gunicorn部署Flask服务
缪坚诚
作为一个Python选手，工作中需要的一些服务接口一般会用Flask来开发。
Flask非常容易上手，它自带的app.run(host="0.0.0.0", port=7001)用来调试非常方便，但是用于生产环境无论是处理高并发还是鲁棒性都有所欠缺，一般会配合WGSI容器来进行[生产环境的部署][1]。
小磊哥推荐了参考文章[1]中的部署方式，希望将已有的服务放到gunicorn或者Tornado中部署，并用supervisor来管理所有进程（有几个不同的服务）。
经过调研和尝试
gunicorn可以结合gevent来进行部署，因此在高并发场景下也可适用，于是决定采用gunicorn进行部署。
gunicorn和supervisor会有一定的冲突，即使gunicorn中没有设置为后台启动，supervisor也只会管理gunicorn的master进程；
supervisor的重启服务对于无响应的Flask进程来说并不生效，不能很好地解决我的服务由于某些原因无法正常响应但又找不到方法解决的问题，因此暂时决定不用supervisor。
环境安装
首先pip安装gunicorn。
pip install gunicorn --user
Tips. pip --user用法
由于是部署在公司云主机上，通常不会给root权限。之前都是提工单给SA sudo装的，后来发现更安全也更方便的方法是pip install xxx --user，美中不足是安装完以后需要手动添加PATH
export PATH=/home/username/.local/bin:$PATH
方便起见可以加到~/.bash_profile中
gunicorn 命令启动
简单地，gunicorn可以通过gunicorn -w 4 -b 127.0.0.1:4000 run:app启动一个Flask应用。其中,
-w 4是指预定义的工作进程数为4，
-b 127.0.0.1:4000指绑定地址和端口
run是flask的启动python文件，app则是flask应用程序实例
其中run.py中文件的可能形式是：
# run.py
from flask import Flask
app = Flask(__name__)
通过gunicorn -h可以看到gunicorn有非常多的配置项，因此通常会写成一个config.py文件来进行配置。看了一下文档似乎没有给出正确的config.py中配置项的命名，并且有些博客博主给出的配置项命名是错误的，导致配置没有生效，踩了不少的坑（我找不到那篇坑坑的文章了）。这篇博客[2]给出了一些比较常用且正确的配置。
我所用项目的配置项如下：
# config.py
import os
import gevent.monkey
gevent.monkey.patch_all()
import multiprocessing
# debug = True
loglevel = 'debug'
bind = "0.0.0.0:7001"
pidfile = "log/gunicorn.pid"
accesslog = "log/access.log"
errorlog = "log/debug.log"
daemon = True
# 启动的进程数
workers = multiprocessing.cpu_count()
worker_class = 'gevent'
x_forwarded_for_header = 'X-FORWARDED-FOR'
1. debug = True
生产环境不需要这个配置项，但调试的时候还是挺好用的。而且，开启debug项后，在启动gunicorn的时候可以看到所有可配置项的配置，如下所示。
之前在被上一篇博主欺骗的时候，仔细看了调试信息，发现accesslog和errorlog都没有被配置，所以导致启动以后看不到任何日志。
config.py中只需要配置需要修改的项的，大部分采用默认配置即可。默认配置的具体配置内容可以通过gunicorn -h来查询。
*配置文件和调试信息来自两个不同进程，因此信息可能有细微差异
# Debug Info
[2018-01-18 17:38:47 +0000] [16015] [DEBUG] Current configuration:
proxy_protocol: False
worker_connections: 1000
statsd_host: None
max_requests_jitter: 0
post_fork: <function post_fork at 0x21037d0>
errorlog: -
enable_stdio_inheritance: False
worker_class: gunicorn.workers.ggevent.GeventWorker
ssl_version: 2
suppress_ragged_eofs: True
syslog: False
syslog_facility: user
when_ready: <function when_ready at 0x2103500>
pre_fork: <function pre_fork at 0x2103668>
cert_reqs: 0
preload_app: False
keepalive: 2
accesslog: log/debug.log
group: 1001
graceful_timeout: 30
do_handshake_on_connect: False
spew: False
workers: 2
proc_name: None
sendfile: None
pidfile: log/gunicorn.pid
umask: 0
on_reload: <function on_reload at 0x2103398>
pre_exec: <function pre_exec at 0x2103d70>
worker_tmp_dir: None
limit_request_fields: 100
pythonpath: None
on_exit: <function on_exit at 0x21065f0>
config: gunicorn_conf.py
logconfig: None
