หน้าแรก>แหล่งข้อมูลการสร้างเว็บไซต์>ข้อมูลเว็บไซต์
ดาวน์โหลด

ซึ่งเลิกใช้แล้ว

ตอนนี้ภาพนักเทียบท่านี้เลิกใช้แล้ว ไม่จำเป็นต้องใช้มันคุณสามารถใช้ uvicorn กับ --workers

อ่านเพิ่มเติมเกี่ยวกับเรื่องนี้ด้านล่าง

แท็กที่รองรับและลิงก์ Dockerfile ที่เกี่ยวข้อง

  • python3.11 , latest (DockerFile)
  • python3.10 , (Dockerfile)
  • python3.9 , (Dockerfile)
  • python3.11-slim (DockerFile)
  • python3.10-slim (DockerFile)
  • python3.9-slim (DockerFile)

แท็กที่ไม่ได้รับการคัดเลือก

แท็กเหล่านี้ไม่ได้รับการสนับสนุนหรือบำรุงรักษาอีกต่อไปพวกเขาจะถูกลบออกจากที่เก็บ GitHub แต่เวอร์ชันสุดท้ายที่ผลักดันอาจยังคงมีอยู่ใน Docker Hub หากใครก็ตามที่ดึงพวกเขา:

  • python3.8
  • python3.8-slim
  • python3.7
  • python3.9-alpine3.14
  • python3.8-alpine3.10
  • python3.7-alpine3.8
  • python3.6
  • python3.6-alpine3.8

แท็กวันที่สุดท้ายสำหรับเวอร์ชันเหล่านี้คือ:

  • python3.8-2024-11-02
  • python3.8-slim-2024-11-02
  • python3.7-2024-11-02
  • python3.9-alpine3.14-2024-03-11
  • python3.8-alpine3.10-2024-01-29
  • python3.7-alpine3.8-2024-03-11
  • python3.6-2022-11-25
  • python3.6-alpine3.8-2022-11-25

หมายเหตุ : มีแท็กสำหรับแต่ละวันที่สร้าง หากคุณต้องการ "ปักหมุด" เวอร์ชันภาพ Docker ที่คุณใช้คุณสามารถเลือกหนึ่งในแท็กเหล่านั้น เช่น tiangolo/uvicorn-gunicorn-fastapi:python3.11-2024-11-02

Uvicorn-Gunicorn-Fastapi

Docker Image กับ Uvicorn ที่จัดการโดย Gunicorn สำหรับแอพพลิเคชั่นเว็บ Fastapi ที่มีประสิทธิภาพสูงใน Python พร้อมการปรับแต่งอัตโนมัติ

GitHub repo : https://github.com/tiangolo/uvicorn-gunicorn-fastapi-docker

Docker Hub Image : https://hub.docker.com/r/tiangolo/uvicorn-gunicorn-fastapi/

คำอธิบาย

Fastapi ได้แสดงให้เห็นว่าเป็นเฟรมเวิร์กเว็บ Python ที่มีการแสดงที่ดีที่สุดอย่างหนึ่งซึ่งวัดได้จากเกณฑ์มาตรฐานของบุคคลที่สามเนื่องจากมีพื้นฐานมาจากและขับเคลื่อนโดย Starlette

ประสิทธิภาพที่ทำได้นั้นเทียบกับ (และในหลาย ๆ กรณีที่เหนือกว่า) GO และ Node.js Frameworks

ภาพนี้มีกลไกการ ปรับจูนอัตโนมัติ เพื่อเริ่มกระบวนการของคนงานจำนวนหนึ่งตามแกน CPU ที่มีอยู่ ด้วยวิธีนี้คุณสามารถเพิ่มรหัสของคุณและรับ ประสิทธิภาพสูง โดยอัตโนมัติซึ่งมีประโยชน์ใน การปรับใช้อย่างง่าย

คำเตือน: คุณอาจไม่ต้องการภาพนักเทียบท่านี้

คุณอาจใช้ Kubernetes หรือเครื่องมือที่คล้ายกัน ในกรณีนี้คุณอาจ ไม่ต้องการภาพนี้ (หรือ ภาพฐานอื่น ๆ ที่คล้ายกัน ) คุณน่าจะดีกว่า ในการสร้างอิมเมจนักเทียบท่าตั้งแต่เริ่มต้น ตามที่อธิบายไว้ในเอกสารสำหรับ Fastapi ในคอนเทนเนอร์ - Docker: สร้างภาพนักเทียบท่าสำหรับ Fastapi

การจำลองแบบคลัสเตอร์

หากคุณมีกลุ่มเครื่องจักรที่มี Kubernetes , Docker Swarm Mode, Nomad หรือระบบที่ซับซ้อนอื่น ๆ ที่คล้ายกันเพื่อจัดการภาชนะกระจายในเครื่องหลายเครื่องคุณอาจต้องการ จัดการการจำลองแบบ ใน ระดับคลัสเตอร์ แทนที่จะใช้ ตัวจัดการกระบวนการ

ในกรณีเหล่านั้น (เช่นการใช้ Kubernetes) คุณอาจต้องการสร้าง อิมเมจนักเทียบท่าตั้งแต่เริ่มต้น การติดตั้งการพึ่งพาของคุณและเรียกใช้ กระบวนการ Uvicorn เดียว แทนภาพนี้

ตัวอย่างเช่น Dockerfile ของคุณอาจมีลักษณะ: 

 FROM python:3.9

WORKDIR /code

COPY ./requirements.txt /code/requirements.txt

RUN pip install --no-cache-dir --upgrade -r /code/requirements.txt

COPY ./app /code/app

CMD [ "uvicorn" , "app.main:app" , "--host" , "0.0.0.0" , "--port" , "80" ]

คุณสามารถอ่านเพิ่มเติมเกี่ยวกับเรื่องนี้ได้ในเอกสาร Fastapi เกี่ยวกับ: fastapi ในคอนเทนเนอร์ - Docker

คนงานหลายคน

หากคุณต้องการมีคนงานหลายคนในภาชนะเดียวตอนนี้ Uvicorn รองรับการจัดการกระบวนการย่อยรวมถึงการรีสตาร์ทคนตาย ดังนั้นจึงไม่จำเป็นต้องให้ Gunicorn จัดการคนงานหลายคนในภาชนะเดียว

คุณสามารถแก้ไขตัวอย่าง Dockerfile จากด้านบนเพิ่มตัวเลือก --workers ให้กับ Uvicorn เช่น: 

