Flask
Flask是什么?
Flask是一个使用 Python 编写的轻量级 Web 应用框架, 让我们可以使用Python语言快速搭建Web服务, Flask也被称为 "microframework" ,因为它使用简单的核心, 用 extension 增加其他功能
为什么选择Flask?
我们先来看看python现在比较流行的web框架
- Flask
- Django
- Tornado
- Sanic
Flask: 轻, 组件间松耦合, *、灵活,可扩展性强,第三方库的选择面广的同时也增加了组件间兼容问题
Django: Django相当于一个全家桶, 几乎包括了所有web开发用到的模块(session管理、CSRF防伪造请求、Form表单处理、ORM数据库对象化、模板语言), 但是相对应的会造成一个紧耦合的情况, 对第三方插件不太友好
Tornado: 底层通过eventloop来实现异步处理请求, 处理效率高, 学习难度大, 处理稍有不慎很容易阻塞主进程导致不能正常提供服务, 新版本也支持asyncio
Sanic: 一个类Flask框架, 但是底层使用uvloop进行异步处理, 可以使用同步的方式编写异步代码, 而且运行效率十分高效.
WSGI
先来看看*对WSGI的定义
Web服务器网关接口(Python Web Server Gateway Interface,缩写为WSGI)是为Python语言定义的Web服务器和Web应用程序或框架之间的一种简单而通用的接口.
何为网关, 即从客户端发出的每个请求(数据包)第一个到达的地方, 然后再根据路由进行转发处理. 而对于服务端发送过来的消息, 总是先通过网关层, 然后再转发至客户端
那么可想而知, WSGI其实是作为一个网关接口, 来接受Server传递过来的信息, 然后通过这个接口调用后台app里的view function进行响应.
先看一段有趣的对话:
Nginx:Hey, WSGI, 我刚收到了一个请求,我需要你作些准备, 然后由Flask来处理这个请求.
WSGI:OK, Nginx. 我会设置好环境变量, 然后将这个请求传递给Flask处理.
Flask:Thanks. WSGI给我一些时间,我将会把请求的响应返回给你.
WSGI:Alright, 那我等你.
Flask:Okay, 我完成了, 这里是请求的响应结果, 请求把结果传递给Nginx.
WSGI:Good job! Nginx, 这里是响应结果, 已经按照要求给你传递回来了.
Nginx:Cool, 我收到了, 我把响应结果返回给客户端.大家合作愉快~
对话里面可以清晰了解到WSGI、nginx、Flask三者的关系
下面来看看Flask中的wsgi接口(注意:每个进入Flask的请求都会调用Flask.__call__)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
|
# 摘自Flask源码 app.py
class Flask(_PackageBoundObject):
# 中间省略
def __call__( self , environ, start_response):
return self .wsgi_app(environ, start_response)
def wsgi_app( self , environ, start_response):
# environ: 一个包含全部HTTP请求信息的字典, 由WSGI Server解包HTTP请求生成
# start_response: WSGI Server提供的函数, 调用可以发送响应的状态码和HTTP报文头,
# 函数在返回前必须调用一次.
:param environ: A WSGI environment.
:param start_response: A callable accepting a status code,
a list of headers, and an optional exception context to
start the response.
# 创建上下文
ctx = self .request_context(environ)
error = None
try :
try :
# 把上下文压栈
ctx.push()
# 分发请求
response = self .full_dispatch_request()
except Exception as e:
error = e
response = self .handle_exception(e)
except :
error = sys.exc_info()[ 1 ]
raise
# 返回结果
return response(environ, start_response)
finally :
if self .should_ignore_error(error):
error = None
# 上下文出栈
ctx.auto_pop(error)
|
wsgi_app中定义的就是Flask处理一个请求的基本流程,
1.创建上下文
2.把上下文入栈
3.分发请求
4.上下文出栈
5.返回结果
其中response = self.full_dispatch_request()请求分发的过程我们需要关注一下
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
|
# 摘自Flask源码 app.py
class Flask(_PackageBoundObject):
# 中间省略
def full_dispatch_request( self ):
self .try_trigger_before_first_request_functions()
try :
request_started.send( self )
rv = self .preprocess_request()
if rv is None :
rv = self .dispatch_request()
except Exception as e:
rv = self .handle_user_exception(e)
return self .finalize_request(rv)
def dispatch_request( self ):
req = _request_ctx_stack.top.request
if req.routing_exception is not None :
self .raise_routing_exception(req)
rule = req.url_rule
if getattr (rule, 'provide_automatic_options' , False ) \
and req.method = = 'OPTIONS' :
return self .make_default_options_response()
return self .view_functions[rule.endpoint]( * * req.view_args)
def finalize_request( self , rv, from_error_handler = False ):
response = self .make_response(rv)
try :
response = self .process_response(response)
request_finished.send( self , response = response)
except Exception:
if not from_error_handler:
raise
self .logger.exception( 'Request finalizing failed with an '
'error while handling an error' )
return response
|
我们可以看到, 请求分发的操作其实是由dispatch_request来完成的, 而在请求进行分发的前后我们可以看到Flask进行了如下操作:
1.try_trigger_before_first_request_functions, 首次处理请求前的操作,通过@before_first_request定义,可以进行数据库连接
2.preprocess_request, 每次处理请求前进行的操作, 通过@before_request来定义, 可以拦截请求
3.process_response, 每次正常处理请求后进行的操作, 通过@after_request来定义, 可以统计接口访问成功的数量
4.finalize_request, 把视图函数的返回值转换成一个真正的响应对象
以上的这些是Flask提供给我们使用的钩子(hook), 可以根据自身需求来定义,
而hook中还有@teardown_request, 是在每次处理请求后执行(无论是否有异常), 所以它是在上下文出栈的时候被调用
如果同时定义了四种钩子(hook), 那么执行顺序应该是
graph LR
before_first_request --> before_request
before_request --> after_request
after_request --> teardown_request
在请求函数和钩子函数之间,一般通过全局变量g实现数据共享
现在的处理流程就变为:
1.创建上下文
2.上下文入栈
3.执行before_first_request操作(如果是第一次处理请求)
4.执行before_request操作
5.分发请求
6.执行after_request操作
7.执行teardown_request操作
8.上下文出栈
9.返回结果
其中3-7就是需要我们完成的部分.
如何使用Flask
上面我们知道, Flask处理请求的步骤, 那么我们来试试
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
app = Flask(__name__)
@app .before_first_request
def before_first_request():
print ( 'before_first_request run' )
@app .before_request
def before_request():
print ( 'before_request run' )
@app .after_request
def after_request(param):
print ( 'after_request run' )
return param
@app .teardown_request
def teardown_request(param):
print ( 'teardown_request run' )
@app .route( '/' )
def hello_world():
return 'Hello World!'
if __name__ = = '__main__' :
app.run()
|
当运行flask进程时, 访问127.0.0.1:5000, 程序输出, 正好认证了我们之前说的执行顺序.
before_first_request run
before_request run
after_request run
teardown_request run
127.0.0.1 - - [03/May/2018 18:42:52] "GET / HTTP/1.1" 200 -
路由分发
看了上面的代码, 我们可能还是会有疑问, 为什么我们的请求就会跑到hello world 函数去处理呢?我们先来普及几个知识点:
- url: 客户端访问的网址
- view_func: 即我们写的视图函数
- rule: 定义的匹配路由的地址
- url_map: 存放着rule与endpoint的映射关系
- endpoint: 可以看作为每个view_func的ID
- view_functions: 一个字典, 以endpoint为key, view_func 为value
添加路由的方法:
1.@app.route
2.add_url_rule
我们先来看看@app.route干了什么事情
1
2
3
4
5
6
7
8
9
|
# 摘自Flask源码 app.py
class Flask(_PackageBoundObject):
# 中间省略
def route( self , rule, * * options):
def decorator(f):
endpoint = options.pop( 'endpoint' , None )
self .add_url_rule(rule, endpoint, f, * * options)
return f
return decorator
|
我们可以看到, route函数是一个装饰器, 它在执行时会先获取endpoint, 然后再通过调用add_url_rule来添加路由, 也就是说所有添加路由的操作其实都是通过add_url_rule来完成的. 下面我们再来看看add_url_rule.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
# 摘自Flask源码 app.py
class Flask(_PackageBoundObject):
# 中间省略
# 定义view_functions
self .view_functions = {}
# 定义url_map
self .url_map = Map ()
def add_url_rule( self , rule, endpoint = None , view_func = None ,
provide_automatic_options = None , * * options):
# 创建rule
rule = self .url_rule_class(rule, methods = methods, * * options)
rule.provide_automatic_options = provide_automatic_options
# 把rule添加到url_map
self .url_map.add(rule)
if view_func is not None :
old_func = self .view_functions.get(endpoint)
if old_func is not None and old_func ! = view_func:
raise AssertionError( 'View function mapping is overwriting an '
'existing endpoint function: %s' % endpoint)
# 把view_func 添加到view_functions字典
self .view_functions[endpoint] = view_func
|
可以看到, 当我们添加路由时, 会生成一个rule, 并把它存放到url_map里头, 然后把view_func与其对应的endpoint存到字典.
当一个请求进入时, Flask会先根据用户访问的Url到url_map里边根据rule来获取到endpoint, 然后再利用view_functions获取endpoint在里边所对应的视图函数
graph LR
url1 -->url_map
url2 -->url_map
url3 -->url_map
urln -->url_map
url_map --> endpoint
endpoint --> view_functions
上下文管理
下面我们再来看看之前一直忽略的上下文,什么是上下文呢?
上下文即语境、语意,是一句话中的语境,也就是语言环境. 一句莫名其妙的话出现会让人不理解什么意思, 如果有语言环境的说明, 则会更好, 这就是语境对语意的影响. 而对应到程序里往往就是程序中需要共享的信息,保存着程序运行或交互中需要保持或传递的信息.
Flask中有两种上下文分别为:应用上下文(AppContext)和请求上下文(RequestContext). 按照上面提到的我们很容易就联想到:应用上下文就是保存着应用运行或交互中需要保持或传递的信息, 如当前应用的应用名, 当前应用注册了什么路由, 又有什么视图函数等. 而请求上下文就保存着处理请求过程中需要保持或传递的信息, 如这次请求的url是什么, 参数又是什么, 请求的method又是什么等.
我们只需要在需要用到这些信息的时候把它从上下文中取出来即可. 而上下文是有生命周期的, 不是所有时候都能获取到.
上下文生命周期:
- RequestContext: 生命周期在处理一次请求期间, 请求处理完成后生命周期也就结束了.
- AppContext: 生命周期最长, 只要当前应用还在运行, 就一直存在. (应用未运行前并不存在)
那么上下文是在什么时候创建的呢?我们又要如何创建上下文: 刚才我们提到, 在wsgi_app处理请求的时候就会先创建上下文, 那个上下文其实是请求上下文, 那应用上下文呢?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
# 摘自Flask源码 ctx.py
class RequestContext( object ):
# 中间省略
def push( self ):
top = _request_ctx_stack.top
if top is not None and top.preserved:
top.pop(top._preserved_exc)
# 获取应用上下文
app_ctx = _app_ctx_stack.top
# 判断应用上下文是否存在并与当前应用一致
if app_ctx is None or app_ctx.app ! = self .app:
# 创建应用上下文并入栈
app_ctx = self .app.app_context()
app_ctx.push()
self ._implicit_app_ctx_stack.append(app_ctx)
else :
self ._implicit_app_ctx_stack.append( None )
if hasattr (sys, 'exc_clear' ):
sys.exc_clear()
# 把请求上下文入栈
_request_ctx_stack.push( self )
|
我们知道当有请求进入时, Flask会自动帮我们来创建请求上下文. 而通过上述代码我们可以看到,在创建请求上下文时会有一个判断操作, 如果应用上下文为空或与当前应用不匹配, 那么会重新创建一个应用上下文. 所以说一般情况下并不需要我们手动去创建, 当然如果需要, 你也可以显式调用app_context与request_context来创建应用上下文与请求上下文.
那么我们应该如何使用上下文呢?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
from flask import Flask, request, g, current_app
app = Flask(__name__)
@app .before_request
def before_request():
print 'before_request run'
g.name = "Tom"
@app .after_request
def after_request(response):
print 'after_request run'
print (g.name)
return response
@app .route( '/' )
def index():
print (request.url)
g.name = 'Cat'
print (current_app.name)
if __name__ = = '__main__' :
app.run()
|
访问127.0.0.1:5000时程序输出
before_request run
http://127.0.0.1:5000/
flask_run
after_request run
Cat
127.0.0.1 - - [04/May/2018 18:05:13] "GET / HTTP/1.1" 200 -
代码里边应用到的current_app和g都属于应用上下文对象, 而request就是请求上下文.
- current_app 表示当前运行程序文件的程序实例
- g: 处理请求时用作临时存储的对象. 每次请求都会重设这个变量 生命周期同RequestContext
- request 代表的是当前的请求
那么随之而来的问题是: 这些上下文的作用域是什么?
线程有个叫做ThreadLocal的类,也就是通常实现线程隔离的类. 而werkzeug自己实现了它的线程隔离类: werkzeug.local.Local. 而LocalStack就是用Local实现的.
这个我们可以通过globals.py可以看到
1
2
3
4
5
6
7
8
9
10
11
|
# 摘自Flask源码 globals.py
from functools import partial
from werkzeug.local import LocalStack, LocalProxy
_request_ctx_stack = LocalStack()
_app_ctx_stack = LocalStack()
current_app = LocalProxy(_find_app)
request = LocalProxy(partial(_lookup_req_object, 'request' ))
session = LocalProxy(partial(_lookup_req_object, 'session' ))
g = LocalProxy(partial(_lookup_app_object, 'g' ))
|
_lookup_app_object思就是说, 对于不同的线程, 它们访问这两个对象看到的结果是不一样的、完全隔离的. Flask通过这样的方式来隔离每个请求.
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。
原文链接:https://www.cnblogs.com/dears/p/9138288.html