check_config: False
statsd_prefix:
secure_scheme_headers: {'X-FORWARDED-PROTOCOL': 'ssl', 'X-FORWARDED-PROTO': 'https', 'X-FORWARDED-SSL': 'on'}
reload_engine: auto
proxy_allow_ips: ['127.0.0.1']
pre_request: <function pre_request at 0x2103ed8>
post_request: <function post_request at 0x2106050>
forwarded_allow_ips: ['127.0.0.1']
worker_int: <function worker_int at 0x2103aa0>
raw_paste_global_conf: []
threads: 1
max_requests: 0
chdir: /home/hzyangxiao2014/POPORobot/QASP
daemon: False
user: 1028
limit_request_line: 4094
access_log_format: %(h)s %(l)s %(u)s %(t)s "%(r)s" %(s)s %(b)s "%(f)s" "%(a)s"
certfile: None
on_starting: <function on_starting at 0x2103230>
post_worker_init: <function post_worker_init at 0x2103938>
child_exit: <function child_exit at 0x21061b8>
worker_exit: <function worker_exit at 0x2106320>
paste: None
default_proc_name: run:app
syslog_addr: udp://localhost:514
syslog_prefix: None
ciphers: TLSv1
worker_abort: <function worker_abort at 0x2103c08>
loglevel: debug
bind: ['0.0.0.0:7001']
raw_env: []
initgroups: False
capture_output: False
reload: False
limit_request_field_size: 8190
nworkers_changed: <function nworkers_changed at 0x2106488>
timeout: 30
keyfile: None
ca_certs: None
tmp_upload_dir: None
backlog: 2048
logger_class: gunicorn.glogging.Logger
2. 日志
# config.py
accesslog = "log/access.log"
errorlog = "log/debug.log"
loglevel = "debug"
需要log目录存在。如果不存在，启动会报错
accesslog是访问日志，可以通过access_log_format设置访问日志格式。详细的方法可以见参考文章[2]
loglevel用于控制errorlog的信息级别，可以设置为debug、info、warning、error、critical。
3. workers
worker_class是指开启的每个工作进程的模式类型，默认为sync模式，也可使用gevent模式。
workers是工作进程数量，在上述config.py中，取的是CPU的数量。需要注意部署机器的性能，不能无限制多开。多篇文章中推荐了multiprocessing.cpu_count() * 2 + 1这个数量，考虑到我会在一个机器上部署两个服务，因此数量减半。
4. daemon
daemon = True意味着开启后台运行，默认为False
总结
gunicorn的环境配置和使用都比较简单，也解决了我总是用nohup python run.py >out.log 2>&1 &来启动Flask后台服务的问题。
在采用gunicorn部署之前，我也对后台服务的目录结构进行了调整。虽然只是便利工作的服务，也希望可以尽可能变的更加professional~
使用gunicorn部署flask项目
1、WSGI协议
Web框架致力于如何生成HTML代码，而Web服务器用于处理和响应HTTP请求。Web框架和Web服务器之间的通信，需要一套双方都遵守的接口协议。WSGI协议就是用来统一这两者的接口的。
2、WSGI容器
常用的WSGI容器有Gunicorn和uWSGI，但Gunicorn直接用命令启动，不需要编写配置文件，相对uWSGI要容易很多，所以这里我也选择用Gunicorn作为容器。
3、gunicorn介绍
gunicorn是一个python Wsgi http server，只支持在Unix系统上运行，来源于Ruby的unicorn项目。Gunicorn使用prefork master-worker模型（在gunicorn中，master被称为arbiter），能够与各种wsgi web框架协作。
4、gunicorn安装
gunicorn安装非常简单，使用命令pip install gunicorn即可。一般使用它，主要是为使用其异步的worker模型，还需要安装对应的异步模块。
$ pip install greenlet # 使用异步必须安装
$ pip install eventlet # 使用eventlet workers
$ pip install gevent # 使用gevent workers
5、gunicorn使用
这里使用gunicorn来部署一个flask项目举例，此处flask框架的使用不过多阐述，不是本文的重点。
如下例子，保存为app.py
from flask import Flask
app = Flask(__name__)
@app.route("/")
def hello():
return "Hello World!"