 FROM python:3.9

WORKDIR /code

COPY ./requirements.txt /code/requirements.txt

RUN pip install --no-cache-dir --upgrade -r /code/requirements.txt

COPY ./app /code/app

CMD [ "uvicorn" , "app.main:app" , "--host" , "0.0.0.0" , "--port" , "80" , "--workers" , "4" ]

นั่นคือทั้งหมดที่คุณต้องการ คุณไม่ต้องการภาพนักเทียบท่านี้เลย -

คุณสามารถอ่านเพิ่มเติมเกี่ยวกับเรื่องนี้ได้ในเอกสาร Fastapi เกี่ยวกับการปรับใช้กับ Docker

รายละเอียดทางเทคนิค

Uvicorn ไม่สนับสนุนการจัดการการประมวลผลคนงานรวมถึงการรีสตาร์ทคนงานที่ตายแล้ว แต่ตอนนี้มันทำ

ก่อนหน้านั้น Gunicorn สามารถใช้เป็นผู้จัดการกระบวนการโดยใช้คนงาน Uvicorn ความซับซ้อนที่เพิ่มเข้ามานี้ไม่จำเป็นอีกต่อไป

เอกสารมรดก

ส่วนที่เหลือของเอกสารนี้ถูกเก็บไว้ด้วยเหตุผลทางประวัติศาสตร์ แต่คุณอาจไม่ต้องการมัน -

tiangolo/uvicorn-gunicorn-fastapi

ภาพนี้จะตั้งค่าการกำหนดค่าที่เหมาะสมตามเซิร์ฟเวอร์ที่กำลังทำงานอยู่ (จำนวนคอร์ CPU ที่มีอยู่) โดยไม่ต้องเสียสละ

มันมีค่าเริ่มต้นที่เหมาะสม แต่คุณสามารถกำหนดค่าด้วยตัวแปรสภาพแวดล้อมหรือแทนที่ไฟล์การกำหนดค่า

นอกจากนี้ยังมีเวอร์ชันที่เพรียวบาง หากคุณต้องการหนึ่งในนั้นให้ใช้หนึ่งในแท็กจากด้านบน

tiangolo/uvicorn-gunicorn

ภาพนี้ ( tiangolo/uvicorn-gunicorn-fastapi ) ขึ้นอยู่กับ Tiangolo/Uvicorn-Gunicorn

ภาพนั้นคือสิ่งที่จริงทั้งหมดทำงาน

ภาพนี้เพิ่งติดตั้ง fastapi และมีเอกสารกำหนดเป้าหมายโดยเฉพาะที่ fastapi

หากคุณรู้สึกมั่นใจเกี่ยวกับความรู้เกี่ยวกับ Uvicorn, Gunicorn และ Asgi คุณสามารถใช้ภาพนั้นได้โดยตรง

tiangolo/uvicorn-gunicorn-starlette

มีภาพนักเทียบท่าพี่น้อง: Tiangolo/Uvicorn-Gunicorn-Starlette

หากคุณกำลังสร้างแอปพลิเคชันเว็บ Starlette ใหม่และคุณต้องการยกเลิกคุณสมบัติเพิ่มเติมทั้งหมดจาก Fastapi คุณควรใช้ Tiangolo/Uvicorn-Gunicorn-Starlette แทน

หมายเหตุ : Fastapi ขึ้นอยู่กับ Starlette และเพิ่มคุณสมบัติหลายอย่างที่ด้านบนของมัน มีประโยชน์สำหรับ APIs และกรณีอื่น ๆ : การตรวจสอบข้อมูลการแปลงข้อมูลเอกสารด้วย OpenAPI การฉีดพึ่งพาการรักษาความปลอดภัย/การตรวจสอบและอื่น ๆ

วิธีใช้

คุณไม่จำเป็นต้องโคลน GitHub Repo

คุณสามารถใช้ภาพนี้เป็นภาพพื้นฐานสำหรับภาพอื่น ๆ

สมมติว่าคุณมี requirements.txt ไฟล์ txt คุณอาจมี Dockerfile เช่นนี้: 

 FROM tiangolo/uvicorn-gunicorn-fastapi:python3.11

COPY ./requirements.txt /app/requirements.txt

RUN pip install --no-cache-dir --upgrade -r /app/requirements.txt

COPY ./app /app

คาดว่าจะมีไฟล์ที่ /app/app/main.py

หรือมิฉะนั้นไฟล์ at /app/main.py

และคาดว่าจะมี app ตัวแปรด้วยแอปพลิเคชัน Fastapi ของคุณ

จากนั้นคุณสามารถสร้างภาพของคุณจากไดเรกทอรีที่มี Dockerfile ของคุณเช่น: 

docker build -t myimage ./

เริ่มต้นอย่างรวดเร็ว

สร้างภาพของคุณ

  • ไปที่ไดเรกทอรีโครงการของคุณ
  • สร้าง Dockerfile ด้วย: 
 FROM tiangolo/uvicorn-gunicorn-fastapi:python3.11

COPY ./requirements.txt /app/requirements.txt

RUN pip install --no-cache-dir --upgrade -r /app/requirements.txt

COPY ./app /app
  • สร้างไดเรกทอรี app และป้อน
  • สร้างไฟล์ main.py ด้วย: 
 from fastapi import FastAPI

app = FastAPI ()


@ app . get ( "/" )
def read_root ():
    return { "Hello" : "World" }


@ app . get ( "/items/{item_id}" )
def read_item ( item_id : int , q : str = None ):
    return { "item_id" : item_id , "q" : q }
  • ตอนนี้คุณควรมีโครงสร้างไดเรกทอรีเช่น: 
 .
├── app
│   └── main.py
└── Dockerfile
  • ไปที่ไดเรกทอรีโครงการ (ในที่ที่ Dockerfile ของคุณอยู่ซึ่งมีไดเรกทอรี app ของคุณ)
  • สร้างภาพ fastapi ของคุณ: 
docker build -t myimage .
  • เรียกใช้คอนเทนเนอร์ตามภาพของคุณ: 
docker run -d --name mycontainer -p 80:80 myimage

ตอนนี้คุณมีเซิร์ฟเวอร์ fastapi ที่ปรับให้เหมาะสมในคอนเทนเนอร์ Docker ปรับอัตโนมัติสำหรับเซิร์ฟเวอร์ปัจจุบันของคุณ (และจำนวนแกน CPU)

ตรวจสอบ

คุณควรจะสามารถตรวจสอบได้ใน URL ของคอนเทนเนอร์ Docker ของคุณตัวอย่างเช่น: http://192.168.99.100/items/5?q= someQuery หรือ http://127.0.0.1/items/5?Q=

คุณจะเห็นบางอย่างเช่น: 

