Falcon构建轻量级的REST API服务

Falcon构建轻量级的REST API服务

Falcon 是一个轻量级的Python Web框架，专注于构建RESTful API，它被设计为简单而快速，致力于提供高性能的API服务。

Falcon Tutorial文档

https://falcon.readthedocs.io/en/stable/user/tutorial.html

安装falcon

在开始之前，先得保证falcon已经安装。

$ pip install falcon

构建falcon项目

项目文件结构目录构造，如下:

image-classify
├── .venv
└── image-classify├── __init__.py└── app.py

现在创建并打开app.py文件，作为应用的入口，编辑修改如下代码：

import falconapp = application = falcon.App()

这就创建了一个 WSGI 应用，以app作为别名。 可以使用任何变量名，Gunicorn希望默认使用application。

WSGI应用只是一个可调用的明确定义的签名，可以在任何支持WSGI协议的web server上托管应用。

Falcon框架包含大量的内联文档，可以通过使用python模块查看技巧来查询。经过Falcon团队对文档可读性的大量优化，可以很快浏览和查找我们需要的。

应用托管(Hosting Your App)

前面已经创建了一个简单的Falcon应用，我们可以让它运行在WSGI server上。Python包含一个自托管的参考server，但是我们还是使用实际部署时使用的server。

$ pip install gunicorn
$ gunicorn app

应用服务部署后，可以检验服务效果，现在我们使用curl尝试查询它:

$ curl localhost:8000 -v

如果不出不意外，你应当将会获取到404。网络访问不到，怎么回事？
一方面，说明应用服务已经运行，已经有返回值404。Falcon包含默认的404响应处理(response handler)，用来处理没有匹配到任何路由的请求地址。另一方面，返回404，这很正常，因为应用还没有设定任何路由(route)。

简单示例

下面是一个简单的Hello World示例，展示了Falcon框架的基本用法：

import falconclass HelloWorldResource:def on_get(self, req, resp):resp.status = falcon.HTTP_200resp.text = 'Hello, Falcon!'# 创建Falcon应用
app = falcon.App()# 指定资源路由
app.add_route('/', HelloWorldResource())

在上面的示例中，我们定义了一个名为HelloWorldResource的资源类，它包含一个处理HTTP GET请求的方法 on_get。然后，创建了一个Falcon应用，并将资源路由到根路径’/'。

内容服务(Serving Text)

JSON请求和响应处理

Falcon使用请求（req）和响应（resp）对象来处理HTTP请求和构建HTTP响应。以下是一个处理GET请求并返回JSON响应的示例：

import falcon
import jsonclass JsonResource:def on_get(self, req, resp):# 构建JSON响应resp.status = falcon.HTTP_200resp.content_type = 'application/json'resp.body = json.dumps({'message': 'Hello, Falcon!'})

路由和 URI 参数

Falcon使用路由来映射URI到资源。可以通过add_route方法或者使用装饰器 @app.route 来定义路由。以下是一个使用URI参数的示例：

import falconclass GreetResource:def on_get(self, req, resp, name):resp.status = falcon.HTTP_200resp.text = f'Hello, {name}!'app = falcon.App()
app.add_route('/greet/{name}', GreetResource())

在上面的示例中，URI参数{name}将会传递给on_get方法。

中间件

Falcon允许使用中间件来执行在请求处理前后的一些逻辑。以下是一个简单的中间件示例，记录请求处理时间：

import falcon
import timeclass TimingMiddleware:def process_request(self, req, resp):req.start_time = time.time()def process_resource(self, req, resp, resource, params):resource.processing_time = time.time() - req.start_timedef process_response(self, req, resp, resource, req_succeeded):resp.set_header('X-Processing-Time', str(resource.processing_time))app = falcon.App(middleware=[TimingMiddleware()])