gunicorn通常使用的参数如下：
-c CONFIG, --config=CONFIG
# 设定配置文件。
-b BIND, --bind=BIND
# 设定服务需要绑定的端口。建议使用HOST:PORT。
-w WORKERS, --workers=WORKERS
# 设置工作进程数。建议服务器每一个核心可以设置2-4个。
-k MODULE
# 选定异步工作方式使用的模块。
在shell中输入你的启动配置，比如：
$ gunicorn -w 3 -b 127.0.0.1:8080 app:app
# 此处app:app中，第一个app为flask项目实例所在的包，第二个app为生成的flask项目实例
这样运行正常就可以启动服务器了。
6、绑定端口
linux通常会禁止绑定使用1024以下的端口，除非在root用户权限。很多人在使用gunicorn时试图将其绑定到80或者443端口，发现无效。如果想绑定到这些端口，常见的有如下的几种方法：
使用Nginx代理转发。
sudo启动gunicorn。
安装额外的程序。
7、结束gunicorn服务进程
使用ps -ef | grep gunicorn命令找出gunicorn所有进程。
[root@VM_0_12_centos ~]# ps -ef | grep gunicorn
root 16843 23035 0 Oct14 ? 00:00:02 /root/Envs/myflask/bin/python3.6 /root/Envs/myflask/bin/gunicorn -w 3 -b 172.17.0.12:80 app:app
root 22445 23035 0 Oct04 ? 00:00:15 /root/Envs/myflask/bin/python3.6 /root/Envs/myflask/bin/gunicorn -w 3 -b 172.17.0.12:80 app:app
root 22581 23035 0 Oct11 ? 00:00:05 /root/Envs/myflask/bin/python3.6 /root/Envs/myflask/bin/gunicorn -w 3 -b 172.17.0.12:80 app:app
root 23035 1 0 Sep27 ? 00:04:11 /root/Envs/myflask/bin/python3.6 /root/Envs/myflask/bin/gunicorn -w 3 -b 172.17.0.12:80 app:app
然后使用 kill -9 进程ID 命令来杀掉进程，注意，我们找到主进程杀掉即可，子进程会随之结束，在上例中，主进程号为23035.
