Sanic教程: 2.配置

简介: 对于一个项目来说,配置是一个很严肃的问题,比如说:在开发环境和生产环境中,配置是不同的,那么一个项目该如何自由地在不同的配置环境中进行切换呢,思考下,然后带着答案或者疑问往下阅读。

单一配置


撸起袖子,开始吧,新建文件夹 demo2 ,内部建立这样的文件结构:

demo02
├── config
│   ├── __init__.py
│   └── config.py
└── run.py

其中 run.py 内容如下:

#!/usr/bin/env python
from sanic import Sanic
from sanic.response import text
app = Sanic()
@app.route("/")
async def test(request):
   return text('Hello World!')
if __name__ == "__main__":
   app.run(host="0.0.0.0", port=8000, debug=True)

代码示例中开启了 debug 模式,假设我们需要通过 config.py 配置文件来实现控制服务的 debug 模式开启与否,那该怎么实现呢。


config.py 中添加一行: DEBUG=True ,然后 run.py 内容改为:

#!/usr/bin/env python
from sanic import Sanic
from sanic.response import text
from config import DEBUG
app = Sanic()
@app.route("/")
async def test(request):
   return text('Hello World!')
if __name__ == "__main__":
   app.run(host="0.0.0.0", port=8000, debug=DEBUG)

表面上看,功能确实实现了,但这实际上却不是很好的做法,若部署在生产环境中,难道还要特地再将 debug 改为 False 么,这显然很浪费时间,如果需要改变的参数有很多,那就很难维护了。


多配置


那么,正确的做法应该是怎么样的呢?


我们应当依据不同的环境来编写各自对应的环境,举个例子,比如生产环境就对应 pro_config,开发环境就对应 dev_config.py等等


具体该怎么实施?首先在文件夹 demo2 ,内部建立这样的文件结构:

demo02
├── config
│   ├── __init__.py
│   ├── config.py
│   ├── dev_config.py
│   └── pro_config.py
└── run.py

然后使用类继承的方式使这三个配置文件联系起来,比如在 config.py 中就只放公有配置,如:

#!/usr/bin/env python
import os
class Config():
   """
   Basic config for demo02
   """
   # Application config
   TIMEZONE = 'Asia/Shanghai'
   BASE_DIR = os.path.dirname(os.path.dirname(__file__))

而在 pro_config.pydev_config.py 中就可以自由地编写不同的配置了:

# dev_config
#!/usr/bin/env python
from .config import Config
class DevConfig(Config):
   """
   Dev config for demo02
   """
   # Application config
   DEBUG = True
# pro_config
#!/usr/bin/env python
from .config import Config
class ProConfig(Config):
   """
   Pro config for demo02
   """
   # Application config
   DEBUG = False

配置文件还需要根据系统环境变量的设置进行不同配置环境的切换,比如设置 MODE 系统环境变量,这里从系统环境变量得到配置也是个不错的方法,一般说利用 gunicorn配置 worker数目之类的,都可以使用这种方案。


然后可以根据其不同的值切换到不同的配置文件,因此在 __init__.py 中需要这么写:

#!/usr/bin/env python
import os
def load_config():
   """
   Load a config class
   """
   mode = os.environ.get('MODE', 'DEV')
   try:
       if mode == 'PRO':
           from .pro_config import ProConfig
           return ProConfig
       elif mode == 'DEV':
           from .dev_config import DevConfig
           return DevConfig
       else:
           from .dev_config import DevConfig
           return DevConfig
   except ImportError:
       from .config import Config
       return Config
CONFIG = load_config()

默认 MODE 设置为 DEV,在 run.py 文件中就可以这么调用:

#!/usr/bin/env python
from sanic import Sanic
from sanic.response import text
from config import CONFIG
app = Sanic()
app.config.from_object(CONFIG)
@app.route("/")
async def test(request):
   return text('Hello World!')
if __name__ == "__main__":
   app.run(host="0.0.0.0", port=8000, debug=app.config['DEBUG'])

而在生产环境的服务器上,直接通过设置系统变量就可以达到配置修改的目的了,如下:

# 通过设置MODE的值进行配置文件的选择
export MODE=PRO 

若是利用 supervisor 来启动服务,可通过添加 environment=MODE="PRO" 来设置环境变量,是不是很方便呢。


说明


其实我编写这种微服务,配置更新是很正常且很频繁的需求,这样的话我就必须要求我的代码可以实现热更新,也就是可以迅速的修改配置,且迅速的生效,目前我使用的是 ZooKeeper来实现这个需求,有兴趣的朋友可以详细了解,或许你也是用这个方案呢?


