Общие сведения о приложениях контейнеров Python в Azure

В этой статье описывается, как перейти из кода проекта Python (например, веб-приложения) в развернутый контейнер Docker в Azure. В этой статье рассматривается общий процесс контейнеризации, варианты развертывания контейнеров в Azure и конфигурация контейнеров для Python в Azure.

Характер контейнеров Docker заключается в том, что создание образа Docker из кода и развертывание этого образа в контейнере в Azure аналогично языкам программирования. Вопросы, связанные с языком ( Python в этом случае, находятся в конфигурации во время процесса контейнеризации в Azure, в частности структура и конфигурация Dockerfile, поддерживающие веб-платформы Python, такие как Django, Flask и FastAPI.

Сценарии рабочего процесса контейнера

Для разработки контейнеров Python некоторые типичные рабочие процессы для перехода из кода в контейнер:

Цель этих рабочих процессов заключается в том, чтобы контейнер работал в одном из ресурсов Azure, поддерживающих контейнеры Docker, как указано в следующем разделе.

Среда разработки может быть локальной рабочей станцией с Visual Studio Code или PyCharm, Codespaces (среда разработки, размещенная в облаке), или контейнерами разработки Visual Studio (контейнером в качестве среды разработки).

Параметры контейнера развертывания в Azure

Приложения контейнеров Python поддерживаются в следующих службах.

Более подробное сравнение этих служб см. в статье "Сравнение приложений контейнеров" с другими параметрами контейнера Azure.

Виртуальные среды и контейнеры

При запуске проекта Python в среде разработки использование виртуальной среды — это распространенный способ управления зависимостями и обеспечения воспроизводимости настройки проекта. Виртуальная среда содержит интерпретатор Python, библиотеки и скрипты, необходимые для кода проекта, выполняемого в этой среде. Зависимости для проектов Python управляются с помощью файла requirements.txt .

Контейнеры Docker можно рассматривать как предоставление аналогичных возможностей в качестве виртуальных сред, но с дополнительными преимуществами в воспроизводимости и переносимости. Контейнер Docker можно запускать в любом месте, независимо от ОС.

Контейнер Docker содержит код проекта Python и все необходимое для выполнения кода. Чтобы перейти к этой точке, необходимо создать код проекта Python в образ Docker, а затем создать контейнер, выполняющийся экземпляр этого образа.

Для контейнерных проектов Python используются ключевые файлы:

Параметры контейнера для веб-платформ

Веб-платформы имеют порты по умолчанию, на которых они прослушивают веб-запросы. При работе с некоторыми решениями контейнеров Azure необходимо указать порт, который будет прослушивать контейнер.

В следующей таблице показано, как задать порт для разных решений контейнеров Azure.

Python Dockerfile

Dockerfile — это текстовый файл, содержащий инструкции по созданию образа Docker. Первая строка указывает базовый образ, с который начинается. За этой строкой следует инструкции по установке необходимых программ, копированию файлов и другим инструкциям по созданию рабочей среды. Например, некоторые примеры, относящиеся к Python, для ключевых инструкций Dockerfile Python, показаны в таблице ниже.

Команда сборки Docker создает образы Docker из Dockerfile и контекста. Контекст сборки — это набор файлов, расположенных по указанному пути или URL-адресу. Как правило, вы создадите образ из корневого каталога проекта Python, а путь к команде сборки — ".", как показано в следующем примере.

docker build --rm --pull  --file "Dockerfile"  --tag "mywebapp:latest"  .

Процесс сборки может ссылаться на любой из файлов в контексте. Например, сборка может использовать инструкцию COPY для ссылки на файл в контексте. Ниже приведен пример dockerfile для проекта Python с помощью платформы Flask :

FROM python:3.8-slim

EXPOSE 5000

# Keeps Python from generating .pyc files in the container.
ENV PYTHONDONTWRITEBYTECODE=1

# Turns off buffering for easier container logging
ENV PYTHONUNBUFFERED=1

# Install pip requirements.
COPY requirements.txt .
RUN python -m pip install -r requirements.txt

WORKDIR /app
COPY . /app

# Creates a non-root user with an explicit UID and adds permission to access the /app folder.
RUN adduser -u 5678 --disabled-password --gecos "" appuser && chown -R appuser /app
USER appuser

# Provides defaults for an executing container; can be overridden with Docker CLI.
CMD ["gunicorn", "--bind", "0.0.0.0:5000", "wsgi:app"]

Можно создать Dockerfile вручную или создать его автоматически с помощью VS Code и расширения Docker. Дополнительные сведения см. в разделе "Создание файлов Docker".