[root@VM_0_12_centos ~]# kill -9 23035
[root@VM_0_12_centos ~]# ps -ef | grep gunicorn
杀掉进程后，稍等几秒，再使用ps -ef | grep gunicorn查看，发现gunicorn服务进程已全部杀掉。
flask属于轻量级python的web框架，其流行程度可以与django媲美。因为是轻量型，所以对于开发一些中小型项目就非常方便。不过flask自带的server速度较慢，测试环境还可以，真正实际使用起来还是很多问题。同时在部署时会移植到linux系统中，稳定性更好。
1.使用虚拟环境创建flask项目
在使用flask来开发项目时，为了保证项目移植的顺平性（如在windows中开发的项目移植到linux中），通常会采用env虚拟环境方式，将pip安装的一系列第三方库放在虚拟环境env目录下。移动整个项目工程也就会将虚拟环境迁移走。
（1）建立虚拟环境env，并激活使用
首先新建一个flask工程目录，并使用python -m venv env命令创建虚拟环境目录：
mkdir Flask_Proj
cd Flask_Proj
python -m venv env #创建虚拟环境目录env
上述命令执行完成后，就会在Flask_Proj目录下新建一个env目录，并有如下内容：
[hadoop@big01 env]$ ll
total 4
drwxrwxr-x. 2 hadoop hadoop 202 May 17 21:03 bin
drwxrwxr-x. 2 hadoop hadoop 6 May 17 20:53 include
drwxrwxr-x. 3 hadoop hadoop 23 May 17 20:53 lib
lrwxrwxrwx. 1 hadoop hadoop 3 May 17 20:53 lib64 -> lib
-rw-rw-r--. 1 hadoop hadoop 69 May 17 20:53 pyvenv.cfg
然后使用source命令激活bin目录下的activate，就可以激活虚拟环境使用了：
source env/bin/activate
反过来如果想退出虚拟环境，使用deactivate即可。
（2）有了这个env虚拟环境后，在当前工程目录下pip install flask，开启安装flask库。如果默认pypi官方链接速度较慢，可以使用：
pip install -i https://mirrors.aliyun.com/pypi/simple flask
到底是国内镜像，速度不是一般的快。
安装完成后，可以去看一下这个库不是放在python默认安装目录里，而是放在刚创建的虚拟环境目录env里的lib文件夹下，路径为：env/lib/python3.7/site-packages。
flask安装成功后，可以在工程目录下新建一个main.py文件，在其中输入如下内容：
#main.py
from flask import Flask
app = Flask(__name__)
@app.route('/')
def index():
return 'jianhua_helloworld2020'
if __name__ == '__main__':
app.run(port=2021,host='0.0.0.0') #host设置为0.0.0.0，可以允许外部远程访问
然后使用python直接运行这个文件，就可以开启一个测试的web服务：
[hadoop@big01 asmarket]$ python main.py
* Serving Flask app "main" (lazy loading)
* Environment: production
WARNING: This is a development server. Do not use it in a production deployment.
Use a production WSGI server instead.
* Debug mode: off
* Running on http://0.0.0.0:2021/ (Press CTRL+C to quit)
此时可以在外部浏览器上访问这个地址，端口号为2021：
2. gunicorn部署flask项目
上述在flask工程项目中创建env虚拟环境，是为了保证许多依赖的第三方库版本的一致。如上在启动了flask自带的server后，可以实现外部访问。但这种方式仅适用于测试，无法用于实际部署，因此一般推荐使用gunicorn来搭建flask服务器。
Gunicorn (独角兽)是一个高效的Python WSGI Server,通常用它来运行 wsgi application(由我们自己编写遵循WSGI application的编写规范) 或者 wsgi framework(如Django,Paster),地位相当于Java中的Tomcat。
（1）安装gunicorn
gunicorn是一个第三方库，可以直接使用pip来安装：
pip install -i https://mirrors.aliyun.com/pypi/simple gunicorn
（2）使用gunicorn命令
基本使用方式：
gunicorn --workers=3 main:app
--workers=3表示三个进程，main:app，其中main为之前flask工程中的main.py，意味这将main.py对象实例化为app。
允许上述命令后，就会出现如下提示：
(env) [hadoop@big01 asmarket]$ gunicorn --workers=4 te:app
[2020-05-17 22:21:04 +0800] [9123] [INFO] Starting gunicorn 20.0.4
