بهترین محیط کدنویسی پایتون با VS Code و WSL و Docker

رسانیکامنبع: https://rasanika.com

فرض کنید همزمان در حال کار روی چندین پروژه مختلف روی لپ تاپ یا سیستم خود هستید. اگر بخواهید همه کتابخانه ها، ابزار و نرم افزار های مورد نیاز همه پروژه ها را روی سیستم خود نصب کنید احتمال دارد با مشکلات مختلف مثل تداخل کتابخانه ها یا پر شدن سیستم از نرم افزار های غیر مرتبط رو به رو شوید.

• در شرایط ایده آل بهتر است تمام فایل ها، کتابخانه ها و نرم افزار های یک پروژه، به صورت ایزوله و موقع کار با آن پروژه وجود داشته باشند و در کل سیستم تاثیر نگذارند.

• علاوه بر این، داشتن یک محیط کدنویسی که دقیقا با محیط اجرای پروژه (سرور) یکسان باشد، برای جلوگیری از باگ ها و ایرادات پیش بینی نشده ضروری است.

در این مطلب قصد داریم با یکی از بهترین روش های ایجاد محیط توسعه ای تمیز و اصولی برای پروژه های پایتون، آشنا شویم.

مراحل کار:

• فعال کردن WSL ویندوز، نصب پایتون، VSCode، داکر و …

• ایجاد یک پروژه و انجام تنظیمات و کانفیگ ها (داکر، venv و …)

• کدنویسی یک API ساده با پایتون و ارسال و دریافت پاسخ

قبل از شروع بهتر است آشنا باشید:

• پایتون

• لینوکس

• داکر و داکر کامپوز

• ترمینال و اجرای دستور

• ویرایشگر کد

برای شروع ابتدا یک محیط ایزوله لینوکسی داخل ویندوز می توانیم ایجاد کنیم:

نصب لینوکس داخل ویندوز با WSL

زیر سیستم ویندوز برای لینوکس (Windows Subsystem for Linux) یا همان WSL به توسعه دهندگان این امکان را می دهد که یک محیط لینوکسی را مستقیماً روی ویندوز، بدون تغییر، بدون مجازی‌سازی و بدون نصب جداگانه سیستم عامل، اجرا کنند. این روش سرعت و کارایی بالایی دارد و در کل راحتی کار با نرم افزار های لینوکس و ویندوز را در کنار هم فراهم می‌کند.

نصب و فعالسازی از سایت رسمی مایکروسافت:

نصب ویرایشگر Visual Studio Code

ویژوال استودیو کد که معمولاً به آن VS Code نیز گفته می شود یک ویرایشگر کد است که توسط مایکروسافت با فریم‌ورک Electron برای ویندوز، لینوکس و مک ساخته شده است. برخی از قابلیت های آن: پشتیبانی از دیباگ، هایلایت کد، تکمیل کد هوشمند، قطعه‌ها، بازآفرینی کد و Git است. کاربران می‌توانند تم، میان‌برهای صفحه‌کلید و تنظیمات مختلف را تغییر دهند و اکستنشن و افزونه‌های مختلف برای اضافه کردن قابلیت های بیشتر، نصب کنند.

دانلود و نصب از سایت رسمی وی اس کد:

نصب مستقیم داکر روی WSL

Docker یک پلتفرم نرم افزاری است که به شما امکان می دهد تا برنامه ها را به سرعت بسازید، آزمایش کنید و اجرا کنید. کانتینر داکر یک واحد استاندارد نرم افزار است (مثلا یک پروژه پایتون) که کد و تمام وابستگی های آن را بسته بندی می کند تا برنامه به سرعت و با اطمینان اجرا شود.

اگر مفهوم داکر برای شما تازگی دارد شاید بهتر باشد از داکر دسکتاپ شروع کنید. در غیر این صورت پیشنهاد می‌کنم مستقیما خود داکر را نصب کنید که سرعت بالاتری داشته باشید.

نسخه مناسب سیستم عاملی که با WSL نصب کردید را در سایت رسمی داکر انتخاب و مراحل نصب داکر را برای آن سیستم عامل انجام دهید:

برای مثال اگر با WSL سیستم عامل Ubuntu نصب کردید، این مراحل را انجام دهید. همچنین اگر از داکر دسکتاپ استفاده می کنید شاید بد نباشد این آموزش را هم مطالعه کنید.

نصب پایتون روی WSL و وی‌اس‌کد

اول کنترل کنید که پایتون روی wsl نصب شده است یا خیر ( python3 --version ) اگر نصب نبود باید ابتدا آن را نصب کنید. برای مثال برای اوبونتو به این شکل می تواند نصب شود:

sudo apt-get update
sudo apt-get install python

همچنین pip را هم باید در صورتی که نصب نباشد ( command -v pip3 ) نصب کنید.