{ "item_id" : 5 , "q" : " somequery " }

เอกสาร API แบบโต้ตอบ

ตอนนี้คุณสามารถไปที่ http://192.168.99.100/docs หรือ http://127.0.0.1/docs (หรือเทียบเท่าโดยใช้โฮสต์นักเทียบท่าของคุณ)

คุณจะเห็นเอกสาร API แบบโต้ตอบอัตโนมัติ (จัดทำโดย Swagger UI):

เอกสาร API ทางเลือก

และคุณยังสามารถไปที่ http://192.168.99.100/redoc หรือ http://127.0.0.1/redoc(or เทียบเท่าโดยใช้โฮสต์นักเทียบท่าของคุณ)

คุณจะเห็นเอกสารอัตโนมัติทางเลือก (จัดทำโดย redoc):

การพึ่งพาและแพ็คเกจ

คุณอาจต้องการเพิ่มการอ้างอิงใด ๆ สำหรับแอปของคุณและตรึงไว้ในเวอร์ชันเฉพาะอาจรวมถึง Uvicorn, Gunicorn และ Fastapi

วิธีนี้คุณสามารถตรวจสอบให้แน่ใจว่าแอปของคุณใช้งานได้เสมอตามที่คาดไว้

คุณสามารถติดตั้งแพ็คเกจที่มีคำสั่ง pip ใน Dockerfile ของคุณโดยใช้ requirements.txt หรือแม้กระทั่งการใช้บทกวี

จากนั้นคุณสามารถอัพเกรดการพึ่งพาเหล่านั้นด้วยวิธีการควบคุมเรียกใช้การทดสอบของคุณตรวจสอบให้แน่ใจว่าทุกอย่างใช้งานได้ แต่ไม่ได้ทำลายแอปพลิเคชันการผลิตของคุณหากเวอร์ชันใหม่เข้ากันไม่ได้

ใช้บทกวี

นี่คือตัวอย่างเล็ก ๆ ของวิธีที่คุณสามารถติดตั้งการพึ่งพาของคุณได้เพื่อให้แน่ใจว่าคุณมีเวอร์ชันที่ตรึงไว้สำหรับแต่ละแพ็คเกจ

สมมติว่าคุณมีโครงการที่จัดการด้วยบทกวีดังนั้นคุณมีการพึ่งพาแพ็คเกจของคุณในไฟล์ pyproject.toml และอาจเป็น poetry.lock ไฟล์ล็อค

จากนั้นคุณสามารถมี Dockerfile โดยใช้อาคารหลายขั้นตอน Docker ด้วย: 

 FROM python:3.9 as requirements-stage

WORKDIR /tmp

RUN pip install poetry

COPY ./pyproject.toml ./poetry.lock* /tmp/

RUN poetry export -f requirements.txt --output requirements.txt --without-hashes

FROM tiangolo/uvicorn-gunicorn-fastapi:python3.11

COPY --from=requirements-stage /tmp/requirements.txt /app/requirements.txt

RUN pip install --no-cache-dir --upgrade -r /app/requirements.txt

COPY ./app /app

ที่จะ:

  • ติดตั้งบทกวีและกำหนดค่าสำหรับการทำงานภายในคอนเทนเนอร์ Docker
  • คัดลอกข้อกำหนดแอปพลิเคชันของคุณ
    • เนื่องจากมันใช้ ./poetry.lock* (ลงท้ายด้วย * ) จึงไม่ผิดพลาดหากไฟล์นั้นยังไม่พร้อมใช้งาน
  • ติดตั้งการพึ่งพา
  • จากนั้นคัดลอกรหัสแอปของคุณ

สิ่งสำคัญคือการคัดลอกรหัสแอพ หลังจาก ติดตั้งการพึ่งพาวิธีที่คุณสามารถใช้ประโยชน์จากแคชของ Docker ด้วยวิธีนี้จะไม่ต้องติดตั้งทุกอย่างตั้งแต่เริ่มต้นทุกครั้งที่คุณอัปเดตไฟล์แอปพลิเคชันของคุณเฉพาะเมื่อคุณเพิ่มการพึ่งพาใหม่

นอกจากนี้ยังใช้สำหรับวิธีอื่น ๆ ที่คุณใช้ในการติดตั้งการอ้างอิงของคุณ หากคุณใช้ requirements.txt ให้คัดลอกเพียงอย่างเดียวและติดตั้งการอ้างอิงทั้งหมดที่ด้านบนของ Dockerfile และเพิ่มรหัสแอปของคุณหลังจากนั้น

การใช้งานขั้นสูง

ตัวแปรสภาพแวดล้อม

นี่คือตัวแปรสภาพแวดล้อมที่คุณสามารถตั้งค่าในคอนเทนเนอร์เพื่อกำหนดค่าและค่าเริ่มต้นของพวกเขา:

MODULE_NAME

Python "โมดูล" (ไฟล์) ที่จะนำเข้าโดย Gunicorn โมดูลนี้จะมีแอปพลิเคชันจริงในตัวแปร

โดยค่าเริ่มต้น:

  • app.main หากมีไฟล์ /app/app/main.py หรือ
  • main หากมีไฟล์ /app/main.py

ตัวอย่างเช่นหากไฟล์หลักของคุณอยู่ที่ /app/custom_app/custom_main.py คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:80 -e MODULE_NAME= " custom_app.custom_main " myimage

VARIABLE_NAME

ตัวแปรภายในโมดูล Python ที่มีแอปพลิเคชัน fastapi

โดยค่าเริ่มต้น:

  • app

ตัวอย่างเช่นหากไฟล์ Python หลักของคุณมีบางอย่างเช่น: 

 from fastapi import FastAPI

api = FastAPI ()


@ api . get ( "/" )
def read_root ():
    return { "Hello" : "World" }

ในกรณีนี้ api จะเป็นตัวแปรกับแอปพลิเคชัน Fastapi คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:80 -e VARIABLE_NAME= " api " myimage

APP_MODULE

สตริงที่มีโมดูล Python และชื่อตัวแปรส่งผ่านไปยัง Gunicorn

โดยค่าเริ่มต้นตั้งค่าตามตัวแปร MODULE_NAME และ VARIABLE_NAME :

  • app.main:app หรือ
  • main:app

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:80 -e APP_MODULE= " custom_app.custom_main:api " myimage

GUNICORN_CONF

พา ธ ไปยังไฟล์กำหนดค่า Gunicorn Python

โดยค่าเริ่มต้น:

  • /app/gunicorn_conf.py ถ้ามีอยู่
  • /app/app/gunicorn_conf.py ถ้ามีอยู่
  • /gunicorn_conf.py (ค่าเริ่มต้นที่รวมอยู่)