[2020-05-17 22:21:04 +0800] [9123] [INFO] Listening at: http://127.0.0.1:8000 (9123)
[2020-05-17 22:21:04 +0800] [9123] [INFO] Using worker: sync
[2020-05-17 22:21:04 +0800] [9126] [INFO] Booting worker with pid: 9126
[2020-05-17 22:21:04 +0800] [9127] [INFO] Booting worker with pid: 9127
[2020-05-17 22:21:05 +0800] [9128] [INFO] Booting worker with pid: 9128
[2020-05-17 22:21:05 +0800] [9129] [INFO] Booting worker with pid: 9129
可以看到上述监听地址为：127.0.0.0，端口为8000。工作模式为sync，即同步工程模式。这两种参数都可以进行修改，其中监听地址和端口号可以在上述命令后添加 -b ip:port方式实现：
gunicorn --workers=3 main:app -b 0.0.0.0:2021
在shell命令窗口：
(env) [hadoop@big01 asmarket]$ gunicorn --workers=4 te:app -b 0.0.0.0:2021
[2020-05-17 22:26:29 +0800] [9162] [INFO] Starting gunicorn 20.0.4
[2020-05-17 22:26:29 +0800] [9162] [INFO] Listening at: http://0.0.0.0:2021 (9162)
[2020-05-17 22:26:29 +0800] [9162] [INFO] Using worker: sync
[2020-05-17 22:26:29 +0800] [9165] [INFO] Booting worker with pid: 9165
[2020-05-17 22:26:29 +0800] [9166] [INFO] Booting worker with pid: 9166
[2020-05-17 22:26:29 +0800] [9167] [INFO] Booting worker with pid: 9167
[2020-05-17 22:26:29 +0800] [9168] [INFO] Booting worker with pid: 9168
此时同样可以在外部浏览器中访问，获得的效果与直接使用flask来搭建server服务一致。
对于工作模式，默认是sync，即同步模式。这种模式就是说在调用的时候，必须等待调用返回结果后，决定后续的行为。而异步则是在调用这个job的时候，不用等待其执行结果，还可以执行其他job。
举个例子：
打电话问酒店晚上有没有房间，如果是同步通信机制，酒店前台会礼貌的说：“请您稍等，我查一下"，等她查到结果了就告诉你结果，这个过程中你的电话是一直通着的，在等她的结果，决定住她们家还是去别的酒店。如果是异步通信机制，酒店前台会礼貌的说：”我先查一下，一会给您回过去。“然后她把电话挂了。你马上就可以拿手机看看周边是否有便利的餐馆。等她查到了，她会主动给你打电话。而此时餐馆也查好了，可以开启美好的旅行了。
如果要更换为异步模式，可以使用gevent。此时还需要pip来安装gevent。
gunicorn --workers=3 main:app -b 0.0.0.0:2021 -k 'gevent'
（3）使用参数配置文件设定
使用上述脚本命令还是不方便的，gunicorn可以使用-c参数，就是使用配置文件。将一些参数设定放在该配置文件里:
import os
bind='0.0.0.0:5001' #绑定监听ip和端口号
workers=3 #同时执行的进程数，推荐为当前CPU个数*2+1
backlog=2048 #等待服务客户的数量，最大为2048，即最大挂起的连接数
worker_class="gevent" #sync, gevent,meinheld #工作模式选择，默认为sync，这里设定为gevent异步
max_requests=1000 #默认的最大客户端并发数量
daemon=True # 是否后台运行
reload=True # 当代码有修改时，自动重启workers。适用于开发环境。
pidfile='./gunicore.pid' #设置pid文件的文件名
loglevel='debug' # debug error warning error critical
accesslog='log/gunicorn.log' #设置访问日志
errorlog='log/gunicorn.err.log' #设置问题记录日志
将上述内容存放在config.py文件中，然后在命令行输入：
gunicorn -c config.py main:app
如下为本次实践时配置的config.py参数：
import os
from gevent import monkey
monkey.patch_all()
import multiprocessing
debug = False
bind = "0.0.0.0:5001"
pidfile = "gunicorn.pid"
accesslog="/home/hadoop/asmarket/logs/gunicorn.log"
workers = multiprocessing.cpu_count()*2 + 1
worker_class = "gevent"
daemon=True
然后开启运行，此时gunicorn设置为后台看守进程，先直接从外部浏览器访问，然后查看log文件，内容如下：
