云上持续交付实践系列3 --- Python 篇

阿里云持续交付平台CRP（Continuous Release Platform）作为一款开发人员手里的居家旅行，杀人越货的利器，必然有其广泛的应用场景。本文将会演示如何在如何使用阿里云持续交付平台部署一个Python应用。Python作为一种脚本语言，经常与多种语言一起配合完成某些复杂的功能，与此同时，其强大的第三方库又进一步拓展了Python的应用领域。

应用概述

本文涉及两个项目，分别为基于Python的在线爬虫以及基于node.js的web服务器。这也是笔者日常生活中经常使用的脚本，现在拿出来与大家分享。其中Python爬虫的功能为投资分析，该爬虫可以根据基金用户买入赎回的操作记录，结合在线抓取的基金价格走势，确定下一步投资的方向；而node.js服务器为之前分析的结果提供展示的平台。这两个项目均已在阿里云Code平台开源，在线爬虫 ，web服务器 。由于本项目是由两个独立的部分组成，前端展示系统与后端数据分析系统分属于两个不同的代码库，因此，配置本项目需要使用两条工作流，其中一条工作流用于配置Python部分，另一条工作流用于配置node部分。

使用CRP进行配置的流程

首先，需要在CRP中创建新项目，点击创建新项目的按钮，输入新项目的名称，即可完成CRP新项目的创建。项目创建完成后如图所示：

Python部分配置流程

配置CRP的工作流的第一步为创建工作流，在本文中，笔者采用的默认模板工作流。在工作流中，设置第一个节点的名称为Python代码检出。在CRP中，我们只需要在新建节点中配置代码更新的任务，即可完成代码更新的配置。该节点的配置如图所示：

完成了Python代码检出，需要进行依赖文件的安装并且执行测试。在这一步中，笔者将第二个节点的名称设置为Python测试，因为在CRP中，编译、测试可以在一个任务中同时完成。具体做法如下：在第二个节点中新建一个“编译/测试”任务，根据项目的开发语言选择编译环境，再填写具体的依赖安装脚本以及测试执行指令，同时打开产出物上传的开关，将刚才运行的结果同时打包。该在线爬虫是使用Python3.5开发的，同时依赖了爬虫框架Scrapy，使用的是pip install安装依赖。因此该节点的配置如图所示：紧接着，需要将Python爬虫部署至服务器上，具体的做法是，从Python测试节点拉出一个新的节点，并且添加任务为“部署”，然后输入部署目标主机的IP地址、部署路径、部署脚本以及进行机器授权。这里需要特别注意的是机器授权的流程，由于CRP是通过ssh的方式对目标主机进行操作，因此需要在目标主机上添加authorized_keys的条目。具体的部署脚本如下：

cd /root/FundManagertar -xf package.tgz

笔者采用的是阿里云ECS主机，以该主机为例，Python部署节点的配置如图所示：

至此，本项目的Python部分的部署完毕，在线爬虫系统的数据部分已经成功部署至服务器，后续的工作是部署一个web展示模块，方便使用浏览器查看数据分析的结果。

Node.js部分配置流程

页面展示模块采用的是Node.js的express作为http服务器，配置的第一步也同样为拉出一个节点，命名为Node代码检出，并且配置完node.js项目的git地址。该节点的配置如图所示：

完成Node代码检出后，需要进行依赖文件的安装并且执行测试。在这一步中，笔者拉出一个新节点的名称设置为Node安装依赖，并且新建一个“编译/测试”任务，根据项目的开发语言选择编译环境，再填写具体的依赖安装脚本指令，同时打开产出物上传的开关，将环境依赖同时打包。该服务器是使用Node0.12开发的，同时依赖了express，使用的是npm install安装依赖。因此该节点的配置如图所示：最后一个步骤为将node.js项目部署至服务器上，由于之前已经配置过部署任务，因此本次部署任务不需要重新添加公钥，只需要配置IP地址，部署路径以及部署脚本即可。具体的部署脚本如下：

cd /root/FundManager  && tar -xf package.tgzkill -9 `ps -ef | grep node | grep -v grep | awk '{print $2}'`nohup node app.js &

该节点的配置如图所示：

至此，Node工作流部署完毕，完整的工作流如图所示。

测试发布效果

分别触发刚才配置的两条工作流，等待其执行完毕。在执行完毕后，在浏览器中访问项目的URL可以看到返回页面，证明CRP的发布成功。只需要一次配置，以后均可以在提交代码后直接运行该工作流进行部署，真正实现，一键测试，一键发布。Stop coding, start amazing!