Django, Docker e Amazon Container Services Nilo Menezes [email protected] 

Plano • Django • Docker • Amazon Container Services 

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

Django nginx uwsgi workers workers workers db 

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 nginx uwsgi workers workers workers db Load balancer uwsgi workers workers workers 

Amazon • Object Storage – s3 • RDS – Relational Database Services • EC2 – Elastic Computer Cloud • ECS – EC2 Container Services • ECR – EC2 Container Registry • Route53 • ELB – Elastic Load Balancer 

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

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

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 – NoSQL – 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