[hadoop@big01 logs]$ more gunicorn.log
192.168.58.1 - - [17/May/2020:23:30:44 +0800] "GET / HTTP/1.1" 200 23 "-" "Mozi
lla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/
68.0.3440.106 Safari/537.36"
192.168.58.1 - - [17/May/2020:23:30:46 +0800] "GET / HTTP/1.1" 200 23 "-" "Mozi
lla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/
68.0.3440.106 Safari/537.36"
192.168.58.1 - - [17/May/2020:23:30:47 +0800] "GET / HTTP/1.1" 200 23 "-" "Mozi
lla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/
68.0.3440.106 Safari/537.36"
至此基本的gunicorn+flask异步服务部署就实现了。
3. gunicorn+nginx配置
有了gunicorn和gevent后，gunicorn可以实现多进程http服务，不过其性能还是相对nginx这种专业的web服务要差一些，主要体现在对高并发的处理、安全问题、静态资源文件的处理等。因此一般情况会在gunicorn之上再配置一层nginx服务。其基本架构示意如下（图来源于百度）：
（1）docker部署nginx
由于nginx采用安装方式还相对比较麻烦，可以直接使用docker来部署。不过当然首先在root账户下安装docker服务：
#yum安装docker
yum install docker
#启动docker进程服务
systemctl start docker
systemctl enable docker
有了docker后，使用docker的search和pull服务就可以将nginx拉取到本机上：
[root@big01 ~]# docker pull nginx
Using default tag: latest
Trying to pull repository docker.io/library/nginx ...
latest: Pulling from docker.io/library/nginx
afb6ec6fdc1c: Pull complete
b90c53a0b692: Pull complete
11fa52a0fdc0: Pull complete
Digest: sha256:30dfa439718a17baafefadf16c5e7c9d0a1cde97b4fd84f63b69e13513be7097
Status: Downloaded newer image for docker.io/nginx:latest
然后使用docker 查看镜像：
[root@big01 ~]# docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
docker.io/nginx latest 9beeba249f3e 2 days ago 127 MB
docker.io/hello-world latest bf756fb1ae65 4 months ago 13.3 kB
接下来可以运行nginx容器：
[root@big01 ~]# docker run --name mynginx -p 8080:80 -d nginx
79b2f668784f866869f41ab08468784cf5f694fb451486250f37eaaa11808411
此时可以从外部浏览器访问获得默认的nginx响应页面：
下面对nginx访问页面做一个映射，因为如果要进入docker内部访问的话还是很不方便的，因此一般情况将docker镜像作为一个服务，而将实际的资源进行一个映射。在本地机器上放置资源，映射到容器内部，nginx访问内部文件路径时就映射到访问外部本地资源上了，这样便于资源分配以及web文件的管理。这里就是增加一个docker的-v参数，格式为本地资源:容器资源。
先进入docker内部，查看nginx的配置文件：
[root@big01 nginx]# docker exec -it 16528ae739c4 /bin/bash
root@16528ae739c4:/# cd /etc/nginx/conf.d/
root@16528ae739c4:/etc/nginx/conf.d# more default.conf
server {
listen 80;
server_name localhost;
#charset koi8-r;
#access_log /var/log/nginx/host.access.log main;
location / {
root /usr/share/nginx/html;
index index.html index.htm;
}
#error_page 404 /404.html;
# redirect server error pages to the static page /50x.html
#
error_page 500 502 503 504 /50x.html;
location = /50x.html {
root /usr/share/nginx/html;
默认访问的路径为/usr/share/nginx/html下的html文件，这个可以后续修改。我们可以先测试一下，将这个路径映射到本地机器上。这样需要重新run一个镜像：
