Modèle de construction d'environnement de développement local Python [Flask / Django / Jupyter avec Docker + VS Code]

Aperçu

Construire un environnement local a un prix. Bien sûr, je comprends vraiment l'opinion que vous devriez avoir des problèmes ici. Cependant, je pense que c'est un gaspillage de perdre mes sentiments. Par conséquent, j'ai créé un modèle pour Flask / Django / Jupyter Notebook qui vous permet de terminer ** la construction de l'environnement de développement Python avec 3 commandes **. (Hors "cd")

Conditions préalables

• Être MacOS
• Les commandes git et make sont valides (devraient être valides par défaut)

• Si conda est installé, un battage avec pip peut se produire et il peut échouer au milieu.

Image de construction locale

Vous exécuterez l'application sur le conteneur Docker. Même si vous ne le connaissez pas, vous pouvez dire que vous développez avec un conteneur Docker **.

• Le répertoire est fourni du PC hôte au conteneur par le montage de liaison. Cela permet de lire le contenu du fichier édité côté PC hôte côté conteneur.
• Pour l'accès à partir du PC hôte, la redirection de port est adoptée. En fonction du projet, le port de connexion côté conteneur a changé, mais tous les ports côté hôte à transférer ont été unifiés à 8000.

Procédure de construction

1. Téléchargez le modèle

Décrit comment télécharger par git clone.

Terminal

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

2. Extrayez le modèle dans le répertoire de développement

Spécifiez le répertoire de destination de l'extraction et extrayez le projet. Utilisez la commande make correctement en fonction du projet créé.

Terminal

cd local-py-dev-template
#Lors de la création d'un projet Jupyter
make create_jupyter_pj
#Lors de la création d'un projet Flask
make create_flask_pj
#Lors de la création d'un projet django
make create_django_pj

• Arguments spécifiables

Exemple de commande avec arguments

Terminal

#Flacon de niveau supérieur_Extraire le projet flask dans le répertoire dir
make create_flask_pj TARGET_DIR=../flask_dir
# ~/Développez le projet django dans le répertoire de l'espace de travail et nommez le blog du projet django.
make create_django_pj TARGET_DIR=~/workspace DJANGO_PJ_NAME=blog

3. Démarrer le conteneur

Accédez au répertoire extrait à l'étape 2, créez une image et un conteneur Docker, puis démarrez-le.

Terminal

cd ${TARGET_DIR}
make run

4. Connexion

Les deux conteneurs acheminent le port sur le port 8000 du PC hôte, donc si vous pouvez accéder aux éléments suivants, vous pouvez vous connecter, et si le contenu décrit est affiché, le réglage est terminé.

Accès: http: // localhost: 8000 /

5. Arrêtez

Comme il s'exécute au premier plan, l'arrêt du processus sur le terminal arrêtera le conteneur.

Ctrl + C dans le terminal

Bonus. Configuration de Visual-Studio-Code

À ce stade, nous avons démarré et connecté, nous allons donc procéder au développement à partir de maintenant. Il existe également des éditeurs de développement tels que «Vim» et «pytorch», mais ici nous utilisons «Visual-Studio-Code» pour procéder au développement. L'installation est terminée avec une seule commande.

Terminal

make setup_vscode # local-py-dev-Exécuter dans le répertoire de modèles

Contour de réglage

Non seulement en installant Visual-Studio-Code, mais aussi en définissant l'analyse statique et pytest, et en introduisant les extensions nécessaires et utiles en même temps.

1. Installation de Visual-Studio-Code avec brew cask
2. Présentation du paquet (pip) --Analyse statique: flocon8

• alignement d'importation: isort --Formatter: autopep8
• vérification de type: mypy --Test: pytest

3. Installation de l'extension (code --install-extension) --Microsoft-Python: outil d'extension Python (obligatoire)

• Coloriseur de paire de supports: les supports de clé correspondants sont plus faciles à voir en couleur --Whitespace +: Visualisez les onglets et les blancs --Docker: Docker peut être géré avec vscode --vscode-icons: Rendre les icônes plus faciles à voir --autoDocString: aide à la création de DocString

Others Le côté local devrait également utiliser un environnement virtuel tel que «pipenv», mais comme beaucoup de seniors «pythoniques» que je connaissais utilisaient du Python pur, j'ai introduit un environnement virtuel à la suite de cela. N'est pas ...

Reference Dépôt Github