异常处理

Falcon允许通过抛出自定义异常来处理错误。以下是一个示例，当请求的资源不存在时抛出HTTPNotFound异常：

import falconclass ResourceNotFound(Exception):def __init__(self, resource_name):self.resource_name = resource_nameclass CustomResource:def on_get(self, req, resp, name):if name != 'custom':raise ResourceNotFound(name)resp.status = falcon.HTTP_200resp.text = f'Hello, {name}!'# 在应用中添加错误处理
app.add_error_handler(ResourceNotFound, lambda ex, req, resp, params: self.handle_not_found(req, resp, ex))def handle_not_found(self, req, resp, ex):resp.status = falcon.HTTP_404resp.text = f'Resource "{ex.resource_name}" not found.'        

图像服务(Serving Images)

创建图像资源

Falcon从REST架构风格引入一些术语，REST概念。Falcon的设计理念是，尽可能直观地让所有人理解HTTP基本原理。

在Falcon中，可以把传入的请求(incoming requests)称为资源(Resources)。资源只是一个常规Class，包含一些遵循一定命名规则的方法(Method)。每个方法对应一个动作(API客户端为了获取或转换资源，去请求执行的动作)。

现在项目需要在构建一个图片分享API，那可以创建一个image资源。在项目目录中，创建一个image.py的文件，可以在里面添加下面的代码:

import falconclass ImgResource(object):    def on_get(self, req, resp):resp.body = '{"message":"Hello woeld!"}'resp.status = falcon.HTTP_200

Resource只是一个很常规的class，类名可以任意取。Falcon使用duck-typing，所以不需要继承任何特定的基类。

上面的image资源定义单一方法on_get。对于resource想要支持的任何HTTP方法，只需要简单在resource上加on_x类方法(class method)，x可以是标准HTTP方法中的任何一个，例如on_get,on_put,on_head(小写)等等。

方法称作responders(响应器)，每个responder至少需要两个参数，一个代表HTTP请求，另一个代表对应请求的HTTP响应。根据习惯，一般缩写作req和resp。如果是route(路由)和hooks(钩子)可以添加一些额外的参数。

例程中，image资源对GET请求作出响应：200 OK 和一个JSON对象。Falcon默认是application/json作为互联网媒体类型，但是可以设置成任何使用的类型。例如，可以使用MessagePack或者其他序列化格式。

关联资源

现在再把应用服务关联上resource，在app.py，增加资源描述，并关联请求URI，将其修改成如下:

import falcon
import imagesapi = application = falcon.API()images = images.ImgResource()
api.add_route('/images', images)

现在，如果传入一个“/images”的请求，Falcon请会调用images的资源中的响应器(responder)–对应所需要的HTTP方法。
重启gunicorn，并且尝试向resource(资源)发送一个GET请求:

$ curl localhost:8000/images -v

duck-typing:动态类型的一种风格。在这种风格中，一个对象有效的语义，不是由继承自特定的类或实现特定的接口，而是由当前方法和属性的集合决定。在duck typing中，关注的不是对象的类型本身，而是它是如何使用的。

请求和响应对象

资源(resource)中的每个响应器(responder)接收一个请求对象(request object)，可以被用作读取headers、查询参数和请求的body。

每个响应器(responder)也能接收一个响应对象(response object)，可以被用作设置HTTP状态码、headers和响应的body。
可以使用help函数去列举Request，Response类的成员。

让我们探究一下如何运作。当客户端(client)POST到images集合(collection)时，需要创建一个新的image资源。首先，需指定images保存在什么地方。

实现POST响应器(responder):

编辑images.py 文件，添加下列代码到ImgResource:

import os
import time
import uuid
import falcondef _media_type_to_ext(media_type):#剥离'/images/'前缀return media_type[6:]def _generate_id():return str(uuid.uuid4())class ImgResource(object):def __init__(self, storage_path):self.storage_path = storage_pathdef on_post(self, req, resp):image_id = _generate_id()ext = _media_type_to_ext(req.content_type)filename = image_id + '.' + extimage_path = os.path.join(self.storage_path, filename)with open(image_path, 'wb') as image_file:while True:chunk  = req.stream.read(4096)if not chunk:breakimage_file.write(chunk)resp.status = falcon.HTTP_201resp.location = '/images/' + image_id

