24、融合Rust与Python Flask应用：从部署到数据库交互

融合Rust与Python Flask应用：从部署到数据库交互

1. 私有GitHub仓库部署Flask应用

在部署Flask应用时，我们需要运行脚本来构建应用。但直接构建可能会失败，因为Dockerfile仍尝试从GitHub拉取目录。为解决此问题，我们需重新配置Dockerfile中的Rust Fib包安装。

1.1 重新配置Dockerfile

在 src/Dockerfile 文件中，移除 RUN pip install -r git_repos.txt 行，以停止从GitHub仓库拉取。然后使用以下代码安装本地目录并移除：

RUN pip install ./flitton-fib-rs
RUN rm -rf ./flitton-fib-rs

接着，运行以下命令构建Flask镜像：

sh build_image.sh

若要从不同Git分支安装包，可在 src/build_image.sh 文件中添加以下代码：

git clone –branch $1 
  https://github.com/maxwellflitton/flitton-fib-rs.git
cd flitton-fib-rs
cd ..
rm -rf ./flitton-fib-rs/.git

1.2 减少构建步骤（可选）

我们可以进一步减少构建步骤，通过为一系列Linux发行版和Python版本构建轮子（wheels），避免每次安装Rust和编译。具体步骤可参考Rust设置工具文档。完成后，将3.6版本的轮子复制到Flask的 src 目录，并在Dockerfile构建时将其复制到镜像中，然后直接使用 pip install 指向该轮子文件。

2. 融合Rust与数据访问

在Web应用中，数据库访问是重要环节。我们可以使用Rust的 diesel crate直接与数据库交互，减少对Python的依赖，提高代码速度并减少代码量。具体步骤如下：
1. 设置数据库克隆包
2. 设置 diesel 环境
3. 自动生成并配置数据库模型和模式
4. 在Rust中定义数据库连接
5. 创建一个获取所有斐波那契记录并返回的Rust函数

2.1 设置数据库克隆包

数据库包的布局如下：

├── Cargo.toml
├── diesel.toml
├── rust_db_cloning
│   └── __init__.py
├── setup.py
├── src
│   ├── database.rs
│   ├── lib.rs
│   ├── models.rs
│   └── schema.rs
├── .env

各文件用途如下：
| 文件 | 用途 |
| ---- | ---- |
| database.rs | 包含返回数据库连接的函数 |
| models.rs | 包含定义数据库模型、字段和表行行为的结构体 |
| schema.rs | 包含数据库表的模式 |
| .env | 包含命令行界面（CLI）交互的数据库URL |
| Diesel.toml | 包含 diesel CLI的配置 |

setup.py 文件示例如下：

#!/usr/bin/env python
from setuptools import dist
dist.Distribution().fetch_build_eggs(['setuptools_rust'])
from setuptools import setup
from setuptools_rust import Binding, RustExtension
setup(
    name="rust-database-cloning",
    version="0.1",
    rust_extensions=[RustExtension(
        ".rust_db_cloning.rust_db_cloning",
        path="Cargo.toml", binding=Binding.PyO3)],
    packages=["rust_db_cloning"],
    zip_safe=False,
)

rust_db_cloning/__init__.py 文件内容如下：

from .rust_db_cloning import *

Cargo.toml 文件内容如下：

[package]
name = "rust_db_cloning"
version = "0.1.0"
authors = ["maxwellflitton"]
edition = "2018"
[dependencies]
diesel = { version = "1.4.4", features = ["postgres"] }
dotenv = "0.15.0"
[lib]
name = "rust_db_cloning"
crate-type = ["cdylib"]
[dependencies.pyo3]
version = "0.13.2"
features = ["extension-module"]

2.2 设置 diesel 环境

将开发数据库的URL硬编码到 .env 文件中：

DATABASE_URL=postgresql://user:password@localhost:5432/fib

在 diesel.toml 文件中定义模式输出位置：

[print_schema]
file = "src/schema.rs"