Команда сборки Docker входит в интерфейс командной строки Docker. При использовании таких идентификаторов, как VS Code или PyCharm, команды пользовательского интерфейса для работы с образами Docker вызывают команду сборки для вас и автоматизируют задание параметров.

Работа с образами и контейнерами Python Docker

VS Code и PyCharm

Работа в интегрированной среде разработки (IDE) для разработки контейнеров Python не требуется, но может упростить множество задач, связанных с контейнерами. Ниже приведены некоторые действия, которые можно сделать с помощью VS Code и PyCharm.

• Скачайте и создайте образы Docker.

  • Создайте образы в среде разработки.
  • Создание образов Docker в Azure без установки Docker в среде разработки. (Для PyCharm используйте Azure CLI для создания образов в Azure.)

• Создайте и запустите контейнеры Docker из существующего образа, извлеченного образа или непосредственно из Dockerfile.

• Запуск многоконтайнерных приложений с помощью Docker Compose.

• Подключение и работать с реестрами контейнеров, такими как Docker Hub, GitLab, JetBrains Space, Docker V2 и другие локальные реестры Docker.

• (только VS Code) Добавьте файлы Dockerfile и Docker Compose, адаптированные для проекта Python.

Чтобы настроить VS Code и PyCharm для запуска контейнеров Docker в среде разработки, выполните следующие действия.

• VS Code
• PyCharm

Если вы еще не сделали этого, установите средства Azure для VS Code.

Instructions	Снимок экрана
Шаг 1. Используйте SHIFT + ALT + A, чтобы открыть расширение Azure и подтвердить подключение к Azure. Вы также можете выбрать значок Azure на панели расширений VS Code. Если вы не вошли, выберите вход в Azure и следуйте инструкциям. Если у вас возникли проблемы с доступом к подписке Azure, это может быть связано с тем, что вы находитесь за прокси-сервером. Сведения об устранении проблем с подключением см. в разделе "Сетевые Подключение ions" в Visual Studio Code.
Шаг 2. Используйте CTRL + SHIFT + X для открытия расширений, поиска расширения Docker и установки расширения. Вы также можете выбрать значок расширений на панели расширений VS Code.
Шаг 3. Выберите значок Docker на панели расширения, разверните изображения и щелкните его в качестве контейнера правой кнопкой мыши.
Шаг 4. Мониторинг выходных данных Запуска Docker в окне терминала .

Azure CLI и Интерфейс командной строки Docker

Вы также можете работать с образами и контейнерами Python Docker с помощью Azure CLI и Docker CLI. В VS Code и PyCharm есть терминалы, где можно запускать эти среды CLIs.

Используйте интерфейс командной строки, если требуется более подробный контроль над аргументами сборки и выполнения, а также для автоматизации. Например, следующая команда показывает, как использовать Azure CLI az acr build , чтобы указать имя образа Docker.

az acr build --registry <registry-name> \
  --resource-group <resource-group> \
  --target pythoncontainerwebapp:latest .

В другом примере рассмотрим следующую команду, в которой показано, как использовать команду запуска Интерфейса командной строки Docker. В примере показано, как запустить контейнер Docker, который взаимодействует с экземпляром MongoDB в среде разработки за пределами контейнера. Различные значения для выполнения команды проще автоматизировать при указании в командной строке.

docker run --rm -it \
  --publish <port>:<port> --publish 27017:27017 \
  --add-host mongoservice:<your-server-IP-address> \
  --env CONNECTION_STRING=mongodb://mongoservice:27017 \
  --env DB_NAME=<database-name> \
  --env COLLECTION_NAME=<collection-name> \
  containermongo:latest  

Дополнительные сведения об этом сценарии см. в статье о сборке и тестировании контейнерного веб-приложения Python локально.

Переменные среды в контейнерах

Проекты Python часто используют переменные среды для передачи данных в код. Например, можно указать сведения о подключении к базе данных в переменной среды, чтобы его можно было легко изменить во время тестирования. При развертывании проекта в рабочей среде подключение к базе данных можно изменить, чтобы ссылаться на экземпляр рабочей базы данных.