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:80 -e GUNICORN_CONF= " /app/custom_gunicorn_conf.py " myimage

คุณสามารถใช้ไฟล์กำหนดค่าจากภาพพื้นฐานเป็นจุดเริ่มต้นสำหรับคุณ

WORKERS_PER_CORE

ภาพนี้จะตรวจสอบจำนวนคอร์ CPU ที่มีอยู่ในเซิร์ฟเวอร์ปัจจุบันที่ใช้งานคอนเทนเนอร์ของคุณ

มันจะกำหนดจำนวนคนงานเป็นจำนวนคอร์ CPU คูณด้วยค่านี้

โดยค่าเริ่มต้น:

  • 1

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:80 -e WORKERS_PER_CORE= " 3 " myimage

หากคุณใช้ค่า 3 ในเซิร์ฟเวอร์ที่มี 2 CPU Cores มันจะเรียกใช้ 6 กระบวนการของคนงาน

คุณสามารถใช้ค่าจุดลอยตัวได้เช่นกัน

ตัวอย่างเช่นหากคุณมีเซิร์ฟเวอร์ขนาดใหญ่ (สมมติว่ามี 8 คอร์ซีพียู) ที่ใช้งานแอปพลิเคชันหลายอย่างและคุณมีแอปพลิเคชัน Fastapi ที่คุณรู้ว่าไม่จำเป็นต้องมีประสิทธิภาพสูง และคุณไม่ต้องการเสียทรัพยากรเซิร์ฟเวอร์ คุณสามารถใช้งานได้ 0.5 คนต่อ CPU Core ตัวอย่างเช่น: 

docker run -d -p 80:80 -e WORKERS_PER_CORE= " 0.5 " myimage

ในเซิร์ฟเวอร์ที่มี 8 คอร์ CPU ซึ่งจะทำให้เริ่มต้นกระบวนการของคนงานเพียง 4 กระบวนการเท่านั้น

หมายเหตุ : โดยค่าเริ่มต้นหาก WORKERS_PER_CORE คือ 1 และเซิร์ฟเวอร์มี CPU Core เพียง 1 ตัวแทนที่จะเริ่มต้น 1 คนงานเดี่ยวมันจะเริ่มต้น 2 นี่คือการหลีกเลี่ยงประสิทธิภาพที่ไม่ดีและการปิดกั้นแอปพลิเคชัน (แอปพลิเคชันเซิร์ฟเวอร์) บนเครื่องจักรขนาดเล็ก สิ่งนี้สามารถแทนที่ได้โดยใช้ WEB_CONCURRENCY

MAX_WORKERS

ตั้งค่าจำนวนสูงสุดของคนงานที่จะใช้

คุณสามารถใช้มันเพื่อให้ภาพคำนวณจำนวนคนงานโดยอัตโนมัติ แต่ตรวจสอบให้แน่ใจว่า จำกัด สูงสุด

สิ่งนี้อาจเป็นประโยชน์เช่นหากผู้ปฏิบัติงานแต่ละคนใช้การเชื่อมต่อฐานข้อมูลและฐานข้อมูลของคุณมีขีด จำกัด สูงสุดของการเชื่อมต่อแบบเปิด

โดยค่าเริ่มต้นมันไม่ได้ตั้งค่าหมายความว่ามันไม่ จำกัด

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:80 -e MAX_WORKERS= " 24 " myimage

สิ่งนี้จะทำให้ภาพเริ่มต้นได้ที่คนงานส่วนใหญ่ 24 คนโดยไม่ขึ้นกับจำนวนคอร์ CPU ที่มีอยู่ในเซิร์ฟเวอร์

WEB_CONCURRENCY

แทนที่คำจำกัดความอัตโนมัติของจำนวนคนงาน

โดยค่าเริ่มต้น:

  • ตั้งค่าเป็นจำนวนคอร์ CPU ในเซิร์ฟเวอร์ปัจจุบันคูณด้วยตัวแปรสภาพแวดล้อม WORKERS_PER_CORE ดังนั้นในเซิร์ฟเวอร์ที่มี 2 คอร์โดยค่าเริ่มต้นจะถูกตั้งค่าเป็น 2

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:80 -e WEB_CONCURRENCY= " 2 " myimage

สิ่งนี้จะทำให้ภาพเริ่มต้น 2 กระบวนการทำงานโดยไม่ขึ้นกับจำนวนคอร์ CPU ที่มีอยู่ในเซิร์ฟเวอร์

HOST

"โฮสต์" ที่ใช้โดย Gunicorn, IP ที่ Gunicorn จะฟังคำขอ

มันเป็นโฮสต์ภายในคอนเทนเนอร์

ตัวอย่างเช่นหากคุณตั้งค่าตัวแปรนี้เป็น 127.0.0.1 มันจะสามารถใช้ได้ภายในคอนเทนเนอร์เท่านั้นไม่ใช่ในโฮสต์ที่ทำงาน

มันมีไว้เพื่อความสมบูรณ์ แต่คุณอาจไม่ควรเปลี่ยนแปลง

โดยค่าเริ่มต้น:

  • 0.0.0.0

PORT

พอร์ตคอนเทนเนอร์ควรฟัง

หากคุณใช้งานคอนเทนเนอร์ในสภาพแวดล้อมที่ จำกัด ซึ่งบังคับให้คุณใช้พอร์ตเฉพาะ (เช่น 8080 ) คุณสามารถตั้งค่าด้วยตัวแปรนี้

โดยค่าเริ่มต้น:

  • 80

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:8080 -e PORT= " 8080 " myimage

BIND

โฮสต์ที่แท้จริงและพอร์ตผ่านไปยัง Gunicorn

โดยค่าเริ่มต้นตั้งค่าตาม HOST และ PORT

ดังนั้นหากคุณไม่ได้เปลี่ยนแปลงอะไรเลยมันจะถูกตั้งค่าตามค่าเริ่มต้นเป็น:

  • 0.0.0.0:80

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:8080 -e BIND= " 0.0.0.0:8080 " myimage

LOG_LEVEL

ระดับบันทึกสำหรับ Gunicorn

หนึ่งใน:

  • debug
  • info
  • warning
  • error
  • critical

โดยค่าเริ่มต้นตั้งค่าเป็น info

หากคุณต้องการบีบการเสียสละประสิทธิภาพให้มากขึ้นให้ตั้งค่าเป็น warning ตัวอย่างเช่น:

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:8080 -e LOG_LEVEL= " warning " myimage

