分布式微服务系统架构第131集：fastapi-python工程化FastAPI模板项目

我是哪吒
195 阅读5分钟

加群联系作者vx：xiaoda0423

仓库地址：webvueblog.github.io/JavaPlusDoc…

1024bat.cn/

github.com/webVueBlog/…

Fastapi Plus

这是一个Python FastAPI项目工程库，包含DB、Redis、MongoDB、JSON等工具和基础服务类。

1747010050602.png

组件：

这段Markdown代码列出了几个常用的Python库和工具的链接，这些工具在Web开发、数据库操作和缓存管理等方面非常有用。下面是每个工具的简要介绍：

  1. FastAPI:

    • 链接: fastapi.tiangolo.com/
    • 用途: FastAPI是一个现代、快速（高性能）的Web框架，用于构建APIs。它基于标准Python类型提示，使得代码更清晰、更易于维护。
    • 特点: 高性能、异步支持、自动生成文档、支持OAuth2等。
    • 注意事项: 需要Python 3.6及以上版本。

  2. uvicorn:

    • 链接: www.uvicorn.org/
    • 用途: Uvicorn是一个基于ASGI（Asynchronous Server Gateway Interface）的轻量级服务器，用于运行FastAPI等ASGI应用。
    • 特点: 高性能、异步支持、支持WebSocket、易于部署。
    • 注意事项: 需要Python 3.6及以上版本。

  3. SQLAlchemy:

    • 链接: www.sqlalchemy.org/
    • 用途: SQLAlchemy是一个强大的SQL工具包和ORM（对象关系映射）库，用于Python应用程序与数据库之间的交互。
    • 特点: 支持多种数据库、灵活的查询语言、强大的ORM功能。
    • 注意事项: 需要Python 3.6及以上版本。

  4. PyMySQL:

    • 链接: pymysql.readthedocs.io/
    • 用途: PyMySQL是一个纯Python实现的MySQL客户端库，用于连接和操作MySQL数据库。
    • 特点: 纯Python实现、兼容MySQL客户端/服务器协议、支持连接池。
    • 注意事项: 需要Python 3.6及以上版本。

  5. REDIS:

    • 链接: github.com/andymccurdy…
    • 用途: redis-py是一个Python客户端库，用于连接和操作Redis数据库。
    • 特点: 支持Redis的所有数据类型、支持发布/订阅、支持事务等。
    • 注意事项: 需要Python 3.6及以上版本。

这些工具和库通常一起使用，可以构建高效、可扩展的Web应用程序，同时提供强大的数据库和缓存支持。在使用这些工具时，需要注意它们的版本兼容性、性能优化和安全性配置。

img.png

判断你电脑适合使用 AMD64（x86_64） 还是 ARM64（aarch64） 架构的方法如下：

✅ 一看系统架构（最直接）

【Windows 系统】

  1. 打开命令行（Win+R → 输入 cmd）：

    wmic os get osarchitecture

    输出示例：

    • 64-bit → 多数是 AMD64 架构（即 Intel/AMD CPU）
    • 如果是 ARM 芯片（例如 Surface Pro X），会显示特殊版本，如 ARM64-based PC

  2. 或在“系统信息”中查看：

    • “系统类型”：

      • x64-based PC → AMD64 架构
      • ARM-based PC → ARM64 架构
【macOS 系统】

  1. 打开终端，输入：

    uname -m

    输出含义：

    • x86_64 → Intel CPU → AMD64 架构
    • arm64 → Apple M1/M2/M3 芯片 → ARM64 架构
【Linux 系统】
uname -m
  • x86_64 → AMD64 架构
  • aarch64 → ARM64 架构

✅ 二看 CPU 品牌

CPU 品牌架构
Intel / AMDAMD64（即 x86_64）
Apple M 系列ARM64（arm64）
高通 SnapdragonARM64
Raspberry Pi / RK3399 等开发板ARM64

✅ 三看下载软件包时的选择

当你安装 Docker、Python、Node.js、VSCode 等工具时，选择：

  • x64 / x86_64 / amd64 → Intel/AMD CPU 用
  • arm64 / aarch64 → Apple M 系列或 ARM 开发板用

下面提供在阿里云上部署 ELK 的两种常用方案：

  1. 托管式 Elasticsearch Service（AES） + Logstash/Beats
  2. 自建 ELK 集群（ECS/ACK + Docker Compose）

