یک سرور جهت تست با نام server-develope
یک سرور جهت اجرا با نام server-production

دوستانی که سرور ندارن میتونن از environment خود گیتهاب جهت تست و تمرین استفاده کنن

چرا از دو رویکرد برای cd استفاده میکنیم

در سرور تست اپلیکیشن توسط واحد مارکتینگ مورد تست و بررسی قرار میگیره و بعد از دریافت تاییدیه نهایی و رفع مشکلات و یا موارد بر روی سرور اجرا جهت در دسترس بودن کاربران نهایی قرار خواهد گرفت

conda env create -n tetstaction-venv python=3.10 django gunicorn gevent

conda activate tetstaction-venv

mkdir my_project 

cd my_project

django-admin startproject config .

nano Dockerfile

FROM continuumio/miniconda3
ENV PYTHONDONTWRITEBYTECODE 1
ENV PYTHONUNBUFFERED 1
WORKDIR /code
COPY . /code/
RUN /bin/bash -c "conda env update -f requirements.yml"
EXPOSE 8000

nano docker-compose.yml

ser version: '3'

services:
  conda:
    build: .
    image: conda-test
    hostname: conda
    container_name: conda
    restart: on-failure
    command: sh -c "conda run gunicorn -k gevent --workers 4 config.wsgi:application -b 0.0.0.0:8000"
    expose:
      - 8000
    ports:
      - 8000:8000

دوتا سرور تست و اجرا داریم

یک پروژه جنگویی داریم

اون رو داکرایز کردیم

و در یک ریپوی خصوصی گیتهاب گذاشتیم

رانر میزبانی شده توسط گیتهاب(اگه سرور ندارید میتونید ازین مورد استفاده کنید)
رانر خود میزبانی شده که بهش self hosted میگیم و روی سرور بالا میاریم(میتونید روی لپتاپ خودتون هم بالا بیارید)

دستور اول مربوط به ساخت دایرکتوری می باشد در هر مسیری که دوست دارید آنرا اجرا کنید و بخاطر بسپارید تمامی دستورات ما جهت پیکربندی رانر در این مسیر این دایرکتوری انجام خواهیم داد 

در مرحله اول کلید enter را بزنید تا پیش فرض بماند

در مرحله دوم هم مقدار server-developer را وارد کنید

در مرحله بعدی لیبل server-developer را وارد کنید

در مرحله بعدی کلید enter را بزنید 

رانر ما اکنون آماده کار میباشد

دستور زیر را بزنید تا رانر شروع بکار کند

./run.sh

sudo ./svc.sh install

systemctl start action<کلید tab را جهت کامل کردن بزنید>

برای سرور server-deployment به همان صفحه رانرها رفته و یک رانر جدید دیگر راه بندازید

Settings > Settings > Actions > New self-hosted runner 

همان مراحل بالا را انجام بدید منتها نام و لیبل رو به server-deployment تغییر دهید

اکنون صفحه رانرها را رفرش کنید رانر server-deployment رو با server-developer  میبینید 

در سناریوی پست اول گفتیم که دو سرور خواهیم داشت server-develope با server-deployment


در این دایرکتوری دوتا فایل خواهیم ساخت 
develop.yml
deployment.yml

name: develope application 

on:
     push:
          branches:
                - main

env:
      TARGET_SERVER: server-developer

قبل از ادامه در سرور

۱-در مسیر var/www/ پروژه رو‌clone میکنیم

۲-نصب و پیکربندی داکر و داکرکامپوز

pull:
        runs-on: self-hosted
        steps:
            - name: pull from github
              env:
                USERNAME: "CodeCrafters-ir"
                TOKEN: ${{ secrets.TOKEN }}
              run: |
                cd /var/www/test-action
                git config --global user.email "[email protected]"
                git config --global user.name "behzad azadi"
                git pull https://$USERNAME:$[email protected]/CodeCrafters-ir/test-actions.git

ابتدا به مسیر دایرکتوری پروژه میریم معمولا در جامعه توسعه دهندگان و لینوکس مسیر آن در var/www/ می باشد

مقادیر نام و ایمیل رو برای گیت تنظیم میکنیم 

و سپس جهت دریافت کدها و تغییرات pull میکنیم به نحوه جا دادن username و token دقت کنید

dockerize:
        runs-on: self-hosted
        needs:
            - pull
        steps:            
            - name: Create image
              run: |
                echo $SUDO_PASSWORD | sudo -Sv
                cd /var/www/test-action
                sudo docker build . -t conda-test --no-cache

            - name: Run container
              run: |
                echo $SUDO_PASSWORD | sudo -Sv
                cd /var/www/test-action
                sudo docker compose down
                sudo docker compose up -d

داخل هر گام مقدار کد 
echo $SUDO_PASSWORD | sudo -Sv
رو میبینیم چون نیاز هست در کامندها از sudo استفاده کنیم اینگونه براش پسورد رو میگذاریم 

مقدار متغییر 
$SUDO_PASSWORD 
رو هم در env گلوبال میزاریم
env:
    TARGET_SERVER: server-developer
    SUDO_PASSWORD: ${{ secrets.SUDO_PASSWORD }}
در بالاتر یاد گرفتیم چطوری متغییر امنیتی رو تنظیم کنیم

push-image:
        runs-on: self-hosted
        env:
          USERNAME: 'behzadazadi2693'
          DOCKER_PASSWORD: $"{{ secrets.DOCKER_PASSWORD }}"
        needs:
          - dockerize
        steps:
          - name: push image to docker account
            run: |
              echo $SUDO_PASSWORD | sudo -Sv
              sudo docker login -u $USERNAME -p $DOCKER_PASSWORD
              sudo docker tag conda-test $USERNAME/conda-test:v1
              sudo docker push $USERNAME/conda-test:v1

