Python
在 Linux（Ubuntu/Fedora）和 MacOS 下的 Python 开发环境设置步骤
- Ubuntu/Linux 安装 Python 在终端中，更新系统软件包列表：sudo apt update 安装 Python：sudo apt install python3
- Fedorta/Linux 安装 Python 在终端中，更新系统软件包列表：sudo dnf update 安装 Python：sudo dnf install python3
- MacOS 安装 Python
- 安装 Homebrew: /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/. install/HEAD/install.sh)"
- 如果因为GFW无法执行，可以手动下载 https://github.com/Homebrew/install/blob/master/install.sh 安装脚本执行
- 安装后在终端中配置环境变量，安装Python
eval "$(/opt/homebrew/bin/brew shellenv)"
(echo; echo 'eval "$(/opt/homebrew/bin/brew shellenv)"') >> ~/.zprofile
source ~/.zprofile
brew install python- 验证Python 开发环境，在终端中，创建一个简单的 Python 脚本：保存为 main.pydef greet(name): print(f"Hello, {name}!")
if __name__ == "__main__":
代码语言：txt复制greet("Bard")在终端中，运行脚本： python main.py
如果脚本成功运行，将会输出以下内容：Hello, Bard!
- 额外的开发辅助工具参考
- IDE： PyCharm、Visual Studio Code、IDLE
- 代码库管理： Git、GitHub
- 测试工具： unittest、pytest
- 文档生成工具： Sphinx
- 部署工具： Docker、WSGI
- 额外说明
- Python 版本： 建议使用最新的 Python 3.x 版本。
- 默认解释器： 在 Ubuntu 和 Fedora 中，Python 3 默认是默认解释器。如果您的系统安装了多个 Python 版本，可以使用以下命令设置默认解释器：sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 1
- 开发环境配置： 可以根据自己的需要配置 Python 开发环境，例如安装第三方库、配置 IDE 等
项目代码参考
- Python 语言项目开发的标准参考目录结构如下：
myproject/
├── src/
│ └── example_pkg/
│ ├── __init__.py
│ └── core.py
├── tests/
├── test_main.py
├── test_units.py
├── setup.py
├── Dockerfile
└── README.md其中：
- src 目录是项目的源码目录，存放项目的所有 Python 源代码文件，包括模块、类、函数等。
- src/example_pkg 是项目的包目录，存放项目的所有包。
- main.py 是项目的核心模块，存放项目的主要逻辑。
- tests 目录是项目的测试目录，存放项目的所有测试用例。
- setup.py 文件是项目的打包文件，用于打包项目为 Python 包。
- README.md 文件是项目的说明文件，用于描述项目的功能、用法等。
具体的目录结构可以根据项目的实际情况进行调整。例如，对于简单的项目，可以将 src 和 tests 目录合并为一个目录。对于大型的项目，可以根据模块的功能划分多个子包。
Dockerfile
以下是一个 Dockerfile 多阶段构建的示例：
代码语言：shell复制#第一阶段：编译阶段
FROM python:3.10-buster AS builder
WORKDIR /app
COPY . .
RUN pip3 install -r requirements.txt
RUN python3 -m pip install build && python3 -m build
# 第二阶段：运行阶段
FROM python:3.10-slim-buster
WORKDIR /app
COPY --from=builder /app/main.py .
COPY --from=builder /app/dist/example_pkg-0.1.0.tar.gz /tmp/
RUN pip3 install /tmp/example_pkg-0.1.0.tar.gz && rm -f /tmp/example_pkg-0.1.0.tar.gz
CMD python3 main.py这个 Dockerfile 使用了两阶段构建：
第一阶段：用于编译项目。该阶段使用了 python:3.10-buster 镜像作为基础镜像，并安装了编译依赖。然后，将项目的源代码复制到镜像中，并使用 pip3 进行编译。
第二阶段：用于运行项目。该阶段使用了 python:3.10-slim-buster 镜像作为基础镜像，并安装了运行依赖。然后，将第一阶段编译的产物复制到镜像中，并启动项目。
使用多阶段构建，可以将编译依赖和运行依赖分离，从而减少镜像的大小和体积。
Github CICD Pipeline
GitHub Actions 的管理界面 https://github.com/scaffolding-design/python/actions
流水线配置文件
流水线配置文件位于 Python.git 仓库中 .github/workflows/pipeline.yaml 由四个阶段组成：
- 构建测试：此阶段从源代码构建 APP, 并运行测试套件，以确保APP 正常工作。
- Docker 镜像：此阶段构建一个包含 APP 的 Docker 镜像。
- 设置 K3s：此阶段在远程服务器上设置 K3s 集群。
- 部署应用：此阶段将 APP 部署到 K3s 集群。
触发器
管道由以下事件触发：
- 当打开或更新拉取请求时。
- 当代码推送到主分支时。
- 当工作流程手动调度时。
环境变量
管道使用以下环境变量：
- TZ: 用于时间戳的时区。
- REPO: Onwalk 制品存储库的名称。
- IMAGE: 要构建的 Docker 镜像的名称。
- TAG: 要分配给 Docker 镜像的标签。
如需在自己的账号运行这个Demo，只需要将 https://github.com/scaffolding-design/python.git 这个仓库Fork 到你自己的Github账号下，同时在
Settings -> Actions secrets and variables: 添加流水线需要定义的变量:
- HELM_REPO_USER Artifact 仓库认证用户名
- HELM_REPO_REGISTRY Artifact 仓库认证地址
- HELM_REPO_PASSWORD Artifact 仓库认证密码
- HOST_USER 部署K3S的主机OS登陆用户名
- HOST_IP 部署K3S的主机IP地址
- HOST_DOMAIN 部署K3S的主机域名
- SSH_PRIVATE_KEY 访问K3S的主机的SSH 私钥
一起就绪后，就可以看到 DevOPS 实践/GitHub Actions CICD 一节所示，在这个工作流中，自动的完成C程序的编译，测试，打包容器镜像并推送到自定义的仓库，并完成K3S集群的初始化，将容器镜像部署到K3S集群中。
端点API
API 可以在本地通过 http://localhost:80/ 访问。确保服务器正在运行后进行请求。
- 端点：/
- 方法： GET
- 描述： 返回问候消息。
- 示例请求：curl http://localhost:80/
- 预期输出：{"message": "Hello, world!"}
- 端点：/user
- 方法： POST
- 描述： 根据提供的 JSON 负载创建用户。
- 示例请求：curl -X POST -H "Content-Type: application/json" -d '{"username": "Bard", "age": 20}' http://localhost:80/user
- 预期输出：{"username": "Bard", "age": 20}
制品下载地址
- GitHub Release: https://github.com/scaffolding-design/python/releases/tag/main
- 容器镜像仓库 : artifact.onwalk.net/base/scaffolding-design/python:<git_commit_id>
