背景
有了前端、后端甚至有时候还有移动端(APP、小程序)、跨平台的客户端之后,经过技术与产品的日常撕逼,然后开发、测试人员哼哧哼哧的一顿操作后,项目需要打包、部署到一个人们可以访问到的服务器上,毕竟,我们的产出是要给人们(也可能是机器。。)提供服务的。常用的反向代理(问:什么是反向代理,什么是正向代理?)服务组件有: Nginx
、 Tengine
、 OpenResty
,其实,这些的核心基础都是 Nginx
,所以这里以 Nginx
为例来部署代理我们的前后端服务。eg:一个极简的部署一般像这样:
- 前端打包:
npm run build
- 后端打包:
mvn clean package -Dmaven.test.skip=true
- Nginx反向代理,静态资源托管,生产环境跨域,负载均衡。
Note: 关于拉取代码、构建、发布、部署这一系列过程,分为自动模式与手动模式;可以通过一些CI/CD工具或服务完成自动化的流水线一键发布。本篇文章中就先采用手动模式,如果不了解手动模式的繁琐,就无法体会自动模式的效率。
源码安装Nginx
# 下载 [root@hadoop1 local]# wget http://nginx.org/download/nginx-1.20.1.tar.gz # 解压 [root@hadoop1 local]# tar -xvf nginx-1.20.1.tar.gz [root@hadoop1 local]# cd nginx-1.20.1 [root@hadoop1 nginx-1.20.1]# ./configure [root@hadoop1 nginx-1.20.1]# make [root@hadoop1 nginx-1.20.1]# make install # 配置环境变量 [root@hadoop1 nginx-1.20.1]# nginx -V -bash: nginx: 未找到命令 [root@hadoop1 nginx-1.20.1]# vi /etc/profile export NGINX_HOME=/usr/local/nginx export PATH=$PATH:$NGINX_HOME/sbin [root@hadoop1 nginx-1.20.1]# source /etc/profile [root@hadoop1 nginx-1.20.1]# nginx -V nginx version: nginx/1.20.1 built by gcc 4.8.5 20150623 (Red Hat 4.8.5-44) (GCC) configure arguments: # 启动 [root@hadoop1 nginx-1.20.1]# nginx -c /usr/local/nginx/conf/nginx.conf # 配置开机自启Nginx服务 # 这里是用源码编译安装的,所以需要手动创建nginx.service服务文件。 [root@hadoop1 nginx-1.20.1]# vi /lib/systemd/system/nginx.service [Unit] Description=nginx service After=network.target [Service] Type=forking ExecStart=/usr/local/nginx/sbin/nginx ExecReload=/usr/local/nginx/sbin/nginx -s reload ExecStop=/usr/local/nginx/sbin/nginx -s quit PrivateTmp=true [Install] WantedBy=multi-user.target [root@hadoop1 nginx-1.20.1]# systemctl list-unit-files | grep nginx nginx.service disabled [root@hadoop1 nginx-1.20.1]# systemctl enable nginx Created symlink from /etc/systemd/system/multi-user.target.wants/nginx.service to /usr/lib/systemd/system/nginx.service. [root@hadoop1 nginx-1.20.1]# systemctl list-unit-files | grep nginx nginx.service enabled # 常用命令 systemctl start nginx.service 启动nginx服务 systemctl stop nginx.service 停止服务 systemctl restart nginx.service 重新启动服务 systemctl status nginx.service 查看服务状态 systemctl enable nginx.service 设置开机自启动 systemctl disable nginx.service 取消开机自启动 # 查看开机启动项 systemctl list-unit-files systemctl list-unit-files | grep enabled systemctl list-unit-files | grep nginx
Nginx静态资源服务器
location / { root /opt/reading-notes/frontend/dist; index index.html index.htm; }
Nginx配置代理跨域
location /api { include uwsgi_params; rewrite ^/api/(.*)$ /$1 break; proxy_pass http://localhost:8000; }
开发环境使用Java11,生产环境使用Java8,报错:
解决方法,打包时使用 jdk1.8
<plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-compiler-plugin</artifactId> <configuration> <source>1.8</source> <target>1.8</target> <encoding>UTF-8</encoding> </configuration> </plugin>
远程访问数据库
# 查看对当前用户的授权情况 show grants for 'root'; # 授权 GRANT DELETE, INSERT, SELECT, UPDATE ON `reading_notes`.* to root@'%' identified by 'root'; flush PRIVILEGES; # 吊销 REVOKE DELETE, INSERT, SELECT, UPDATE ON `reading_notes`.* from root@'%'; flush PRIVILEGES;
Nginx负载均衡
- 默认策略:轮询
upstream api-server { server 127.0.0.1:7000; server 127.0.0.1:8000; }
location /api { include uwsgi_params; rewrite ^/api/(.*)$ /$1 break; proxy_pass http://api-server; }
- 修改策略:权重
upstream api-server { server 127.0.0.1:7000 weight=2; server 127.0.0.1:8000; }
确定请求的响应来自于哪台主机
add_header ServerIP $upstream_addr;
有了以上配置,可以在请求响应的头信息中看到 ServerIP
的信息。
Vue打包部署后,刷新页面404
try_files $uri $uri/ /index.html;
动态添加Nginx插件
HTTPS,HTTP2
前提
当然我们首先需要一台具有公网IP的服务器,甚至一个备案过的域名,关于服务器和域名的购买、备案,以及域名解析、SSL证书购买/申请等过程还是比较容易的,这里就跳过了。
小总结
通过以上步骤,我们有了前后端服务、部署到了服务器上,一个基本的Web2.0的网站就已经正常地跑起来了,可以为我们的客户提供服务啦。
下一步就是服务监控、弹性扩展、访问加速等一系列优化性的操作了,一些小屁网站可以没有这些运维相关的操作,但是对于稍微有点规模的系统,监控措施、扩展机制、持续优化是必备的。
反向代理、负载均衡,可能是成为系统架构师的第一步。因为这个时候,便会衍生出当今计算机领域的一个核心关键词:“集群”。这跟人们的日常工作生活非常类似,一个人的力量是有限的,而一群人的智慧是无穷的。每当我们的服务在一台主机上(或单个服务实例)的压力过大时,这时,另一个关键词涌现了:“扩展”或者“弹性伸缩”,提到“扩展”,我们一般还会分为“垂直扩展”、“水平扩展”,后续我将逐步介绍关于关系型数据库服务、文档型数据库服务、时序数据库服务、缓存服务、消息队列服务、定时任务服务、对象存储服务、搜索引擎服务、大数据各服务组件的弹性伸缩以及水平扩展能力。
最后,以《Hadoop权威指南-第4版》中的一句话作为本篇的结束:
在古时候,人们用牛来拉重物。当一头牛拉不动一根圆木时,人们从来没有考虑过要想方设法培育出一种更强壮的牛。同理,我们也不该想方设法打造出什么超级计算机,而应该千方百计综合利用更多计算机来解决问题。