![Healthcheck detalhado
{
"status": "failure",
"results": [
{
"output": "Connection Timeout",
"checker": "redis_connection",
"passed": false
}
]
}](https://image.slidesharecdn.com/microservicespython-180421205001/85/Escalabilidade-e-Resiliencia-de-Microservices-em-Python-28-320.jpg)
![• Podemos combinar com outras linguagens
• Manutenção barata
• Uma boa hora de introduzir Python[3] na stack
μservices em Python
Mais coisas legais](https://image.slidesharecdn.com/microservicespython-180421205001/85/Escalabilidade-e-Resiliencia-de-Microservices-em-Python-35-320.jpg)
Escalabilidade e Resiliência de Microservices em Python
- 1. Microservices em Python: Resiliência e Escalabilidade Guilherme Vierno
- 2. About me • Físico por formação • Pythonista desde 2010 • Mineiro agora morando no Rio • Desenvolvedor na • Plataformas de publicação
- 3. Por que falar de microservices? Interesse ao longo do tempo Fonte: google trends
- 4. Por que falar de microservices? • Tendência do mercado • Implementado nos líderes de tecnologia do mundo (Amazon, eBay, Netflix, Apple…) • Resolve bem problemas de desenvolvimento em larga escala
- 5. Intro Do Monolito aos Serviços
- 7. globo.com (Monolito) pré micro-serviços • Um grande projeto em Django • ∞ linhas de código e milhares de testes • Banco MySQL superinflado • Vários times desenvolvendo o mesmo codebase
- 8. Monolito Principais problemas 1. Baixa velocidade de entregas • “Time de deploy” e “dia do deploy” • Refatoração cada vez mais cara 2. Escalabilidade • Ruim de medir uso de recursos por módulo • Dificuldade em fazer cache eficiente 3. Resiliência • Algumas subidas causando instabilidade geral
- 9. Separação em serviços Migrando partes da aplicação para serviços isolados
- 10. Micro-serviços Time 1 Time 3 Time 2 Time 4 IN OUT IN OUT
- 11. Micro-serviços Características comuns • Velocidade de desenvolvimento • Pequenos em tamanho e limitados por contexto • Desenvolvidos autonomamente • Escalabilidade • Deploys individuais • Resiliência • Isolamento • Automatização de processos (build, release, monitoração…)
- 12. Python & Microserviços & Milhares de req/s & Alta disponibilidade
- 13. Python & Microserviços & Escalabilidade & Resiliência
- 16. Renderizando uma matéria Estilo Conteúdo Menu Tenant Semântica Webmedia GET /noticia/tiroteio-deixa-um-morto-e-feridos.ghtml
- 18. Cache distribuído Cenário 1 A página já foi requisitada neste servidor nos últimos 10 segundo
- 19. Cache distribuído Cenário 2 Cache do Varnish expirou mas a matéria foi acessada nos últimos 5 minutos e está fresca no redis
- 20. Cache distribuído Cenário 3 A página não foi acessada nos últimos 5 minutos ou não está no cache recente do redis RENEW
- 21. Cache distribuído serviço Tempo de cache % das requisições servidas Expiração Varnish 10s >80% Passiva Redis 5min ~15% Ativa / LRU MongoDB 5min - ∞ < 5% Ativa
- 24. Expectativa de falhas • Cache + Stale (Fail-safe) • Retry • Backoff
- 26. • https://github.com/aio-libs/ • aioredis • aiomysql • aiopg • toredis • tornado-alf Bibliotecas assíncronas
- 27. 4.Monitoração
- 28. Healthcheck detalhado { "status": "failure", "results": [ { "output": "Connection Timeout", "checker": "redis_connection", "passed": false } ] }
- 29. Ferramentas
- 30. 5.Automação
- 31. Facilidade de subir Apps • Isolamento das apps • Automação de Infra • FaaS & PaaS & IaaS • Autoscaling • CI / CD
- 32. 1. Cache distribuído 2. Expectativa de falhas 3. Comunicação leve e assíncrona 4. Monitoração 5. Automação Recap
- 33. E por que Python?
- 34. • Prototipagem e desenvolvimento rápidos • Facilidade de instrumentar continuous delivery / DevOps / automações em geral • Uso bem difundido de Microframeworks • É bem fácil fazer comunicação leve entre apps μservices em Python Vantagens de usar Python
- 35. • Podemos combinar com outras linguagens • Manutenção barata • Uma boa hora de introduzir Python[3] na stack μservices em Python Mais coisas legais
- 36. • Tornado: Network I/O não bloqueante • Flask: Zero ao deploy em pouco tempo • Django: Tastypie, django rest framework, channels • Nameko: Feito para microservices • aiohttp: asyncio nativo com network μservices em Python Frameworks
- 37. Considerações Finais • Monolith-first • O momento certo é quando sentir a necessidade • Atenção aos requisitos: Provisionamento de infra, monitoração, automação… • A maior mudança é cultural
- 38. Isso é tudo pessoal! We’re hiring! https://talentos.globo.com Guilherme Vierno vierno.com.br
- 39. Micro-serviços Melhor velocidade das entregas • Domínio do time sobre o serviço • Deploy individual • Automação e conteinerização • Testes
- 40. Nem tudo são flores • Complexidade de desenvolvimento/operacional • Duplicação de dados • Latência adicional • Desuniformidade • Refatoração cross-módulo