WORKER_CLASS

ชั้นเรียนที่ Gunicorn ใช้สำหรับคนงาน

โดยค่าเริ่มต้นตั้งค่าเป็น uvicorn.workers.UvicornWorker

ความจริงที่ว่ามันใช้ Uvicorn เป็นสิ่งที่อนุญาตให้ใช้เฟรมเวิร์ก ASGI เช่น Fastapi และนั่นคือสิ่งที่ให้ประสิทธิภาพสูงสุด

คุณอาจไม่ควรเปลี่ยนแปลง

แต่ถ้าด้วยเหตุผลบางอย่างคุณต้องใช้คนงาน Uvicorn ทางเลือก: uvicorn.workers.UvicornH11Worker คุณสามารถตั้งค่าด้วยตัวแปรสภาพแวดล้อมนี้

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:8080 -e WORKER_CLASS= " uvicorn.workers.UvicornH11Worker " myimage

TIMEOUT

คนงานเงียบกว่าหลายวินาทีนี้ถูกฆ่าและเริ่มต้นใหม่

อ่านเพิ่มเติมเกี่ยวกับเรื่องนี้ในเอกสาร Gunicorn: หมดเวลา

โดยค่าเริ่มต้นตั้งค่าเป็น 120

ขอให้สังเกตว่าเฟรมเวิร์ก Uvicorn และ ASGI เช่น Fastapi เป็น Async ไม่ใช่การซิงค์ ดังนั้นจึงอาจปลอดภัยที่จะมีการหมดเวลาสูงกว่าสำหรับคนงานซิงค์

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:8080 -e TIMEOUT= " 20 " myimage

KEEP_ALIVE

จำนวนวินาทีที่จะรอคำขอในการเชื่อมต่อแบบค้ำจุน

อ่านเพิ่มเติมเกี่ยวกับเรื่องนี้ในเอกสาร Gunicorn: Keepalive

โดยค่าเริ่มต้นตั้งค่าเป็น 2

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:8080 -e KEEP_ALIVE= " 20 " myimage

GRACEFUL_TIMEOUT

หมดเวลาสำหรับคนงานที่สง่างามรีสตาร์ท

อ่านเพิ่มเติมเกี่ยวกับเรื่องนี้ในเอกสาร Gunicorn: Timeout ที่สง่างาม

โดยค่าเริ่มต้นตั้งค่าเป็น 120

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:8080 -e GRACEFUL_TIMEOUT= " 20 " myimage

ACCESS_LOG

ไฟล์บันทึกการเข้าถึงที่จะเขียนถึง

โดยค่าเริ่มต้น "-" ซึ่งหมายถึง stdout (พิมพ์ในบันทึก Docker)

หากคุณต้องการปิดใช้ ACCESS_LOG ให้ตั้งค่าเป็นค่าที่ว่างเปล่า

ตัวอย่างเช่นคุณสามารถปิดการใช้งานด้วย: 

docker run -d -p 80:8080 -e ACCESS_LOG= myimage

ERROR_LOG

ไฟล์บันทึกข้อผิดพลาดที่จะเขียนถึง

โดยค่าเริ่มต้น "-" ซึ่งหมายถึง stderr (พิมพ์ในบันทึก Docker)

หากคุณต้องการปิดการใช้งาน ERROR_LOG ให้ตั้งค่าเป็นค่าที่ว่างเปล่า

ตัวอย่างเช่นคุณสามารถปิดการใช้งานด้วย: 

docker run -d -p 80:8080 -e ERROR_LOG= myimage

GUNICORN_CMD_ARGS

การตั้งค่าบรรทัดคำสั่งเพิ่มเติมใด ๆ สำหรับ gunicorn สามารถส่งผ่านในตัวแปรสภาพแวดล้อม GUNICORN_CMD_ARGS

อ่านเพิ่มเติมเกี่ยวกับเรื่องนี้ในเอกสาร Gunicorn: การตั้งค่า

การตั้งค่าเหล่านี้จะมีความสำคัญเหนือกว่าตัวแปรสภาพแวดล้อมอื่น ๆ และไฟล์กำหนดค่า Gunicorn ใด ๆ

ตัวอย่างเช่นหากคุณมีใบรับรอง TLS/SSL แบบกำหนดเองที่คุณต้องการใช้คุณสามารถคัดลอกไปยัง Image Docker หรือติดตั้งไว้ในคอนเทนเนอร์และตั้งค่า --keyfile และ --certfile ไปยังตำแหน่งของไฟล์ตัวอย่างเช่น: 

docker run -d -p 80:8080 -e GUNICORN_CMD_ARGS= " --keyfile=/secrets/key.pem --certfile=/secrets/cert.pem " -e PORT=443 myimage

หมายเหตุ : แทนที่จะจัดการ TLS/SSL ด้วยตัวเองและกำหนดค่าไว้ในคอนเทนเนอร์ขอแนะนำให้ใช้ "พร็อกซีการเลิกจ้าง TLS" เช่น Traefik คุณสามารถอ่านเพิ่มเติมเกี่ยวกับเรื่องนี้ได้ในเอกสาร Fastapi เกี่ยวกับ HTTPS

PRE_START_PATH

เส้นทางที่จะค้นหาสคริปต์ก่อนเริ่ม

โดยค่าเริ่มต้นตั้งค่าเป็น /app/prestart.sh

คุณสามารถตั้งค่าได้เช่น: 

docker run -d -p 80:8080 -e PRE_START_PATH= " /custom/script.sh " myimage

ไฟล์กำหนดค่า Gunicorn ที่กำหนดเอง

ภาพรวมไฟล์กำหนดค่า Gunicorn Python เริ่มต้นที่ /gunicorn_conf.py

มันใช้ตัวแปรสภาพแวดล้อมที่ประกาศไว้ข้างต้นเพื่อตั้งค่าการกำหนดค่าทั้งหมด

คุณสามารถแทนที่ด้วยไฟล์ใน:

  • /app/gunicorn_conf.py
  • /app/app/gunicorn_conf.py
  • /gunicorn_conf.py

Custom /app/prestart.sh

หากคุณต้องการเรียกใช้อะไรก่อนเริ่มแอปคุณสามารถเพิ่มไฟล์ prestart.sh ในไดเรกทอรี /app ภาพจะตรวจจับและเรียกใช้โดยอัตโนมัติก่อนเริ่มทุกอย่าง

ตัวอย่างเช่นหากคุณต้องการเพิ่ม Alembic SQL Migrations (ด้วย sqlalchemy) คุณสามารถสร้างไฟล์ ./app/prestart.sh ในไดเรกทอรีรหัสของคุณ (ซึ่งจะถูกคัดลอกโดย Dockerfile ของคุณ) ด้วย: 