安装并运行 diesel CLI，若遇到编译错误，可切换到Rust nightly：

rustup toolchain install nightly
rustup default nightly

安装 diesel CLI：

cargo install diesel_cli --no-default-features --features postgres

2.3 自动生成并配置数据库模型和模式

在另一个终端中运行开发的 docker-compose 环境，然后使用以下命令打印模式：

diesel print-schema > src/schema.rs

src/schema.rs 文件内容如下：

table! {
    alembic_version (version_num) {
        version_num -> Varchar,
    }
}
table! {
    fib_entries (id) {
        id -> Int4,
        input_number -> Nullable<Int4>,
        calculated_number -> Nullable<Int4>,
    }
}
allow_tables_to_appear_in_same_query!(
    alembic_version,
    fib_entries,
);

使用以下命令定义模型：

diesel_ext > src/models.rs

初始的 src/models.rs 文件内容如下：

#![allow(unused)]
#![allow(clippy::all)]
#[derive(Queryable, Debug, Identifiable)]
#[primary_key(version_num)]
pub struct AlembicVersion {
    pub version_num: String,
}
#[derive(Queryable, Debug)]
pub struct FibEntry {
    pub id: i32,
    pub input_number: Option<i32>,
    pub calculated_number: Option<i32>,
}

对 src/models.rs 文件进行修改后内容如下：

use crate::schema::fib_entries;
use crate::schema::alembic_version;
#[derive(Queryable, Debug, Identifiable)]
#[primary_key(version_num)]
#[table_name="alembic_version"]
pub struct AlembicVersion {
    pub version_num: String,
}
#[derive(Queryable, Debug, Identifiable)]
#[table_name="fib_entries"]
pub struct FibEntry {
    pub id: i32,
    pub input_number: Option<i32>,
    pub calculated_number: Option<i32>,
}

2.4 定义数据库连接

在 src/database.rs 文件中定义数据库连接函数：

use diesel::prelude::*;
use diesel::pg::PgConnection;
pub fn establish_connection(url: String) -> PgConnection {
    PgConnection::establish(&url)
      .expect(&format!("Error connecting to {}", url))
}

2.5 创建获取斐波那契记录的函数

在 src/lib.rs 文件中创建函数：

#[macro_use] extern crate diesel;
extern crate dotenv;
use diesel::prelude::*;
use pyo3::prelude::*;
use pyo3::wrap_pyfunction;
use pyo3::types::PyDict;
mod database;
mod schema;
mod models;
use database::establish_connection;
use models::FibEntry;
use schema::fib_entries;

#[pyfunction]
fn get_fib_entries(url: String, py: Python) -> Vec<&PyDict> 
{
   let connection = establish_connection(url);  
   let fibs = fib_entries::table
       .order(fib_entries::columns::input_number.asc())
       .load::<FibEntry>(&connection)
       .unwrap();

   let mut buffer = Vec::new();
   for i in fibs {
       let placeholder = PyDict::new(py);
       placeholder.set_item("input number", 
         i.input_number.unwrap());
       placeholder.set_item("fib number", 
          i.calculated_number.unwrap());
       buffer.push(placeholder);
   }
}

#[pymodule]
fn rust_db_cloning(py: Python, m: &PyModule) 
    -> PyResult<()> {
    m.add_wrapped(wrap_pyfunction!(get_fib_enteries));
    Ok(())
}

2.6 测试Rust包

在Flask应用的虚拟环境中安装Rust包，若遇到编译问题，可切换到Rust nightly。在 src/app.py 文件中导入函数并定义视图：

from rust_db_cloning import get_fib_entries

@app.route("/get")
def get():
    return str(get_fib_entries(dal.url))

2.7 部署Rust nightly

在 src/build_image.sh 文件中添加克隆数据库仓库的代码：

git clone https://github.com/maxwellflitton/flitton-fib-rs.git
git clone https://github.com/maxwellflitton/rust-db-cloning.git
rm -rf ./flitton-fib-rs/.git
rm -rf ./rust-db-cloning/.git
docker build . --no-cache -t flask-fib
rm -rf ./flitton-fib-rs
rm -rf ./rust-db-cloning

