色综合婷婷五月,贛美97精品A级XXXXX久久,国产熟妇乱子伦hd

導讀：微服務遵循領域驅動設計（DDD），與開發平臺無關。Python/ target=_blank class=infotextkey>Python 微服務也不例外。Python3 的面向對象特性使得按照 DDD 對服務進行建模變得更加容易。

本文字數：12786，閱讀時長大約： 15分鐘

微服務遵循領域驅動設計（DDD），與開發平臺無關。Python 微服務也不例外。Python3 的面向對象特性使得按照 DDD 對服務進行建模變得更加容易。本系列的第 10 部分演示了如何將用戶管理系統的查找服務作為 Python 微服務部署在 Kube.NETes 上。

微服務架構的強大之處在于它的多語言性。企業將其功能分解為一組微服務，每個團隊自由選擇一個平臺。

我們的用戶管理系統已經分解為四個微服務，分別是添加、查找、搜索和日志服務。添加服務在 JAVA 平臺上開發并部署在 Kubernetes 集群上，以實現彈性和可擴展性。這并不意味著其余的服務也要使用 Java 開發，我們可以自由選擇適合個人服務的平臺。

讓我們選擇 Python 作為開發查找服務的平臺。查找服務的模型已經設計好了（參考 2022 年 3 月份的文章），我們只需要將這個模型轉換為代碼和配置。

Pythonic 方法

Python 是一種通用編程語言，已經存在了大約 30 年。早期，它是自動化腳本的首選。然而，隨著 Django 和 Flask 等框架的出現，它的受歡迎程度越來越高，現在各種領域中都在應用它，如企業應用程序開發。數據科學和機器學習進一步推動了它的發展，Python 現在是三大編程語言之一。

許多人將 Python 的成功歸功于它容易編碼。這只是一部分原因。只要你的目標是開發小型腳本，Python 就像一個玩具，你會非常喜歡它。然而，當你進入嚴肅的大規模應用程序開發領域時，你將不得不處理大量的if和else，Python 變得與任何其他平臺一樣好或一樣壞。例如，采用一種面向對象的方法！許多 Python 開發人員甚至可能沒意識到 Python 支持類、繼承等功能。Python 確實支持成熟的面向對象開發，但是有它自己的方式 -- Pythonic！讓我們探索一下！

領域模型

AddService通過將數據保存到一個 MySQL 數據庫中來將用戶添加到系統中。FindService的目標是提供一個 REST API 按用戶名查找用戶。域模型如圖 1 所示。它主要由一些值對象組成，如User實體的Name、PhoneNumber以及UserRepository。

圖 1: 查找服務的域模型

讓我們從Name開始。由于它是一個值對象，因此必須在創建時進行驗證，并且必須保持不可變。基本結構如所示：

class Name:
value: str
def __post_init__(self):
if self.value is None or len(self.value.strip()) < 8 or len(self.value.strip()) > 32:
raise ValueError("Invalid Name")

如你所見，Name包含一個字符串類型的值。作為后期初始化的一部分，我們會驗證它。

Python 3.7 提供了@dataclass裝飾器，它提供了許多開箱即用的數據承載類的功能，如構造函數、比較運算符等。如下是裝飾后的Name類：

from dataclasses import dataclass
@dataclass
class Name:
value: str
def __post_init__(self):
if self.value is None or len(self.value.strip()) < 8 or len(self.value.strip()) > 32:
raise ValueError("Invalid Name")

以下代碼可以創建一個Name對象：

name = Name("Krishna")

value屬性可以按照如下方式讀取或寫入：

name.value = "Mohan"
print(name.value)

可以很容易地與另一個Name對象比較，如下所示：

other = Name("Mohan")
if name == other:
print("same")

如你所見，對象比較的是值而不是引用。這一切都是開箱即用的。我們還可以通過凍結對象使對象不可變。這是Name值對象的最終版本：

from dataclasses import dataclass
@dataclass(frozen=True)
class Name:
value: str
def __post_init__(self):
if self.value is None or len(self.value.strip()) < 8 or len(self.value.strip()) > 32:
raise ValueError("Invalid Name")

