{"componentChunkName":"component---src-templates-best-practice-detail-tsx","path":"/best-practice/2020-04-22-coding-learing","result":{"data":{"currentBlog":{"id":"6e8a71a3-426e-5101-94db-bd5b1ef4d1ec","frontmatter":{"thumbnail":"https://img.serverlesscloud.cn/2020512/1589274422875-code.jpg","authors":["Anycodes"],"categories":["best-practice"],"date":"2020-04-22T00:00:00.000Z","title":"基于 Serverless 架构的编程学习小工具","description":"这是一个基于 Serverless 架构的编程学习 App，它不仅仅可以让你学习编程，还能实现代码的编写与运行","authorslink":["https://zhuanlan.zhihu.com/ServerlessGo"],"translators":null,"translatorslink":null,"tags":["Serverless","程序员"],"keywords":"Serverless 多环境配置,Serverless 管理环境,Serverless配置方案","outdated":null},"wordCount":{"words":281,"sentences":50,"paragraphs":50},"fileAbsolutePath":"/opt/build/repo/content/best-practice/2020-04-22-coding-learing.md","fields":{"slug":"/best-practice/2020-04-22-coding-learing/","keywords":["go","python","serverless","函数计算","云函数","serverlesscloud","Serverless","req","函数","event"]},"html":"

之前我做过一个在线编程的软件，目前用户量大概有几十万，通过这个 App 不仅仅可以进行代码的编写、运行还可以进行编程的学习。自己一直对 Serverless 架构情有独钟，恰好赶到我的这个 App 学习板块被很多人吐槽难用，索性就对这个学习板块进行重构，并且打算在重构的时候，直接将这个学习板块搬上 Serverless 架构。

\n

基于 Serverless 架构重构是出于两个方面考虑 —— 一是 Serverless 架构能让个人开发者的运维工作变得简单，尤其是不用操心服务器，也不用关心流量洪峰（当然，对于我的个人项目而言，也没太多的洪峰），二是 Serverless 架构的按量付费，极大节约了成本。

\n

整体设计

\n

数据库设计

\n

这个部分在之前是若干个大模块，现在统一整理到一个模块中进行项目重构，所以这里继续复用之前的数据库：

\n

\n

在这个数据库中，四个模块分别是：新闻文章、开发文档、基础教程以及图书资源。其中开发文档包括大分类，子列表以及正文等内容，这里表关联并没有使用外键，而是直接用的 ID 进行表之间的关联。

\n

说实话，这个数据库设计的并不是很好，原因是因为初次构建这个数据部分，绝大部分数据都是在其他站点采集而来，当时由于模块快速上线，便直接按照原有格式存储，所以可以认为这个数据库中有很多表的字段其实是无效的，或者针对这个项目是未被使用的。

\n

后端设计

\n

后端将会整体部署到一个函数上，功能整体结构：

\n

\n

整体功能就是云函数 SCF 绑定 API 网关触发器，用户访问 API 网关指定的地址，触发云函数，然后函数在入口处进行功能拆分，请求不同的方法获得对应的数据。

\n

这里要额外说明一下，后端整体接口部署在一个函数的原因，是因为我这个模块的使用量并不是非常频繁，所以部署到一个函数上也不会出现超过最大实例的限制，如果超出限制是可以申请扩容的；

\n

其次，所有的接口都是对数据库增删改查，放入到一个函数中，在一定程度上可以保证容器的活性，降低部分冷启动带来的问题，同时容器的复用，也可以在一定程度上降低后台数据库链接池的压力；除此之外，所有的接口功能，都是只需要最少的内存（64M）即可完整运行，不会因为个别接口的预估内存较大，进而影响影响整体的成本。

\n

所以这里评估之后，是可以将多个接口，放入到一个函数中，对外提供对应的服务。

\n

前端设计

\n

前端设计，预计在学习资源部分需要有 8 个页面，主要就是科技类新闻、教程、文档、图书等相关功能，通过墨刀绘制的原型图如下：

\n

\n

前端项目开发将会采用 Vue.js，并且将其部署到对象存储中，通过腾讯云对象存储的静态网站功能对外提供服务。

\n

项目开发

\n

后端函数开发

\n

后端函数开发主要包括三部分

\n\n\n \n 复制代码\n \n \n
def getConnection(dbName):\n    conn = pymysql.connect(host=\"\",\n                           user=\"root\",\n                           password=\"\",\n                           port=3306,\n                           db=dbName,\n                           charset='utf8',\n                           cursorclass=pymysql.cursors.DictCursor,\n                           )\n    conn.autocommit(1)\n    return conn\n\n\nconnectionArticle = getConnection(\"anycodes_article\")
\n\n

