于输入到ES

Enter OpenTracing: by offering consistent, expressive, vendor-neutral APIs for popular platforms, OpenTracing makes it easy for developers to add (or switch) tracing implementations with an O(1) configuration change. OpenTracing also offers a lingua franca for OSS instrumentation and platform-specific tracing helper libraries. Please refer to the Semantic Specification.

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:

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

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 APITestCasefrom server import appclass 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

coverage erasecoverage run --source . -m sanic_ms testscoverage xml -o reports/coverage.xmlcoverage2clover -i reports/coverage.xml -o reports/clover.xmlcoverage 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/
    
     ')async def del_user(request, id):    raise ServerError(error='内部错误',code=10500, message="msg")