 #! /usr/bin/env bash

# Let the DB start
sleep 10 ;
# Run migrations
alembic upgrade head

และมันจะรอ 10 วินาทีเพื่อให้ฐานข้อมูลเริ่มต้นแล้วเรียกใช้คำสั่ง alembic นั้น

หากคุณต้องการเรียกใช้สคริปต์ Python ก่อนที่จะเริ่มแอปคุณสามารถสร้างไฟล์ /app/prestart.sh เรียกใช้สคริปต์ Python ของคุณด้วย: 

 #! /usr/bin/env bash

# Run custom Python script before starting
python /app/my_custom_prestart_script.py

คุณสามารถปรับแต่งตำแหน่งของสคริปต์ Prestart ด้วยตัวแปรสภาพแวดล้อม PRE_START_PATH ที่อธิบายไว้ข้างต้น

การพัฒนาสดใหม่

โปรแกรมเริ่มต้นที่เรียกใช้คือ At /start.sh มันทำทุกอย่างที่อธิบายไว้ข้างต้น

นอกจากนี้ยังมีเวอร์ชันสำหรับการพัฒนาด้วยการโหลดสดอัตโนมัติที่: 

/start-reload.sh

รายละเอียด

สำหรับการพัฒนามันมีประโยชน์ที่จะสามารถติดตั้งเนื้อหาของรหัสแอปพลิเคชันภายในคอนเทนเนอร์เป็นนักเทียบท่า "ปริมาณโฮสต์" เพื่อให้สามารถเปลี่ยนรหัสและทดสอบการใช้งานได้โดยไม่ต้องสร้างภาพทุกครั้ง

ในกรณีนี้มันยังมีประโยชน์ในการเรียกใช้เซิร์ฟเวอร์ด้วยการโหลดอัตโนมัติสดเพื่อให้เริ่มต้นใหม่โดยอัตโนมัติทุกการเปลี่ยนแปลงรหัส

สคริปต์เพิ่มเติม /start-reload.sh เรียกใช้ uvicorn เพียงอย่างเดียว (ไม่มี gunicorn) และในกระบวนการเดียว

เหมาะอย่างยิ่งสำหรับการพัฒนา

การใช้งาน

ตัวอย่างเช่นแทนที่จะทำงาน: 

docker run -d -p 80:80 myimage

คุณสามารถวิ่งได้: 

docker run -d -p 80:80 -v $( pwd ) :/app myimage /start-reload.sh
  • -v $(pwd):/app : หมายความว่าควรติดตั้งไดเร็กทอรี $(pwd) เป็นระดับเสียงภายในคอนเทนเนอร์ AT /app
    • $(pwd) : เรียกใช้ pwd ("พิมพ์ไดเรกทอรีการทำงาน") และวางเป็นส่วนหนึ่งของสตริง
  • /start-reload.sh : การเพิ่มบางสิ่งบางอย่าง (เช่น /start-reload.sh ) ในตอนท้ายของคำสั่งแทนที่คำสั่ง "เริ่มต้น" ด้วยคำสั่งนี้ ในกรณีนี้มันจะแทนที่ค่าเริ่มต้น ( /start.sh ) ด้วยทางเลือกการพัฒนา /start-reload.sh

Development Live Reload - รายละเอียดทางเทคนิค

AS /start-reload.sh ไม่ได้ทำงานกับ Gunicorn การกำหนดค่าใด ๆ ที่คุณใส่ในไฟล์ gunicorn_conf.py จะไม่นำมาใช้

แต่ตัวแปรสภาพแวดล้อมเหล่านี้จะทำงานเช่นเดียวกับที่อธิบายไว้ข้างต้น:

  • MODULE_NAME
  • VARIABLE_NAME
  • APP_MODULE
  • HOST
  • PORT
  • LOG_LEVEL

คำเตือนอัลไพน์งูเหลือม

กล่าวโดยย่อ: คุณอาจไม่ควรใช้อัลไพน์สำหรับโครงการ Python แทนที่จะใช้เวอร์ชันอิมเมจ Docker slim

คุณต้องการรายละเอียดเพิ่มเติมหรือไม่? อ่านต่อ?

อัลไพน์มีประโยชน์มากกว่าสำหรับภาษาอื่น ๆ ที่คุณสร้างไบนารีแบบคงที่ในเวทีภาพนักเทียบท่าหนึ่ง (ใช้การสร้างท่าเทียบเรือหลายขั้นตอน) จากนั้นคัดลอกไปยังภาพอัลไพน์ที่เรียบง่ายแล้วดำเนินการไบนารีนั้น ตัวอย่างเช่นการใช้ไป

แต่สำหรับ Python เนื่องจากอัลไพน์ไม่ได้ใช้เครื่องมือมาตรฐานที่ใช้ในการสร้างส่วนขยาย Python เมื่อติดตั้งแพ็คเกจในหลายกรณี Python ( pip ) จะไม่พบแพ็คเกจที่ติดตั้งได้แบบ preompiled ("ล้อ") สำหรับอัลไพน์ และหลังจากการดีบักข้อผิดพลาดแปลก ๆ มากมายคุณจะรู้ว่าคุณต้องติดตั้งเครื่องมือพิเศษจำนวนมากและสร้างการพึ่งพาจำนวนมากเพื่อใช้แพ็คเกจ Python ทั่วไปเหล่านี้ -

ซึ่งหมายความว่าแม้ว่าภาพอัลไพน์ดั้งเดิมอาจมีขนาดเล็ก แต่คุณก็จบลงด้วยภาพที่มีขนาดเทียบได้กับขนาดที่คุณจะได้รับหากคุณเพิ่งใช้ภาพงูหลามมาตรฐาน (อิงตาม Debian) หรือในบางกรณี -

และในทุกกรณีมันจะใช้เวลานานกว่าในการสร้างใช้ทรัพยากรมากขึ้นการสร้างการพึ่งพานานขึ้นและยังเพิ่มการปล่อยก๊าซคาร์บอนไดออกไซด์ในขณะที่คุณใช้เวลาและพลังงานของซีพียูมากขึ้นสำหรับการสร้างแต่ละครั้ง -

หากคุณต้องการรูปภาพ Python ที่เพรียวบางคุณควรลองและใช้เวอร์ชัน slim ที่ยังคงใช้ Debian แต่มีขนาดเล็กลง -

การทดสอบ

แท็กรูปภาพทั้งหมดการกำหนดค่าตัวแปรสภาพแวดล้อมและตัวเลือกแอปพลิเคชันได้รับการทดสอบ