PhoneNumber也遵循類似的方法，因為它也是一個值對象：

@dataclass(frozen=True)
class PhoneNumber:
value: int
def __post_init__(self):
if self.value < 9000000000:
raise ValueError("Invalid Phone Number")

User類是一個實體，不是一個值對象。換句話說，User是可變的。以下是結構：

from dataclasses import dataclass
import datetime
@dataclass
class User:
_name: Name
_phone: PhoneNumber
_since: datetime.datetime
def __post_init__(self):
if self._name is None or self._phone is None:
raise ValueError("Invalid user")
if self._since is None:
self.since = datetime.datetime.now()

你能觀察到User并沒有凍結，因為我們希望它是可變的。但是，我們不希望所有屬性都是可變的。標識字段如_name和_since是希望不會修改的。那么，這如何做到呢？

Python3 提供了所謂的描述符協議，它會幫助我們正確定義 getter 和 setter。讓我們使用@property裝飾器將 getter 添加到User的所有三個字段中。

@property
def name(self) -> Name:
return self._name
@property
def phone(self) -> PhoneNumber:
return self._phone
@property
def since(self) -> datetime.datetime:
return self._since

phone字段的 setter 可以使用@<字段>.setter來裝飾：

@phone.setter
def phone(self, phone: PhoneNumber) -> None:
if phone is None:
raise ValueError("Invalid phone")
self._phone = phone

通過重寫__str__()函數，也可以為User提供一個簡單的打印方法：

def __str__(self):
return self.name.value + " [" + str(self.phone.value) + "] since " + str(self.since)

這樣，域模型的實體和值對象就準備好了。創建異常類如下所示：

class UserNotFoundException(Exception):
pass

域模型現在只剩下UserRepository了。Python 提供了一個名為abc的有用模塊來創建抽象方法和抽象類。因為UserRepository只是一個接口，所以我們可以使用abc模塊。

任何繼承自abc.ABC的類都將變為抽象類，任何帶有@abc.abstractmethod裝飾器的函數都會變為一個抽象函數。下面是UserRepository的結構：

from abc import ABC, abstractmethod
class UserRepository(ABC):
@abstractmethod
def fetch(self, name:Name) -> User:
pass

UserRepository遵循倉儲模式。換句話說，它在User實體上提供適當的 CRUD 操作，而不會暴露底層數據存儲語義。在本例中，我們只需要fetch()操作，因為FindService只查找用戶。

因為UserRepository是一個抽象類，我們不能從抽象類創建實例對象。創建對象必須依賴于一個具體類實現這個抽象類。數據層UserRepositoryImpl提供了UserRepository的具體實現：

class UserRepositoryImpl(UserRepository):
def fetch(self, name:Name) -> User:
pass

由于AddService將用戶數據存儲在一個 MySQL 數據庫中，因此UserRepositoryImpl也必須連接到相同的數據庫去檢索數據。下面是連接到數據庫的代碼。注意，我們正在使用 MySQL 的連接庫。

from mysql.connector import connect, Error
class UserRepositoryImpl(UserRepository):
def fetch(self, name:Name) -> User:
try:
with connect(
host="mysqldb",
user="root",
password="admin",
database="glarimy",
) as connection:
with connection.cursor() as cursor:
cursor.execute("SELECT * FROM ums_users where name=%s", (name.value,))
row = cursor.fetchone()
if cursor.rowcount == -1:
raise UserNotFoundException()
else:
return User(Name(row[0]), PhoneNumber(row[1]), row[2])
except Error as e:
raise e

在上面的片段中，我們使用用戶root/ 密碼admin連接到一個名為mysqldb的數據庫服務器，使用名為glarimy的數據庫（模式）。在演示代碼中是可以包含這些信息的，但在生產中不建議這么做，因為這會暴露敏感信息。

fetch()操作的邏輯非常直觀，它對ums_users表執行 SELECT 查詢。回想一下，AddService正在將用戶數據寫入同一個表中。如果 SELECT 查詢沒有返回記錄，fetch()函數將拋出UserNotFoundException異常。否則，它會從記錄中構造User實體并將其返回給調用者。這沒有什么特殊的。

