Konstruktionsvorlage für die lokale Python-Entwicklungsumgebung [Flask / Django / Jupyter mit Docker + VS-Code]

Überblick

Der Aufbau einer lokalen Umgebung hat ihren Preis. Natürlich verstehe ich die Meinung wirklich, dass Sie hier Probleme haben sollten. Ich halte es jedoch für eine Verschwendung, meine Gefühle zu verlieren. Aus diesem Grund habe ich eine Vorlage für Flask / Django / Jupyter Notebook erstellt, mit der Sie die Erstellung der Python-Entwicklungsumgebung mit 3 Befehlen ** abschließen können. (Ohne "CD")

Voraussetzungen

• MacOS werden
• Die Befehle git und make sind gültig (sollten standardmäßig gültig sein)

• Wenn "conda" installiert ist, kann es zu einer Wimper mit Pip kommen, die in der Mitte fehlschlagen kann.

Lokales Build-Image

Sie führen die App auf dem Docker-Container aus. Auch wenn Sie damit nicht vertraut sind, können Sie sagen, dass Sie mit einem Docker-Container ** entwickeln.

• Das Verzeichnis wird vom Host-PC per Bind Mount vom Container bereitgestellt. Dies ermöglicht es, den Inhalt der auf der Host-PC-Seite bearbeiteten Datei auf der Containerseite zu lesen.
• Für den Zugriff vom Host-PC wird die Portweiterleitung übernommen. Je nach Projekt hat sich der Verbindungsport auf der Containerseite geändert, aber alle weiterzuleitenden Ports auf der Hostseite wurden auf 8000 vereinheitlicht.

Bauverfahren

1. Laden Sie die Vorlage herunter

Beschreibt das Herunterladen per git clone.

Terminal

git clone [email protected]:mintak21/local-py-dev-template.git

2. Extrahieren Sie die Vorlage in das Entwicklungsverzeichnis

Geben Sie das Extraktionszielverzeichnis an und extrahieren Sie das Projekt. Verwenden Sie den Befehl make entsprechend dem erstellten Projekt.

Terminal

cd local-py-dev-template
#Beim Erstellen eines Jupyter-Projekts
make create_jupyter_pj
#Beim Erstellen eines Kolbenprojekts
make create_flask_pj
#Beim Erstellen eines Django-Projekts
make create_django_pj

• Spezifizierbare Argumente

Befehlsbeispiel mit Argumenten

Terminal

#Eine Ebene höher Kolben_Extrahieren Sie das Kolbenprojekt in das Verzeichnis dir
make create_flask_pj TARGET_DIR=../flask_dir
# ~/Erweitern Sie das Django-Projekt im Arbeitsbereichsverzeichnis und benennen Sie das Django-Projektblog.
make create_django_pj TARGET_DIR=~/workspace DJANGO_PJ_NAME=blog

3. Container starten

Wechseln Sie in das in Schritt 2 extrahierte Verzeichnis, erstellen Sie ein Docker-Image und einen Container und starten Sie es.

Terminal

cd ${TARGET_DIR}
make run

4. Verbindung

Beide Container sind Portweiterleitungen an Port 8000 des Host-PCs. Wenn Sie also auf Folgendes zugreifen können, können Sie eine Verbindung herstellen. Wenn der beschriebene Inhalt angezeigt wird, ist die Einstellung abgeschlossen.

Zugriff: http: // localhost: 8000 /

5. Herunterfahren

Da es im Vordergrund ausgeführt wird, wird der Container durch Stoppen des Prozesses auf dem Terminal gestoppt.

Strg + C im Terminal

Bonus. Einrichtung des Visual-Studio-Codes

An diesem Punkt haben wir begonnen und uns verbunden, sodass wir von nun an mit der Entwicklung fortfahren werden. Es gibt auch Entwicklungseditoren wie "Vim" und "Pytorch", aber hier verwenden wir "Visual-Studio-Code", um mit der Entwicklung fortzufahren. Die Installation wird mit einem Befehl abgeschlossen.

Terminal

make setup_vscode # local-py-dev-Im Vorlagenverzeichnis ausführen

Gliederung einstellen

Nicht nur "Visual-Studio-Code" installieren, sondern auch statische Analyse und "Pytest" einstellen und gleichzeitig notwendige und nützliche Erweiterungen einführen.

1. Installieren von Visual-Studio-Code mit Brühfass
2. Paketeinführung (pip)

• Statische Analyse: Flake8 --import Ausrichtung: isort --Formatter: autopep8 --Typprüfung: mypy
• Test: Pytest

3. Installation der Erweiterung (code --install-extension) --Microsoft-Python: Python-Erweiterungstool (erforderlich) --Bracket Pair Colorizer: Entsprechende Klammern sind in Farbe besser zu erkennen --Whitespace +: Visualisieren Sie Registerkarten und Leerzeichen --Docker: Docker kann mit vscode verarbeitet werden --vscode-icons: Erleichtert das Anzeigen von Symbolen --autoDocString: Unterstützung beim Erstellen von DocString

Others Die lokale Seite sollte auch eine virtuelle Umgebung wie "pipenv" verwenden, aber da viele der mir bekannten "pythonischen" Senioren reines Python verwendeten, führte ich danach eine virtuelle Umgebung ein. Ist nicht ...

Reference Github-Repository