这一部分主要就是针对不同接口查询数据库，例如获取文章分类：

\n\n \n 复制代码\n \n \n
def getArticleCategory():\n    connectionArticle.ping(reconnect=True)\n    cursor = connectionArticle.cursor()\n    search_stmt = ('SELECT * FROM `category` ORDER BY `sort`')\n    cursor.execute(search_stmt, ())\n    data = cursor.fetchall()\n    cursor.close()\n    result = {}\n    for eve_data in data:\n        if eve_data['pre_name'] not in result:\n            result[eve_data['pre_name']] = []\n        result[eve_data['pre_name']].append({\n            \"id\": eve_data[\"sort\"],\n            \"name\": eve_data[\"name\"]\n        })\n    return result
\n

例如获取文章列表：

\n\n \n 复制代码\n \n \n
def getArticleList(cid):\n    connectionArticle.ping(reconnect=True)\n    cursor = connectionArticle.cursor()\n    search_stmt = ('SELECT * FROM `article` WHERE `category` = %s ORDER BY `sort`')\n    cursor.execute(search_stmt, (cid,))\n    data = cursor.fetchall()\n    cursor.close()\n    result = [{\n                \"id\": eve_data[\"aid\"],\n                \"title\": eve_data[\"title\"]\n            } for eve_data in data]\n    return result
\n
    \n
  • 最后一部分就是函数的入口，函数入口部分就是做功能分发和接口识别：
    • \n
\n\n \n 复制代码\n \n \n
def main_handler(event, context):\n    try:\n        result_data = {\n            \"error\": False\n        }\n        req_type = event[\"pathParameters\"][\"type\"]\n        if req_type == \"get_book_list\":\n            result_data[\"data\"] = getBookList()\n        elif req_type == \"get_book_info\":\n            result_data[\"data\"] = getBookContent(event[\"queryString\"][\"id\"])\n        elif req_type == \"get_daily_content\":\n            result_data[\"data\"] = getDailyContent(event[\"queryString\"][\"id\"])\n        elif req_type == \"get_daily_list\":\n            result_data[\"data\"] = getDailyList(event[\"queryString\"][\"category\"])\n        elif req_type == \"get_dictionary_result\":\n            result_data[\"data\"] = getDictionaryResult(event[\"queryString\"][\"word\"])\n        elif req_type == \"get_dev_content\":\n            result_data[\"data\"] = getDevContent(event[\"queryString\"][\"id\"])\n        elif req_type == \"get_dev_section\":\n            result_data[\"data\"] = getDevSection(event[\"queryString\"][\"id\"])\n        elif req_type == \"get_dev_chapter\":\n            result_data[\"data\"] = getDevChapter(event[\"queryString\"][\"id\"])\n        elif req_type == \"get_dev_list\":\n            result_data[\"data\"] = getDevList()\n        elif req_type == \"get_article_content\":\n            result_data[\"data\"] = getArticle(event[\"queryString\"][\"id\"])\n        elif req_type == \"get_article_list\":\n            result_data[\"data\"] = getArticleList(event[\"queryString\"][\"id\"])\n        elif req_type == \"get_article_category\":\n            result_data[\"data\"] = getArticleCategory()\n        return result_data\n    except Exception as e:\n        print(e)\n        return {\"error\": True}
\n

函数部分完成之后，可以配置 API 网关部分：

\n

\n

在整个后端接口开发过程中，其实并没有遇到什么太大的问题，因为这个学习功能的模块基本上就是对数据库进行查询的操作，所以相对来说非常顺利。

\n

效果预览

\n

整体预览结果：一共包括十几个页面，这里取其中8个主要的页面进行效果展示：

\n

\n

整个页面基本上是还原了设计稿的样子，并且和原有项目进行了部分的整合，无论是列表页面还是图书页面等，数据加载速度表现良好。

\n

通过 PostMan 进行基本测试：

\n

\n

对接口进行 1000 次访问测试：

\n

\n

可以看到，接口表现良好，并未出现失败的情况，对该测试结果进行耗时的可视化：

\n

\n

其中最大的时间消耗是 219 毫秒，最小是 27 毫秒，平均值 35 毫秒，可以看到整体的效果还是非常不错。

\n

这样一个项目开发完成，上线之后，前端部分被放到对象存储 COS 中，后端业务被放到云函数 SCF 中，触发器使用的是 API 网关，在监控层面，函数计算有着比较不错的监控纬度：

\n

\n

同时函数并发，弹性伸缩等问题都由云厂商来解决，可以这样说，自从这个组件部署到了 Serverless 架构上，我所做的操作就是如果业务代码有问题，进行简单修复和简单维护。讲真，整个效果还是不错的。