[root@big01 nginx]# docker run --name mynginxt -v /usr/share/nginx/:/usr/share/nginx/html -p 8021:80 -d nginx
16528ae739c40d28a68be67b10aac42343b97b5fa468565127eaf051ea25886c
上述命令中：-v /usr/share/nginx/:/usr/share/nginx/html，就是将本地的/usr/share/nginx目录映射到容器内部的/usr/share/nginx/html目录中，如果我们在本地的nginx目录下新建一个index.html网页，那访问的时候就是访问这个新建的index.html网页。如下新建一个简单网页并保存为index.html。
<html>
<head>
<meta charset="utf-8">
</head>
<body>
<h1>我的第一个标题</h1>
<p>我的第一个段落。</p>
</body>
</html>
接下来就可以在外部浏览器访问，注意端口现在为8021。
（2）nginx+gunicorn部署
上述gunicorn部署时，ip为0.0.0.0，端口号为5001。在使用nginx代理这个服务时，修改nginx相应的配置文件即可。不过因为是docker部署，因此还需使用docker来操作。此时也可以将配置文件映射到外部宿主机上。
首先启动gunicorn+flask项目服务：
[hadoop@big01 asmarket]$ gunicorn -c config.py main:app
然后在/usr/share/nginx目录下新建一个nginx.conf文件，在其中输入如下内容：
server {
listen 80;
server_name asmarket.com; # 这是HOST机器的外部域名，用地址也行
location / {
proxy_pass http://0.0.0.0:5001; # 这里是指向 gunicorn host 的服务地址
proxy_set_header Host $host;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
}
}
将其映射到nginx容器里的default.conf配置文件：
[root@big01 nginx]# docker run --name mynginx -v /usr/share/nginx/nginx.conf:/etc/nginx/conf.d/default.conf -d nginx
39026ba7d80eac3d59d00ead25d7275e5f2b125dde3a9e3379dffb5c10ef9662
这样在启动nginx时直接使用的就是刚才新建立的nginx.conf配置文件。
此时nginx已经启动了:
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
39026ba7d80e nginx "nginx -g 'daemon ..." 7 minutes ago Up 7 minutes 80/tcp mynginx
然后就可以运行flask项目了。
如何验证确实是代理了gunicornweb服务，可以直接使用nginx原有的默认80端口访问，如果出现错误，说明nginx已经代理了web服务，否则就是没成功。
（3）supervisor进程守护
nginx一般不会莫名其妙被关闭，但gunicorn是一个进程，完成有有可能因为一些原因被关闭或者阻塞，为了保证gunicorn进程，需要使用看护进程插件。这里使用supervisor来解决这个问题。
supervisor专门用户linux端进程管理，首先使用pip安装一下这个插件：
[root@big01 ~]# pip install supervisor
安装成功后，可以创建一个配置文件：
# 设置默认配置
$ echo_supervisord_conf > /etc/supervisord.conf
$ vi /etc/supervisord.conf
这个配置文件放在/etc/目录下，名为supervisor.conf。接下来就可以修改其配置了：
[program:myapp]
command=/usr/local/bin/gunicorn -c config.py main:app
directory=/home/hadoop/asmarket
autostart=true ; start at supervisord start (default: true)
startsecs=1 ; # of secs prog must stay up to be running (def. 1)
startretries=3 ; max # of serial start failures when starting (default 3)
exitcodes=0 ; 'expected' exit codes used with autorestart (default 0)
stdout_logfile=/home/hadoop/asmarket/logs/main.logs
stdout_logfile_maxbytes=50MB ; max # logfile bytes b4 rotation (default 50MB)
user=root
修改完成后，直接使用supervisord来执行：
supervisord -c supervisor.conf
这样myapp的进程就启动了。可以使用supervisorctl status命令来查看当前进程状态：
supervisorctl status
类似资料：