如果你有更好的方案,不妨告知一二。

相关文章
|
Ubuntu 机器人 Linux
|
Web App开发 XML Java
SpringMVC使用MultipartResolver和MultipartFile实现文件上传
SpringMVC使用MultipartResolver和MultipartFile实现文件上传
1648 0
|
3月前
|
存储 机器学习/深度学习 弹性计算
阿里云服务器ECS计算型c9i规格族性能与特点、配置性能参数表
阿里云ECS计算型c9i实例基于Intel® Xeon® Granite Rapids处理器,主频3.2GHz,全核睿频3.6GHz,提供稳定高性能计算能力。支持NVMe协议、vTPM安全加密,适用于机器学习、大数据分析、高性能计算等场景,具备高安全、低延迟、强扩展等优势。
|
3月前
|
机器学习/深度学习 人工智能 监控
淘宝 API 助力,天猫店铺商品上下架智能管理
在电商竞争激烈的环境下,天猫商家通过淘宝开放平台API实现商品上下架自动化,结合智能算法提升管理效率,优化库存与销售,减少人工错误,提高运营效率与市场竞争力。
155 0
|
3月前
|
人工智能 编解码 JSON
不看后悔!GitHub 开源 MultiTalk .8k star 强大的人语音+图像绑定项目
MultiTalk 是 GitHub 上的开源项目,具备音频驱动、多人对话视频生成功能。支持多路音频与图像绑定,实现高同步唇动与角色互动,适用于教学、虚拟人及短视频创作,已获 8k 星标。
309 0
|
9月前
|
存储 分布式计算 物联网
美的楼宇科技基于阿里云 EMR Serverless Spark 构建 LakeHouse 湖仓数据平台
美的楼宇科技基于阿里云 EMR Serverless Spark 建设 IoT 数据平台,实现了数据与 AI 技术的有效融合,解决了美的楼宇科技设备数据量庞大且持续增长、数据半结构化、数据价值缺乏深度挖掘的痛点问题。并结合 EMR Serverless StarRocks 搭建了 Lakehouse 平台,最终实现不同场景下整体性能提升50%以上,同时综合成本下降30%。
733 58
|
JSON JavaScript 前端开发
JSON.parse()和JSON.stringify()用法
JSON.parse()和JSON.stringify()用法
670 1
|
算法 数据处理 异构计算
CatBoost高级教程:分布式训练与大规模数据处理
CatBoost高级教程:分布式训练与大规模数据处理【2月更文挑战第15天】
1084 14
|
数据采集 Web App开发 测试技术
使用Selenium调试Edge浏览器的常见问题与解决方案
在互联网数据采集领域,Selenium常用于自动化网页爬取。针对使用Edge浏览器时遇到的启动远程调试失败、访问受限及代理IP设置等问题,本文提供了解决方案。通过特定命令启动Edge的远程调试模式,并利用Python脚本配合Selenium库,可实现代理IP、User-Agent的设定及Cookie管理等高级功能,有效提升爬虫稳定性和隐蔽性。遵循步骤配置后,即可顺畅执行自动化测试任务。
2743 1
使用Selenium调试Edge浏览器的常见问题与解决方案
|
Oracle 关系型数据库 数据库
实时计算 Flink版操作报错合集之错误信息"ORA-65040: operation not allowed from within a pluggable database"如何解决
在使用实时计算Flink版过程中,可能会遇到各种错误,了解这些错误的原因及解决方法对于高效排错至关重要。针对具体问题,查看Flink的日志是关键,它们通常会提供更详细的错误信息和堆栈跟踪,有助于定位问题。此外,Flink社区文档和官方论坛也是寻求帮助的好去处。以下是一些常见的操作报错及其可能的原因与解决策略。
770 2