의 두 번째 부분. 이번에는 동료( , )와 나( )가 Python 기술과 Flask 프레임워크로 웹 앱을 구축하고 도커화했습니다. 여기에서 방법을 설명합니다.

도커 아키텍처

먼저 세 개의 컨테이너로 도커 애플리케이션을 빌드해야 합니다.

ElasticSearch 이미지

키바나 이미지

웹 앱 이미지

ElasticSearch 및 Kibana의 경우 7.8.0 버전을 사용하여 DockerHub에서 사전 빌드된 이미지를 사용합니다. 웹 애플리케이션은 redis-alpine 이미지를 사용합니다.

Note: The reason why using alpine, is because this alternative is smaller and more resource efficient than traditional GNU/Linux distributions (such as Ubuntu)

필수 파일 및 구성

GitLab에서 필요한 자료를 얻을 수 있습니다. 아래 이미지는 저장소를 복제하여 얻을 수 있는 다양한 파일을 보여줍니다.

Docker-compose.yml 구조

docker-compose.yml 파일은 이전 섹션에서 설명한 구조를 보여줍니다.

version: '3'
services:
  web:
    build: .
  ports:
    - 5000:5000
  networks:
    - elastic
redis:
   image: "redis:alpine"
es01:
   image: docker.elastic.co/elasticsearch/elasticsearch:7.8.0
   container_name: es01
   environment:
      - node.name=es01
      - cluster.name=es-docker-cluster
      - discovery.type=single-node
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms1024m -Xmx1024m"
  ulimits:
    memlock:
        soft: -1
        hard: -1
    volumes:
      - data01:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - elastic
  kib01:
    image: docker.elastic.co/kibana/kibana:7.8.0
    container_name: kib01
    ports:
      - 5601:5601
    environment:
      ELASTICSEARCH_URL: http://es01:9200
      ELASTICSEARCH_HOSTS: http://es01:9200
    networks:
      - elastic
volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local
networks:
  elastic:
    driver: bridge

docker-compose.yml에 명시된 주요 태그를 살펴보자.

포트: 도커가 실행되는 호스트 시스템 포트로 도커 포트를 구성합니다. 이 경우 5000, 5601 및 9200입니다.

이미지: 필수 서비스를 위해 다운로드되는 도커 이미지

네트워크: 세 가지 서비스를 연결하기 위해 '탄력적'이라고 이름이 지정되었습니다

.

환경: RAM 메모리 매개변수와 같이 서비스 간 작동에 필수적인 환경 변수를 구성합니다. Kibana 서비스 내에서 Elasticsearch 서비스와 연결하기 위해서는 변수 ELASTICSEARCH_URL 및 ELASTICSEARCH_HOSTS 를 정의해야 합니다.

Dockerfile 구성

Dockerfile에는 Elasticsearch 클러스터에서 데이터를 추출 및 저장하고 동시에 이전 시각화를 위해 Kibana에서 가져오는impact_dashboard.ndjson Python 스크립트와 연결하도록 웹 애플리케이션을 구성하는 데 필요한 단계가 있습니다.

알파인 배포에서 실행되어 앱을 실행하는 데 필요한 폴더를 복사합니다. 또한 requirements.txt 덕분에 Python 스크립트에 필요한 모든 종속성을 추가할 수 있습니다.

FROM python:3.7-alpine
WORKDIR /code
ENV FLASK_APP jitsi-data.py
ENV FLASK_RUN_HOST 0.0.0.0
RUN apk add --no-cache git
RUN apk add --no-cache tk-dev
RUN apk add --no-cache gcc musl-dev linux-headers
COPY requirements.txt requirements.txt
COPY mapping.json mapping.json
COPY templates templates
COPY impact_dashboard.ndjson impact_dashboard.ndjson
RUN pip install -r requirements.txt
EXPOSE 5000
COPY . .
CMD ["flask", "run"]

컨테이너를 시작하는 방법

애플리케이션을 시작하려면(docker 및 docker-compose가 이전에 설치됨) 터미널을 열고 다음 명령을 실행합니다.

$ docker-compose up

이렇게 하면 dockerfile에 명시된 다양한 명령이 시작되고 필요한 도커 이미지가 다운로드됩니다. 완료되면 Elasticsearch(localhost:9200) 및 Kibana(localhost:5601)가 성공적으로 실행되고 있는지 확인할 수 있습니다.

이제 포트5000를 사용하여 Python Flask 애플리케이션 웹 앱이 있는 곳으로 이동할 시간입니다.


start button를 클릭하면 Jitsi git 데이터에서 데이터 추출이 초기화되고(자세한 내용은 jitsi-data.py 확인) 해당 데이터가 ElasticSearch에 저장됩니다. 마지막으로 Kibana로 가져오기impact_dashboard.ndjson를 수행하여 대화식으로 데이터를 사용할 수 있습니다.

프로세스가 완료되면 브라우저에 다음 메시지가 표시됩니다.



물론 Elasticsearch 색인과 Kibana 대시보드가 ​​인스턴스에 성공적으로 추가되었는지 확인할 수 있습니다.





기본적으로 시간 필터는 마지막 15분으로 설정됩니다. 시간 선택기를 사용하여 시간 필터를 변경하거나 페이지 상단의 히스토그램에서 특정 시간 간격 또는 시간 범위를 선택할 수 있습니다.



et voilà 이제 팬데믹이 Jitsi 소프트웨어 개발 활동에 어떤 영향을 미칠 수 있는지 분석하기 위해 멋진 대시보드가 ​​실행되고 있습니다.

보너스 포인트: Docker 허브에 Docker 이미지 업로드

Docker Hub 계정이 있으면 dockerfile가 있는 이미지를 빌드할 수 있습니다. 다음을 입력하십시오.

$ docker build -t dockerhubID/DockerHubreponame:imagetag .

그런 다음 Docker Hub 리포지토리에 이미지를 업로드합니다(Docker Hub UI를 사용하여 리포지토리를 생성할 수 있음).

$ sudo docker push dockerhubID/DockerHubreponame:imagetag

이미지가 Docker Hub에 업로드되면 모든 사용자가 다음 docker-compose.yml로 앱을 사용하고 실행할 수 있습니다.

version: '3'
services:
  web:
    image: daviddp92/jitsi-data-extraction:1.0.0
    ports:
      - 5000:5000
    networks:
      - elastic
  es01:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.8.0
    container_name: es01
    environment:
      - node.name=es01
      - cluster.name=es-docker-cluster
      - discovery.type=single-node
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms1024m -Xmx1024m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - data01:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - elastic
  kib01:
    image: docker.elastic.co/kibana/kibana:7.8.0
    container_name: kib01
    ports:
      - 5601:5601
    environment:
      ELASTICSEARCH_URL: http://es01:9200
      ELASTICSEARCH_HOSTS: http://es01:9200
    networks:
      - elastic
volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local
networks:
  elastic:
    driver: bridge

마무리 생각

docker-compose를 사용하여 Python 기술과 Flask 프레임워크로 웹 앱을 dockerize하는 방법을 배웠습니다. 또한 Docker Hub 이미지를 사용하여 애플리케이션을 사용하고 실행하는 방법도 살펴보았습니다.

이 프로젝트에 대해 어떻게 생각하세요? 무엇을 개선해야 합니까? 피드백 환영합니다 :)