1. 使用阿里云 Elasticsearch Service（AES）

阿里云 Elasticsearch Service（AES）是一项托管服务，包含 Elasticsearch 和 Kibana，免运维、可弹性伸缩。

步骤

  1. 创建实例

    • 控制台 → 产品 → Elasticsearch（托管版）→ 创建实例
    • 选择规格（节点数、规格、存储）与网络（VPC、交换机）
    • 记下实例域名（如 your-cluster.region.es.aliyuncs.com:9200）

  2. 安全设置

    • 访问控制 → 账号管理 → 新建内置账号（或使用 RAM 授权）
    • IP 白名单 → 添加可以访问集群的 IP 或安全组

  3. 访问 Kibana

    • 控制台 → 实例详情 → Kibana 管理 → 打开 Kibana 控制台
    • 使用步骤 2 中的账号登录

  4. 日志采集 → Logstash or Beats

    • 在一台 ECS 或容器服务上安装 Logstash / Filebeat

    • 典型 Logstash 配置（logstash.conf）：

      input {
  file {
    path => "/var/log/*.log"
    start_position => "beginning"
  }
}
output {
  elasticsearch {
    hosts => ["https://your-cluster.region.es.aliyuncs.com:9200"]
    user => "elastic_user"
    password => "elastic_pass"
    index => "app-logs-%{+YYYY.MM.dd}"
    ssl => true
  }
}

    • 启动：

      bin/logstash -f logstash.conf

  5. 可选：使用 Filebeat

    • 安装 Filebeat，编辑 filebeat.yml：

      filebeat.inputs:
- type: log
  paths:
    - /var/log/*.log

output.elasticsearch:
  hosts: ["https://your-cluster.region.es.aliyuncs.com:9200"]
  username: "elastic_user"
  password: "elastic_pass"
  ssl.enabled: true

    • 启动并注册：

      filebeat setup --dashboards
systemctl start filebeat

2. 自建 ELK 集群

如果你需要完全自定义，或想在容器中部署：

2.1 在 ECS 上自建（Docker + Docker-Compose）

  1. 准备 ECS

    • 选择 4 核、8 GB 内存及以上
    • 安装 Docker & Docker Compose

  2. 编写 docker-compose.yml

    version: "3.8"
services:
  elasticsearch:
    image: elasticsearch:8.5.1
    environment:
      - node.name=es-node1
      - cluster.name=elk-cluster
      - discovery.type=single-node
      - ES_JAVA_OPTS=-Xms2g -Xmx2g
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - es_data:/usr/share/elasticsearch/data
    ports:
      - "9200:9200"

  logstash:
    image: logstash:8.5.1
    volumes:
      - ./pipeline:/usr/share/logstash/pipeline
    ports:
      - "5044:5044"
    depends_on:
      - elasticsearch

  kibana:
    image: kibana:8.5.1
    environment:
      ELASTICSEARCH_HOSTS: http://elasticsearch:9200
    ports:
      - "5601:5601"
    depends_on:
      - elasticsearch

volumes:
  es_data:

  3. 启动服务

    docker-compose up -d

  4. 验证

    • http://<ECS_IP>:9200 → Elasticsearch
    • http://<ECS_IP>:5601 → Kibana

2.2 在 ACK（Kubernetes）上部署

  1. 创建 ACK 集群

    • 控制台 → 容器服务 ACK → 新建集群

  2. 安装 Helm

    curl https://raw.githubusercontent.com/helm/helm/main/scripts/get-helm-3 | bash

  3. 添加 Elastic Helm 仓库

    helm repo add elastic https://helm.elastic.co
helm repo update

  4. 部署 Elasticsearch

    helm install es-cluster elastic/elasticsearch \
  --set replicas=3 \
  --set resources.requests.memory=2Gi \
  --set resources.requests.cpu=1

  5. 部署 Kibana

    helm install kibana elastic/kibana \
  --set service.type=LoadBalancer \
  --set ingress.enabled=true \
  --set elasticsearchHosts=http://es-cluster-master:9200

  6. 部署 Logstash（可选）

    helm install logstash elastic/logstash \
  --set pod.resources.requests.memory=1Gi

小结与建议

  • 首选 AES：托管版省运维、自动扩缩容，配合 Filebeat 最快。
  • 自建集群：适合对版本、插件、网络有严格自定义需求。
  • 安全：生产环境下务必开启 TLS、认证与访问控制。
  • 监控：可结合阿里云云监控（CMS）与 Elastic Stack 自带的监控插件。

3d6d7d09299720c9c57270047fc72eb.png

avatar
文章
阅读
粉丝