應用層

最終，我們需要創建應用層。此模型如圖 2 所示。它只包含兩個類：控制器和一個 DTO。

圖 2: 添加服務的應用層

眾所周知，一個 DTO 只是一個沒有任何業務邏輯的數據容器。它主要用于在FindService和外部之間傳輸數據。我們只是提供了在 REST 層中將UserRecord轉換為字典以便用于 JSON 傳輸：

class UserRecord:
def toJSON(self):
return {
"name": self.name,
"phone": self.phone,
"since": self.since
}

控制器的工作是將 DTO 轉換為用于域服務的域對象，反之亦然。可以從find()操作中觀察到這一點。

class UserController:
def __init__(self):
self._repo = UserRepositoryImpl()
def find(self, name: str):
try:
user: User = self._repo.fetch(Name(name))
record: UserRecord = UserRecord()
record.name = user.name.value
record.phone = user.phone.value
record.since = user.since
return record
except UserNotFoundException as e:
return None

find()操作接收一個字符串作為用戶名，然后將其轉換為Name對象，并調用UserRepository獲取相應的User對象。如果找到了，則使用檢索到的User`` 對象創建UserRecord`。回想一下，將域對象轉換為 DTO 是很有必要的，這樣可以對外部服務隱藏域模型。

UserController不需要有多個實例，它也可以是單例的。通過重寫__new__，可以將其建模為一個單例。

class UserController:
def __new__(self):
if not hasattr(self, ‘instance’):
self.instance = super().__new__(self)
return self.instance
def __init__(self):
self._repo = UserRepositoryImpl()
def find(self, name: str):
try:
user: User = self._repo.fetch(Name(name))
record: UserRecord = UserRecord()
record.name = user.name.getValue()
record.phone = user.phone.getValue()
record.since = user.since
return record
except UserNotFoundException as e:
return None

我們已經完全實現了FindService的模型，剩下的唯一任務是將其作為 REST 服務公開。

REST API

FindService只提供一個 API，那就是通過用戶名查找用戶。顯然 URI 如下所示：

GET /user/{name}

此 API 希望根據提供的用戶名查找用戶，并以 JSON 格式返回用戶的電話號碼等詳細信息。如果沒有找到用戶，API 將返回一個 404 狀態碼。

我們可以使用 Flask 框架來構建 REST API，它最初的目的是使用 Python 開發 Web 應用程序。除了 html 視圖，它還進一步擴展到支持 REST 視圖。我們選擇這個框架是因為它足夠簡單。創建一個 Flask 應用程序：

from flask import Flask
App = Flask(__name__)

然后為 Flask 應用程序定義路由，就像函數一樣簡單：

@app.route('/user/')
def get(name):
pass

注意@app.route映射到 API/user/，與之對應的函數的get()。

如你所見，每次用戶訪問 API 如http://server:port/user/Krishna時，都將調用這個get()函數。Flask 足夠智能，可以從 URL 中提取Krishna作為用戶名，并將其傳遞給get()函數。

get()函數很簡單。它要求控制器找到該用戶，并將其與通常的 HTTP 頭一起打包為 JSON 格式后返回。如果控制器返回None，則get()函數返回合適的 HTTP 狀態碼。

from flask import jsonify, abort
controller = UserController()
record = controller.find(name)
if record is None:
abort(404)
else:
resp = jsonify(record.toJSON())
resp.status_code = 200
return resp

最后，我們需要 Flask 應用程序提供服務，可以使用waitress服務：

from waitress import serve
serve(app, host="0.0.0.0", port=8080)

在上面的片段中，應用程序在本地主機的 8080 端口上提供服務。最終代碼如下所示：

from flask import Flask, jsonify, abort
from waitress import serve
app = Flask(__name__)
@app.route('/user/')
def get(name):
controller = UserController()
record = controller.find(name)
if record is None:
abort(404)
else:
resp = jsonify(record.toJSON())
resp.status_code = 200
return resp
serve(app, host="0.0.0.0", port=8080)

部署

FindService的代碼已經準備完畢。除了 REST API 之外，它還有域模型、數據層和應用程序層。下一步是構建此服務，將其容器化，然后部署到 Kubernetes 上。此過程與部署其他服務妹有任何區別，但有一些 Python 特有的步驟。

在繼續前進之前，讓我們來看下文件夾和文件結構：

+ ums-find-service
+ ums
- domain.py
- data.py
- app.py
- Dockerfile
- requirements.txt
- kube-find-deployment.yml