و در نهایت برای بهبود تجربه کدنویسی و فعال کردن قابلیت هایی مثل تکمیل خودکار کد در وی‌اس‌کد، اکستنشن پایتون را روی آن نصب کنید:

ایجاد فولدر پروژه و کانفیگ ها

برای این پروژه می توانیم یک دایرکتوری به اسم python-api داخل WSL با دستور mkdir python-api ایجاد کنیم. سپس با دستور code python-api می توانیم آن را در وی‌اس‌کد باز کنیم.

ساختار کلی پروژه به این شکل است که با docker compose سرویس های مختلف مثل api پایتون و یا دیتابیس و … را تعریف و اجرا خواهیم کرد. در واقع سورس کد و کتابخانه های لازم داخل یک کانتینر داکر ( همان سرویس پایتون ما) وجود خواهند داشت. مثلا اسم این سرویس را py-api میگذاریم و یک فولدر برای آن داخل پروژه ایجاد می کنیم. همچنین فایل docker-compose.yml را هم برای شروع به این صورت تعریف می کنیم:

version: '3.8'

networks:
  my-network:
    driver: bridge

services:

  py-api:
    image: python:3-slim
    working_dir: /main
    volumes:
      - ./py-api/.cache:/.cache
      - ./py-api:/main
    networks:
      - my-network

اگر با کانفیگ داکر کامپوز آشنا نیستید بهتر است ابتدا با آن آشنا شوید. اما در اینجا:

• یک شبکه به اسم my-network و یک سرویس به اسم py-api متصل به آن شبکه تعریف کرده ایم.

• سرویس py-api بر اساس ایمیج python:3-slim داکر هاب تعریف شده است.

• فولدر های ./py-api و ./py-api/.cache روی سیستم ما به ترتیب روی /main و /.cache در این ایمیج تنظیم شده اند که محتوایشان ذخیره شود.

حالا نوبت به venv و نصب کتابخانه ها و تنظیم وی‌اس‌کد جهت شناسایی این کتابخانه ها است. ابتدا با دستور زیر یک محیط مجازی (برای نصب ایزوله کتابخانه ها) پایتون ایجاد کنید:

docker compose run --rm py-api python -m venv /main/env

(فراموش نکنید که دستور را دقیقا در مسیر دایرکتوری پروژه اجرا کنید)

alias d='docker compose'
alias dr='docker compose run --rm'
alias de='docker compose exec'

برای اینکه ویژوال استودیو کد بتواند کتابخانه های ما را شناسایی کند می توانیم آدرس venv پروژه را به آن اضافه کنیم: (آدرس را کنترل کنید)

ساخت یک API ساده با پایتون

برای ساخت یک ای‌پی‌آی ساده JSON در پایتون می توانیم از کتابخانه FastAPI استفاده کنیم. برای نصب آن داخل کانتینر py-api، دستورات زیر را در مسیر پروژه اجرا کنید:

dr py-api /main/env/bin/pip install fastapi
dr py-api /main/env/bin/pip install "uvicorn[standard]"

دستور dr در واقع همان docker compose run --rm است که alias کردیم. علت استفاده از /main/env/bin/pip هم بخاطر virtualenv ای است که ایجاد کرده‌ایم.

حال فایل index.py را داخل py-api ایجاد می کنیم و یک کد ساده جهت ایجاد api آزمایشی می نویسیم:

from fastapi import FastAPI

app = FastAPI()


@app.get("/")
def home():
    return {"hello": "world"}

(چون این فولدر به صورت volume تعریف شده همه فایل های آن روی کانتینر در فولدر main وجود خواهند داشت)

توجه کنید که وی‌اس‌کد قادر به تشخیص کتابخانه ای که اضافه کرده‌ایم است:

می توانیم دستور پیشفرض این سرویس را جهت اجرای FastAPI و فایل index.py روی docker-compose.yml تنظیم کرده و سپس پروژه را بالا بیاوریم:

command: ['env/bin/uvicorn', 'index:app', '--host', '0.0.0.0', '--port', '4444']
ports:
  - '4444:4444'

با دستور docker compose up -d می توانیم پروژه را بالا بیاوریم و تست کنیم:

نکات پایانی

این محیط کدنویسی برای پایتون بسیار کاربردی و سریع است. مثلا فرض کنید نیاز به یک دیتابیس هم داریم، فقط کافی است چند خط کد به docker-compose.yml اضافه کنیم:

یک سرویس Postgres نسخه 13.2 فقط برای این پروژه ایجاد کردیم. اگر برای مثال در پروژه دیگری نسخه 9 این دیتابیس را لازم داشتیم هیچ تداخل و مشکلی نخواهیم داشت چون این دیتابیس ها به لطف داکر ایزوله هستند.