基于gunicorn+flask+docker模型高并发部署

1. 编写 Flask 应用

确保你的Flask应用程序已经编写完成并测试通过。这个应用程序可以是一个简单的示例，例如：

# app.py
from flask import Flask

app = Flask(__name__)

@app.route('/')
def hello_world():
    return 'Hello, World!'

if __name__ == '__main__':
    app.run()

2. 创建Gunicorn配置文件

在同一目录中创建一个Gunicorn配置文件gunicorn_config.py：

# gunicorn_config.py
bind = '0.0.0.0:8000'
workers = 4  # 根据服务器的CPU核数调整
threads = 2  # 每个worker的线程数
timeout = 120

3. 创建Dockerfile

在同一目录中创建一个名为Dockerfile的文件：

# Dockerfile
FROM python:3.9-slim

# 设置工作目录
WORKDIR /app

# 复制当前目录内容到工作目录
COPY . /app

# 安装依赖
RUN pip install --no-cache-dir -r requirements.txt

# 暴露端口
EXPOSE 8000

# 运行Gunicorn服务器
CMD ["gunicorn", "-c", "gunicorn_config.py", "app:app"]

4. 创建requirements.txt文件

在同一目录中创建一个requirements.txt文件，列出所需的Python包：

flask
gunicorn

5. 构建Docker镜像

在终端中导航到包含上述文件的目录，并运行以下命令以构建Docker镜像：

docker build -t flask-gunicorn-app .

6. 运行Docker容器

构建完成后，运行以下命令启动Docker容器：

docker run -d -p 8000:8000 flask-gunicorn-app

这将会在后台运行你的容器，并映射本地主机的8000端口到容器的8000端口。

7. 进行负载测试

你可以使用工具如ab（Apache Bench）或wrk来进行负载测试。例如，使用ab进行测试：

ab -n 1000 -c 100 http://localhost:8000/

这会发送1000个请求，并发数为100，以测试你的应用在高并发情况下的表现。

总结

通过以上步骤，你已经成功在Docker中部署了一个基于Gunicorn和Flask的高并发应用。根据实际需求，你可以调整Gunicorn的workers和threads参数，以及根据应用的复杂度调整Flask应用本身的优化策略。这样可以确保应用在高并发环境下的高效运行。