在Dockerfile中，安装普通Rust包后，安装并切换到Rust nightly，然后安装数据库包：

RUN pip install ./flitton-fib-rs
RUN rm -rf ./flitton-fib-rs
RUN rustup toolchain install nightly
RUN rustup default nightly
RUN pip install ./rust-db-cloning
RUN rm -rf ./rust-db-cloning

通过以上步骤，我们实现了将Rust与Python Flask应用融合，从私有GitHub仓库部署到与数据库交互的完整流程。这种融合不仅提高了应用的性能，还减少了代码量，为开发高效的Web应用提供了新的思路。

graph LR
    A[私有GitHub仓库部署Flask应用] --> B[重新配置Dockerfile]
    A --> C[减少构建步骤（可选）]
    D[融合Rust与数据访问] --> E[设置数据库克隆包]
    D --> F[设置diesel环境]
    D --> G[自动生成并配置数据库模型和模式]
    D --> H[在Rust中定义数据库连接]
    D --> I[创建获取斐波那契记录的函数]
    I --> J[测试Rust包]
    J --> K[部署Rust nightly]

3. 总结与注意事项

3.1 整体流程回顾

我们完成了将Rust与Python Flask应用融合的过程，主要步骤如下：
1. 私有GitHub仓库部署Flask应用 ：重新配置Dockerfile以解决从GitHub拉取目录的问题，还可选择减少构建步骤。
2. 融合Rust与数据访问 ：
- 设置数据库克隆包，明确各文件用途。
- 设置 diesel 环境，处理编译错误。
- 自动生成并配置数据库模型和模式。
- 在Rust中定义数据库连接。
- 创建获取斐波那契记录的函数。
- 测试Rust包。
- 部署Rust nightly。

3.2 注意事项

• 编译问题 ：在安装 diesel CLI或 pip install Rust包时，可能会遇到编译错误。此时可考虑切换到Rust nightly，但要注意其稳定性不如稳定版。
• 数据库URL安全 ：开发环境的数据库URL可硬编码在 .env 文件中，因为它仅用于生成模式和模型，不会用于生产环境。但在生产环境中，要确保数据库URL的安全。
• 代码结构 ：对于复杂的Rust包，建议构建模块并导入到 src/lib.rs 文件中，以提高代码的可维护性。

3.3 性能提升

通过使用Rust与数据库直接交互，减少了对Python的依赖，提高了代码的执行速度。同时，在构建镜像时安装Rust包，避免了每次使用镜像时的编译过程，进一步提升了性能。

4. 常见问题解答

问题	解答
为什么要重新配置Dockerfile？	直接构建可能失败，因为Dockerfile尝试从GitHub拉取目录，重新配置可解决此问题。
如何处理 diesel 安装时的编译错误？	可切换到Rust nightly，使用 rustup toolchain install nightly 安装， rustup default nightly 切换。
数据库克隆包的各文件有什么作用？	见前文表格，如 database.rs 包含返回数据库连接的函数， models.rs 包含数据库模型结构体等。
为什么要在Rust中直接与数据库交互？	可减少对Python的依赖，提高代码速度，减少代码量。

5. 未来展望

随着技术的不断发展，Rust与Python的融合可能会有更多的应用场景。例如，在高并发的Web应用中，Rust的高性能可以更好地处理大量请求；在数据处理和机器学习领域，Rust可以优化计算性能。我们可以进一步探索如何将Rust的优势与Python的灵活性相结合，开发出更高效、更强大的应用程序。

graph LR
    A[整体流程回顾] --> B[注意事项]
    A --> C[性能提升]
    B --> D[常见问题解答]
    D --> E[未来展望]

通过本文的介绍，你已经了解了将Rust与Python Flask应用融合的详细步骤和方法。希望这些内容能帮助你在实际开发中更好地应用Rust和Python，提高应用的性能和开发效率。在实践过程中，不断探索和尝试，相信你会发现更多的可能性。