บันทึกย่อ

การเปลี่ยนแปลงล่าสุด

อัพเกรด

  • ⬆ Bump Fastapi [ทั้งหมด] จาก 0.88.0 ถึง 0.115.4 PR #354 โดย @Dependabot [BOT]
  • ⬆ Bump Uvicorn [มาตรฐาน] จาก 0.20.0 ถึง 0.32.0 PR #352 โดย @Dependabot [BOT]
  • ลดการสนับสนุนสำหรับ Python 3.7 และ 3.8 PR #355 โดย @tiangolo
  • ⬆ Bump Gunicorn จาก 22.0.0 ถึง 23.0.0 PR #300 โดย @Dependabot [BOT]
  • ⬆ Bump Gunicorn จาก 21.2.0 ถึง 22.0.0 PR #287 โดย @Dependabot [BOT]

เอกสาร

  • เลิกใช้ภาพนักเทียบท่านี้ใช้ Uvicorn กับ --workers PR #303 โดย @tiangolo
  • เพิ่มนโยบายความปลอดภัย PR #283 โดย @tiangolo

ภายใน

  • ลบไฟล์ที่ไม่ได้ใช้เก่า PR #356 โดย @tiangolo
  • ⬆ Bump Tiangolo/Issue-Manager จาก 0.5.0 ถึง 0.5.1 PR #344 โดย @Dependabot [BOT]
  • - อัปเดต issue-manager.yml PR #343 โดย @tiangolo
  • - อัปเดต latest-changes ของ GitHub PR #340 โดย @tiangolo
  • ⬆ Bump Docker/Build-Push-Action จาก 5 ถึง 6. PR #293 โดย @Dependabot [BOT]
  • - การทดสอบการทดสอบแบบปลดปล่อย PR #304 โดย @tiangolo
  • ⬆ Bump Docker/Login-Action จาก 1 ถึง 3. PR #280 โดย @Dependabot [BOT]
  • ⬆ Bump Docker/Setup-Buildx-Action จาก 1 ถึง 3. PR #279 โดย @Dependabot [BOT]
  • ⬆ Bump Docker/Build-Push-Action จาก 2 ถึง 5. PR #278 โดย @Dependabot [BOT]
  • ⬆การดำเนินการ Bump/Setup-Python จาก 4 ถึง 5. PR #277 โดย @Dependabot [BOT]
  • ⬆อัปเดตข้อกำหนดสีดำจาก ^22.10 เป็น ^23.3 PR #268 โดย @Dependabot [BOT]
  • - เพิ่มเทมเพลต GitHub สำหรับการอภิปรายและเทมเพลต PR #281 โดย @tiangolo
  • - อัปเดต latest-changes.yml PR #276 โดย @alejsdev

0.8.0

คุณสมบัติ

  • เพิ่มการสนับสนุนสำหรับการสร้างแบบหลายโค้งรวมถึงการสนับสนุนสำหรับ ARM64 (เช่น Mac M1) PR #273 โดย @tiangolo

เอกสาร

  • อัปเดตตราทดสอบใน README.md PR #275 โดย @alejsdev
  • อัปเดตตราทดสอบใน README.md PR #274 โดย @alejsdev

อัพเกรด

  • ⬆ Bump Gunicorn จาก 20.1.0 ถึง 21.2.0 PR #270 โดย @Dependabot [BOT]
  • ⬆ชน Fastapi [ทั้งหมด] จาก 0.87.0 ถึง 0.88.0 PR #222 โดย @Dependabot [BOT]

ภายใน

  • ⬆อัปเดตข้อกำหนด mypy จาก ^0.991 เป็น ^1.4 PR #269 โดย @Dependabot [BOT]
  • ⬆การดำเนินการ/การชำระเงินจาก 3 ถึง 4. PR #266 โดย @Dependabot [BOT]
  • ⬆ Bump Peter-Evans/Dockerhub-Description จาก 3 ถึง 4. PR #267 โดย @Dependabot [BOT]
  • ⬆การดำเนินการ Bump/Setup-Python จาก 4.3.0 ถึง 5.0.0 PR #265 โดย @Dependabot [BOT]
  • ⬆ Bump Tiangolo/Issue-Manager จาก 0.4.0 ถึง 0.5.0 PR #264 โดย @Dependabot [BOT]
  • - อัพเดท Adentabot PR #253 โดย @tiangolo
  • - อัปเดตโทเค็นสำหรับการเปลี่ยนแปลงล่าสุด PR #247 โดย @tiangolo
  • - เพิ่มการกระทำของ GitHub สำหรับคำอธิบายฮับ Docker PR #221 โดย @tiangolo
  • ⬆อัปเดตข้อกำหนด MyPy จาก ^0.971 เป็น ^0.991 PR #214 โดย @Dependabot [BOT]
  • ⬆อัปเดตข้อกำหนดอัตโนมัติจาก ^1.3.1 ถึง ^2.0.0 PR #215 โดย @Dependabot [BOT]

0.7.0

ไฮไลท์ของรุ่นนี้:

  • รองรับ Python 3.10 และ 3.11
  • การคัดค้าน Python 3.6
    • แท็กรูปภาพ Python 3.6 ล่าสุดถูกผลักและมีอยู่ใน Docker Hub แต่จะไม่ได้รับการปรับปรุงหรือดูแลรักษาอีกต่อไป
    • ภาพสุดท้ายที่มีแท็กวันที่คือ python3.6-2022-11-25
  • รุ่นอัพเกรดของการพึ่งพาทั้งหมด

คุณสมบัติ

  • เพิ่มการสนับสนุนสำหรับ Python 3.10 และ 3.11 PR #220 โดย @tiangolo
  • เพิ่ม Python 3.9 และ Python 3.9 Alpine PR #67 โดย @Graue70

ทำลายการเปลี่ยนแปลง

  • คัดค้านและลบ Python 3.6 PR #211 โดย @tiangolo

อัพเกรด

  • ⬆อัพเกรด Fastapi และ Uvicorn PR #212 โดย @tiangolo
  • ⬆อัปเกรดแพ็คเกจเป็นเวอร์ชันล่าสุดที่รองรับ Python 3.6 PR #207 โดย @tiangolo

เอกสาร

  • เพิ่มหมายเหตุเพื่อกีดกันอัลไพน์ด้วย Python PR #122 โดย @tiangolo
  • เพิ่มคำเตือนสำหรับ Kubernetes เมื่อใดที่จะใช้ภาพนี้ PR #121 โดย @tiangolo
  • ✏แก้ไขการพิมพ์ผิดคำซ้ำบน readme PR #96 โดย @shelbylsmith