\n

通过按量付费，可以看到我后端服务产生的费用：

\n

\n

由于云函数没办法看到单个资源的费用，所以整个函数我有几十个，一共花费的费用也远远比服务器的一个月便宜很多。

\n

当然虽然说在计算服务这里整体费用只有几元钱相对来说非常便宜，但是其还有 API 网关的费用和对象存储的费用，例如 API 网关费用：

\n

\n

同样，我这里的 API 网关也是有很多服务的，不仅仅是 Anycodes 这样一个服务产生的，但是整体加一起 2 月份只有 1 元钱，相对来说也是蛮低的。

\n

总结

\n

通过个人项目中的一个子模块重构过程，将该项目部署到 Serverless 架构上：

\n
    \n
  • 开发过程中非常方便，一方面自己不需要在服务器中安装各类软件，也不需要搭建 web 服务，不需要对 web 服务进行优化，做的只是读取数据库，按照一定的格式进行 return，至于 web 服务等相关模块交给 API 网关来实现，整个一个后端开发大概耗时大约是一个多小时；前端开发是比较耗时的，因为我个人不是专业做前端的，所以无论是布局还是逻辑开发，都是有点障碍的，但是也只用了 2 天时间；所以这个模块从开发到上线只用了 2 天时间；
    • \n
  • 项目在部署的时候非常流畅，基于 Serverless Framework 的开发者工具一键部署，后期更新维护，只需要重新部署即可，线上也是无缝切换，不会出现更新服务造成的服务中断，也不用为更新服务可能造成服务中断而做额外的操作，整体后期更新过程快速且简单易用；
    • \n
  • 资源消耗部分就是使用按量付费，通过一个月的观察，整个资源消耗是蛮低的，整体性能保证的同时，成本也逐渐的被压低，对于个人开发者来说，确实是一个福音。
    • \n
\n

通过这样一个简单上 Serverless 架构的过程，也让我对 Serverless 架构有了更深入的了解和认识，作为一种新技术或者说新的架构，Serverless 的成长还需要一段时间。但是我相信，他的成长，会很快速。

\n
\n
\n
\n
\n

传送门：

\n\n
\n

欢迎访问：Serverless 中文网，您可以在 最佳实践 里体验更多关于 Serverless 应用的开发！

","tableOfContents":""},"previousBlog":{"id":"a93bc1e0-585b-5ae5-be5c-4f850ce95080","frontmatter":{"thumbnail":"https://img.serverlesscloud.cn/2020512/1589276332053-Python-Programming-Course-The-Complete-Bootcamp.jpg","authors":["Anycodes"],"categories":["best-practice"],"date":"2020-04-23T00:00:00.000Z","title":"Serverless 实战：用 20 行 Python 代码轻松搞定图像分类和预测","description":"本文将尝试通过一个有趣的 Python 库，快速将图像分类的功能搭建在云函数上，并且和 API 网关结合，对外提供 API 功能，实现一个 Serverless 架构的「图像分类 API」","authorslink":["https://www.zhihu.com/people/liuyu-43-97"],"translators":null,"translatorslink":null,"tags":["Serverless","Python"],"keywords":"Serverless 全局变量组件,Serverless 单独部署组件,Serverless Component","outdated":true},"wordCount":{"words":298,"sentences":65,"paragraphs":65},"fileAbsolutePath":"/opt/build/repo/content/best-practice/2020-04-23-python-pics.md","fields":{"slug":"/best-practice/2020-04-23-python-pics/","keywords":["python","serverless","云函数","prediction","Serverless","图像","Python","serverlesscloud","分类"]}},"nextBlog":{"id":"ebea695d-436a-5cb9-955a-2be16fa5102f","frontmatter":{"thumbnail":"https://img.serverlesscloud.cn/2020511/1589207417716-ZalNtxgQAC_small.jpg","authors":["Anycodes"],"categories":["best-practice"],"date":"2020-04-20T00:00:00.000Z","title":"Serverless 架构下，3 分钟实现文本敏感词过滤","description":"随着各种社交平台等的日益火爆，敏感词过滤逐渐成了非常重要的也是值得重视的功能。那么在 Serverless 架构下，敏感词过滤又有那些新的实现呢？","authorslink":["https://zhuanlan.zhihu.com/ServerlessGo"],"translators":null,"translatorslink":null,"tags":["Python","文本处理"],"keywords":"Serverless 多环境配置,Serverless 管理环境,Serverless配置方案","outdated":true},"wordCount":{"words":167,"sentences":44,"paragraphs":44},"fileAbsolutePath":"/opt/build/repo/content/best-practice/2020-04-20-filter-sensitive-words.md","fields":{"slug":"/best-practice/2020-04-20-filter-sensitive-words/","keywords":["python","serverless","函数计算","self","root","关键词","敏感","time","level","word"]}}},"pageContext":{"isCreatedByStatefulCreatePages":false,"blogId":"6e8a71a3-426e-5101-94db-bd5b1ef4d1ec","previousBlogId":"a93bc1e0-585b-5ae5-be5c-4f850ce95080","nextBlogId":"ebea695d-436a-5cb9-955a-2be16fa5102f"}}}