如你所見，整個工作文件夾都位于ums-find-service下，它包含了ums文件夾中的代碼和一些配置文件，例如Dockerfile、requirements.txt和kube-find-deployment.yml。

domain.py包含域模型，data.py包含UserRepositoryImpl，app.py包含剩余代碼。我們已經閱讀過代碼了，現在我們來看看配置文件。

第一個是requirements.txt，它聲明了 Python 系統需要下載和安裝的外部依賴項。我們需要用查找服務中用到的每個外部 Python 模塊來填充它。如你所見，我們使用了 MySQL 連接器、Flask 和 Waitress 模塊。因此，下面是requirements.txt的內容。

Flask==2.1.1
Flask_RESTful
mysql-connector-python
waitress

第二步是在Dockerfile中聲明 Docker 相關的清單，如下：

FROM python:3.8-slim-buster
WORKDIR /ums
ADD ums /ums
ADD requirements.txt requirements.txt
RUN pip3 install -r requirements.txt
EXPOSE 8080
ENTRYPOINT ["python"]
CMD ["/ums/app.py"]

總的來說，我們使用 Python 3.8 作為基線，除了移動requirements.txt之外，我們還將代碼從ums文件夾移動到 Docker 容器中對應的文件夾中。然后，我們指示容器運行pip3 install命令安裝對應模塊。最后，我們向外暴露 8080 端口（因為 waitress 運行在此端口上）。

為了運行此服務，我們指示容器使用使用以下命令：

python /ums/app.py

一旦Dockerfile準備完成，在ums-find-service文件夾中運行以下命令，創建 Docker 鏡像：

docker build -t glarimy/ums-find-service

它會創建 Docker 鏡像，可以使用以下命令查找鏡像：

docker images

嘗試將鏡像推送到 Docker Hub，你也可以登錄到 Docker。

docker login
docker push glarimy/ums-find-service

最后一步是為 Kubernetes 部署構建清單。

在之前的文章中，我們已經介紹了如何建立 Kubernetes 集群、部署和使用服務的方法。我假設仍然使用之前文章中的清單文件來部署添加服務、MySQL、Kafka 和 Zookeeper。我們只需要將以下內容添加到kube-find-deployment.yml文件中：

apiVersion: apps/v1
kind: Deployment
metadata:
name: ums-find-service
labels:
app: ums-find-service
spec:
replicas: 3
selector:
matchLabels:
app: ums-find-service
template:
metadata:
labels:
app: ums-find-service
spec:
containers:
- name: ums-find-service
image: glarimy/ums-find-service
ports:
- containerPort: 8080
---
apiVersion: v1
kind: Service
metadata:
name: ums-find-service
labels:
name: ums-find-service
spec:
type: LoadBalancer
ports:
- port: 8080
selector:
app: ums-find-service

上面清單文件的第一部分聲明了glarimy/ums-find-service鏡像的FindService，它包含三個副本。它還暴露 8080 端口。清單的后半部分聲明了一個 Kubernetes 服務作為FindService部署的前端。請記住，在之前文章中，mysqldb 服務已經是上述清單的一部分了。

運行以下命令在 Kubernetes 集群上部署清單文件：

kubectl create -f kube-find-deployment.yml

部署完成后，可以使用以下命令驗證容器組和服務：

kubectl get services

輸出如圖 3 所示：

圖 3: Kubernetes 服務

它會列出集群上運行的所有服務。注意查找服務的外部 IP，使用curl調用此服務：

curl http://10.98.45.187:8080/user/KrishnaMohan

注意：10.98.45.187 對應查找服務，如圖 3 所示。

如果我們使用AddService創建一個名為KrishnaMohan的用戶，那么上面的curl命令看起來如圖 4 所示：

圖 4: 查找服務

用戶管理系統（UMS）的體系結構包含AddService和FindService，以及存儲和消息傳遞所需的后端服務，如圖 5 所示。可以看到終端用戶使用ums-add-service的 IP 地址添加新用戶，使用ums-find-service的 IP 地址查找已有用戶。每個 Kubernetes 服務都由三個對應容器的節點支持。還要注意：同樣的 mysqldb 服務用于存儲和檢索用戶數據。