程序给新图片生成了一个唯一的ID和文件名，然后从req.stream 中读取文件数据，再写入磁盘。调用stream而不是body去强调事实，正在从输入流读取;Falcon不会输出(spool)或解码(decode)请求数据(request data)，而是直接访问由WSGI server提供的二进制输入流(incoming binary stream)。

注意，将HTTP response status code设置为“201 Created”。预定义的状态字符清单，可以通过对falcon.status_codes调用help函数来查看。

在on_post响应器的最后一行，给新创建的资源设置Location Header。创建一个路由(route))注意，Request类和Response类包含一些读取和设置通用header的便利属性，但是通过声明req.get_header和resp.set_header方法，总是可以使用任何header。

重启gunicorn，然后尝试给resource发送一个POST请求(可以将test.jpg替换成任何你想操作的JPEG文件的路径)

图像下载

已经完成上传图片到服务器，接下来是要能获取它们，通过带有文件路径的请求，让服务器返回一张图片到Location header，就像这样:

localhost:8000/images/87db45ff42

接下来，可以在images资源中添加on_get响应器。按照这个思路，如果要处理多张图片，除了表示单张图片资源的类以外，还需要新建一个类。我们可以在新的类中添加on_get响应器。

需要注意到on_get响应器中的name参数。任何在路由中指定的URL参数都将被转换成对应的kwargs参数，同时传递到目标响应器(responder)中。
在on_get响应器中，按照文件名扩展去设置内容类型的header，然后通过打开文件操作来直接以数据流形式输出图片。还有需要注意resp.stream_len 的用法。每当使用resp.stream来代替resp.body或resp.data的时候，必须给数据流指定一个预期的长度，以便web客户端知道从响应(response)中读取的数据有多大。

如果resp.status没有明确地设定，其默认值为200 OK，确切的说，这应该是应该在on_get响应器去做的。

现在将事件关联上，然后尝试运行一下。首先按照下面的例子来编辑app.py:

import falcon
import imagesapi = application = falcon.API()storage_path = '/usr/local/var/look'image_collection = images.ImgResource(storage_path)
image = image.Item(storage_path)api.add_route('/images', image_collection)
api.add_route('/images/(name)', image)

定义了一个新的路由/images/{name}。这会让Falcon将所有的对应的响应器(responder)和获取的name参数关联起来。

Falcon还支持更加复杂的参数化路径段(包含多个值)。例如，类Grasshopper(GH-like,可以通过参数的调整，直接改变模型形态)的API能够使用下面的模板为两个分支添加一个路由。

/repo/{org}/{repo}/compare/{usr0}:{branch0}…{usr1}:{branch1}

可以继续在浏览器中输入URL，图片会被正确的显示出来。

最佳实践

• 使用装饰器简化路由定义： Falcon提供了@app.route装饰器，可以简化路由的定义。
• 使用 Request 和 Response 模型： Falcon提供了Request和Response对象的模型，它们对原始HTTP请求和响应进行了封装，提供更便捷的处理方式。
• 使用中间件处理通用逻辑： 中间件是Falcon的强大功能之一，可用于处理日志、鉴权等通用逻辑。
• 异常处理的一致性： 使用自定义异常来处理错误，确保API的一致性和可维护性。

End

---

决策引擎-利用Drools实现简单防火墙策略

GPT专栏文章：

GPT实战系列-ChatGLM3本地部署CUDA11+1080Ti+显卡24G实战方案

GPT实战系列-ChatGLM2模型的微调训练参数解读

GPT实战系列-如何用自己数据微调ChatGLM2模型训练

GPT实战系列-ChatGLM2部署Ubuntu+Cuda11+显存24G实战方案

GPT实战系列-Baichuan2本地化部署实战方案