Пакеты, такие как python-dotenv , часто используются для чтения пар "ключ-значение" из env-файла и задают их в качестве переменных среды. Env-файл полезен при запуске в виртуальной среде, но не рекомендуется при работе с контейнерами. Не копируйте env-файл в образ Docker, особенно если он содержит конфиденциальную информацию, и контейнер будет открыт. Используйте файл dockerignore, чтобы исключить копирование файлов в образ Docker. Дополнительные сведения см. в разделе "Виртуальные среды и контейнеры " в этой статье.

Переменные среды можно передать контейнерам несколькими способами:

1. Определяется в Dockerfile в виде инструкций ENV.
2. Передан в качестве --build-arg аргументов с помощью команды сборки Docker.
3. Передан в качестве --secret аргументов с помощью команды сборки Docker и серверной части BuildKit .
4. Переданы как --env или --env-file аргументы с помощью команды запуска Docker.

Первые два варианта имеют тот же недостаток, что и выше с env-файлами , а именно, что вы жестко закодировали потенциально конфиденциальную информацию в образ Docker. Можно проверить образ Docker и просмотреть переменные среды, например с помощью проверки образа docker команды.

Третий вариант с BuildKit позволяет передавать секретные сведения, которые будут использоваться в Dockerfile для создания образов docker безопасным способом, который не будет храниться в окончательном образе.

Четвертый вариант передачи переменных среды с помощью команды запуска Docker означает, что образ Docker не содержит переменные. Однако переменные по-прежнему видны при проверке экземпляра контейнера (например, при проверке контейнера Docker). Этот параметр может быть приемлемым при управлении доступом к экземпляру контейнера или в сценариях тестирования или разработки.

Ниже приведен пример передачи переменных среды с помощью команды выполнения интерфейса командной строки Docker и использования аргумента --env .

# PORT=8000 for Django and 5000 for Flask
export PORT=<port-number>

docker run --rm -it \
  --publish $PORT:$PORT \
  --env CONNECTION_STRING=<connection-info> \
  --env DB_NAME=<database-name> \
  <dockerimagename:tag>

Если вы используете VS Code или PyCharm, параметры пользовательского интерфейса для работы с изображениями и контейнерами в конечном итоге используют команды Интерфейса командной строки Docker, как показано выше.

Наконец, указание переменных среды при развертывании контейнера в Azure отличается от использования переменных среды в среде разработки. Например:

• Для веб-приложения для контейнеров можно настроить параметры приложения во время настройки Служба приложений. Эти параметры доступны для кода приложения в виде переменных среды и вызываются с помощью стандартного шаблона os.environ. При необходимости можно изменить значения после первоначального развертывания. Дополнительные сведения см. в разделе "Параметры приложения Access" в качестве переменных среды.

• Для приложений контейнеров Azure вы настраиваете переменные среды во время начальной настройки приложения-контейнера. Последующее изменение переменных среды создает редакцию контейнера. Кроме того, приложения контейнеров Azure позволяют определять секреты на уровне приложения, а затем ссылаться на них в переменных среды. Дополнительные сведения см. в статье "Управление секретами в приложениях контейнеров Azure".

В качестве другого варианта можно использовать службу Подключение or для подключения вычислительных служб Azure к другим службам резервного копирования. С помощью соединителя можно настроить параметры сети и сведения о соединении (например, создать переменные среды) между службой вычислений и целевой вспомогательной службой в плоскости управления.

Просмотр журналов контейнера

Просмотрите журналы экземпляров контейнера, чтобы просмотреть выходные данные диагностических сообщений из кода и устранить неполадки в коде контейнера. Ниже приведено несколько способов просмотра журналов при запуске контейнера в среде разработки:

• Запуск контейнера с VS Code или PyCharm, как показано в разделе VS Code и PyCharm, можно увидеть журналы в окнах терминала, открытых при выполнении docker.

• Если вы используете команду запуска Интерфейса командной строки Docker с интерактивным флагом-it, вы увидите выходные данные после команды.

• В Docker Desktop можно также просматривать журналы для запущенного контейнера.

При развертывании контейнера в Azure также есть доступ к журналам контейнеров. Ниже приведены несколько служб Azure и как получить доступ к журналам контейнеров в портал Azure.

Для указанных выше служб приведены команды Azure CLI для доступа к журналам.

Также поддерживается просмотр журналов в VS Code. Необходимо установить средства Azure для VS Code . Ниже приведен пример просмотра журналов веб-приложения для контейнеров (Служба приложений) в VS Code.

Следующие шаги

• Контейнерное веб-приложение Python в Azure с MongoDB
• Развертывание веб-приложения Python в приложениях контейнеров Azure с помощью PostgreSQL