ภายใน

  • ⬆อัปเดตข้อกำหนดสีดำจาก ^20.8b1 เป็น ^22.10 PR #216 โดย @Dependabot [BOT]
  • ⬆อัปเดตข้อกำหนดของ Docker จาก ^5.0.3 เป็น ^6.0.1 PR #217 โดย @Dependabot [BOT]
  • ลบไฟล์ Travis เก่า PR #219 โดย @tiangolo
  • ⬆อัพเกรด CI OS PR #218 โดย @tiangolo
  • - อัปเดตการกำหนดค่าพึ่งพาอาศัยกัน PR #213 โดย @tiangolo
  • - เพิ่ม CI ที่กำหนดเวลา PR #210 โดย @tiangolo
  • - เพิ่มแอ็คชั่น GitHub Alls-Green PR #209 โดย @tiangolo
  • - อย่าเรียกใช้ Double CI, Run on Push On Master เท่านั้น PR #208 โดย @tiangolo
  • ⬆การดำเนินการชน/การตั้งค่า Python จาก 4.1.0 ถึง 4.3.0 PR #201 โดย @Dependabot [BOT]
  • ⬆อัปเดตข้อกำหนดสีดำจาก ^19.10b0 เป็น ^20.8b1 PR #113 โดย @Dependabot [BOT]
  • ⬆อัปเดตข้อกำหนดของ Docker จาก ^4.2.0 เป็น ^5.0.3 PR #125 โดย @Dependabot [BOT]
  • ⬆การดำเนินการ/การชำระเงินจาก 2 ถึง 3.1.0 PR #194 โดย @Dependabot [BOT]
  • ⬆อัปเดตข้อกำหนด MyPy จาก ^0.770 เป็น ^0.971 PR #184 โดย @Dependabot [BOT]
  • ⬆การอัปเดตข้อกำหนดของ ISORT จาก ^4.3.21 เป็น ^5.8.0 PR #116 โดย @Dependabot [BOT]
  • ⬆ BUMP TIANGOLO/MANAGER-MANAGER จาก 0.2.0 ถึง 0.4.0 PR #110 โดย @Dependabot [BOT]
  • ⬆การดำเนินการชน/การตั้งค่า Python จาก 1 ถึง 4.1.0 PR #182 โดย @Dependabot [BOT]
  • ⬆อัปเดตข้อกำหนด pytest จาก ^5.4.1 เป็น ^7.0.1 PR #153 โดย @Dependabot [BOT]
  • - เพิ่มการพึ่งพาภายนอกและพึ่งพาอาศัยกันเพื่อรับ PRS อัพเกรดอัตโนมัติ PR #109 โดย @tiangolo
  • - อัปเดตการเปลี่ยนแปลงล่าสุด PR #108 โดย @tiangolo
  • - อนุญาตให้ GitHub เวิร์กโฟลว์จัดส่งเพื่อทดสอบและปรับใช้ PR #93 โดย @tiangolo
  • - เพิ่มการเปลี่ยนแปลงล่าสุดของ GitHub ผู้จัดการการอัปเดตปัญหาเพิ่มเงินทุน PR #70 โดย @tiangolo

0.6.0

  • เพิ่มเอกสารเกี่ยวกับการติดตั้งและการพึ่งพาการพึ่งพา PR #41
  • เพิ่มเวอร์ชัน slim PR #40
  • อัปเดตและ refactor นำคุณสมบัติใหม่ทั้งหมดจากภาพพื้นฐาน รวมถึง:
    • รวมศูนย์ลดความซับซ้อนและเป็นรหัสซ้ำและการตั้งค่า
    • ย้าย CI ไปยังการกระทำของ GitHub
    • เพิ่ม Python 3.8 (และอัลไพน์)
    • เพิ่มการกำหนดค่าและเอกสารใหม่:
      • WORKER_CLASS
      • TIMEOUT
      • KEEP_ALIVE
      • GRACEFUL_TIMEOUT
      • ACCESS_LOG
      • ERROR_LOG
      • GUNICORN_CMD_ARGS
      • MAX_WORKERS
    • PR #39
  • ปิดการใช้งาน PIP Cache ระหว่างการติดตั้ง PR #38
  • โยกย้ายการพัฒนาในท้องถิ่นจาก PipenV ไปยังบทกวี PR #34
  • เพิ่มเอกสารสำหรับ custom PRE_START_PATH env var PR #33

0.5.0

  • การทดสอบ Refactor เพื่อใช้ env vars และเพิ่มแท็กรูปภาพสำหรับแต่ละวันที่สร้างเช่น tiangolo/uvicorn-gunicorn-fastapi:python3.7-2019-10-15 PR #17.
  • อัพเกรดเทรวิส PR #9.

0.4.0

  • เพิ่มการสนับสนุนสำหรับ Live Auto-Reload ด้วยสคริปต์ที่กำหนดเองเพิ่มเติม /start-reload.sh ตรวจสอบเอกสารที่อัปเดต PR #6 ในภาพแม่

0.3.0

  • SET WORKERS_PER_CORE โดยค่าเริ่มต้นเป็น 1 เนื่องจากแสดงให้เห็นว่ามีประสิทธิภาพที่ดีที่สุดในการเปรียบเทียบ
  • ทำให้เว็บพร้อมกันเริ่มต้นเมื่อไม่ได้ตั้งค่า WEB_CONCURRENCY เป็นอย่างน้อย 2 คน นี่คือการหลีกเลี่ยงประสิทธิภาพที่ไม่ดีและการปิดกั้นแอปพลิเคชัน (แอปพลิเคชันเซิร์ฟเวอร์) บนเครื่องจักรขนาดเล็ก (Server Machine/Cloud/etc) สิ่งนี้สามารถแทนที่ได้โดยใช้ WEB_CONCURRENCY สิ่งนี้ใช้ตัวอย่างเช่นในกรณีที่ WORKERS_PER_CORE ตั้งค่าเป็น 1 (ค่าเริ่มต้น) และเซิร์ฟเวอร์มีเพียง 1 CPU core PR #6 และ PR #5 ในภาพแม่

0.2.0

  • Make /start.sh เรียกใช้อย่างอิสระอ่านและสร้างตัวแปรสภาพแวดล้อมเริ่มต้นที่ใช้ และลบ /entrypoint.sh เนื่องจากไม่ได้แก้ไขอะไรในระบบเพียงอ่านตัวแปรสภาพแวดล้อมเท่านั้น PR #4 ในภาพแม่

0.1.0

  • เพิ่มการสนับสนุนสำหรับ /app/prestart.sh

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ข้อกำหนดของใบอนุญาต MIT

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด