Django Docker e Amazon Container Services Nilo Menezes

Django, Docker e Amazon Container Services Nilo Menezes pythonnilo@gmail. com

Plano • Django • Docker • Amazon Container Services

Django • Web framework • Desenvolvimento rápido • Execução não é a coisa mais rápida do mundo

Django workers uwsgi db workers nginx

Docker • Gerenciador de containers • Containers: – VM-s leves – Tem sua própria rede – Sistema de arquivos próprio • Excelente para desenvolvimento • E para deploy

Django e Docker • Container para nginx • Container para uwsgi • Container para o banco de dados

Escalabilidade • Aumentar o número de instâncias em função da carga/volume de acesso • Idealmente sem modificar a aplicação • Entram os load balancers

Load Balancer • • • Balanceador de Carga Recebe conexões em nome de um serviço E as repassa para instancias reais Age como um proxy Auxilia a escalar os serviços, permitindo que mais instâncias sejam adicionadas de forma transparente

Balanceador de Carga workers db uwsgi Load balancer workers workers uwsgi nginx

Amazon • • Object Storage – s 3 RDS – Relational Database Services EC 2 – Elastic Computer Cloud ECS – EC 2 Container Services ECR – EC 2 Container Registry Route 53 ELB – Elastic Load Balancer

Amazon workers db (RDS) uwsgi workers uwsgi Load balancer (ELB) workers nginx

ECS • Gerencia um cluster capaz de rodar instâncias de serviços • Configurável pela web ou via api • Reutiliza a configuração do docker • Permite parar e iniciar os serviços progressivamente • Fácil de alterar o número de instâncias

ECS • • Toda configuração nos containers Máquinas do cluster rodam apenas containers Gerencia onde cada container vai rodar Registra novas instâncias no ELB

ECS Uwsgi +workers nginx Load balancer (ELB) db (RDS) Load balancer (ELB) Uwsgi +workers nginx

ECS • Com vários níveis de ELB, os serviços podem ser escalados independentemente • Várias instâncias permitem o deploy de novas versões, sem parar a versão corrente • Novas máquinas podem ser acrescentadas ao cluster facilmente

Gargalos • Banco de dados! Difícieis de escalar! • Soluções: – Read replicas – modificam a aplicação – Sharding – modificam a aplicação – No. SQL – modificam a aplicação

A observar • Não abusar de templates • Manter o código enxuto • Mover as tarefas de longa duração para uma fila de mensagens (celery + rabbitmq) • Usar cache onde for possível • Nunca servir arquivos estáticos pelo Django • Frameworks com suporte a Amazon Lambda (Zappa, Chalice, etc)

Obrigado