پسورد ران برای دستور sudo تنظیم میکنیم 

ابتدا لاگین میکنیم

طبق قاعده خاص داکر ایمیج رو نام گذاری میکنیم برای ریپوزیتوری پرایویتمون در داکر هاب 
و سپس پوش میکنیم داخل داکر هاب

نکته: ابتدا در سرور server-deployment داکر و داکرکامپوز رو نصب میکنیم 

name: deployment application

یادتون هست در تعریف سناریو گفتیم که برای سرور دیپلوی بیام بصورت دستیش کنیم؟؟؟

درسته پس این مقدار باید بشکل زیر باشه

on:
     Workflow_dispatch

env:
    TARGET_SERVER: server-deployment
    SUDO_PASSWORD: ${{ secrets.SUDO_PASSWORD }}

pull-image:
        runs-on: self-hosted
        steps:
            - name: pull image
              env:
                USERNAME_HUB: "behzad-azadi2693"
                PASSWORD_HUB: ${{ secrets.TOKEN }}
              run: |
                echo $SUDO_PASSWORD | sudo -Sv
                sudo docker login -u $USERNAME -p $DOCKER_PASSWORD
                sudo docker push $USERNAME/conda-test:v1

شما میتونید روی یک سرور کار کنید 

در قسمت runs-on اگر مقدار ubuntu-latest رو قرار بدید روی رانرهای خود گیتهاب کار خواهد کرد

اگرهم تغییر ندید و به هر دلیلی رانرتون ارور بده گیتهاب بازم میبره روی رانر خودش اما بدلیل دستور sudo و پسورد بهتون خطا خواهد داد

ایا میشه از این ساده تر هم نوشت؟؟بله action های آماده وجود داره که برید بخونید راجبشون 

در قسمت on هم میتونید علاوه push و dispatch حتی cronjob ,pull request هم تنظیم کنید

در فریمورک جنگو میدانیم که برای تست

 نیاز به نصب جنگو 

و سپس اجرای دستور 
python manage.py test 
می باشیم

test:
    runs-on: self-hosted
    container:
      image: python:slim-bullseye
    steps:
      - name: Run Django tests
        run: |
          pip install django
          python manage.py test

انسیبل (Ansible) یک ابزار متن‌باز و قدرتمند برای مدیریت و پیکربندی سیستم‌ها، استقرار برنامه‌ها، اتوماسیون وظایف و هماهنگی آنهاست. به عبارت دیگر، انسیبل یک ابزار Remote Administration بسیار قوی با امکانات بسیار کارآمد است که از پروتکل SSH برای برقراری ارتباط و مدیریت سیستم‌ها و دستگاه‌ها استفاده می‌کند. 

برخی از مزایای استفاده از انسیبل:

سادگی: انسیبل از زبان یام‌ال (YAML) برای نوشتن Playbookها استفاده می‌کند که یادگیری آن آسان است.

قدرت: انسیبل می‌تواند وظایف پیچیده‌ای را خودکار کند و برای مدیریت زیرساخت‌های بزرگ و پیچیده مناسب است.

انعطاف‌پذیری: انسیبل می‌تواند برای مدیریت انواع مختلف سیستم‌ها، از جمله سرورها، روترها، سوئیچ‌ها و دستگاه‌های ذخیره‌سازی استفاده شود.

مقیاس‌پذیری: انسیبل می‌تواند برای مدیریت تعداد زیادی از سیستم‌ها به طور همزمان استفاده شود.

رایگان: انسیبل یک ابزار متن‌باز و رایگان است.

برخی از کاربردهای انسیبل:

مدیریت پیکربندی: انسیبل می‌تواند برای پیکربندی سیستم‌ها، نصب نرم‌افزار، به‌روزرسانی سیستم‌عامل و تنظیمات امنیتی استفاده شود.

استقرار برنامه: انسیبل می‌تواند برای استقرار برنامه‌ها به طور خودکار در چندین سیستم استفاده شود.

اتوماسیون وظایف: انسیبل می‌تواند برای خودکارسازی وظایف روزانه، مانند پشتیبان‌گیری، نظارت و گزارش‌دهی استفاده شود.

هماهنگی: انسیبل می‌تواند برای هماهنگی وظایف بین چندین سیستم استفاده شود.

اگر به دنبال یک ابزار قدرتمند و کارآمد برای مدیریت و اتوماسیون وظایف IT خود هستید، انسیبل یک گزینه عالی است

بعد از نصب انسیبل

وارد دایرکتوری base-ansible بشید 

یک فایل با اسم info.yml بسازید 

این متن رو بصورت دقیق داخل ان بنویسید و ذخیره کنید

- hosts: localhost
  tasks:
    - name: FACTS
      debug:
        msg: "{{ ansible_facts }}"

در دایرکتوری خط فرمان رو باز کنید و دستور زیر رو بزنید

ansible-playbook info.yml


در خروجی این دستور در خروجی این دستور مهمترین اطلاعات مربوط به سیستم خودتون رو میبینید درسته؟؟؟

حالا کافیه همین رو تنظیم کنیم جهت اجرا روی سرور خودمون

عجله نکنید ذره ذره پیش میریم و یاد میگیریم

ما بر روی سرور توسعه نیاز به داکر و داکر کامپوز و گیت داریم 

بر روی سرور استقرار اما نیاز به گیت نداریم 

دغدغه ما در این سطح 

ما نیاز داریم دو سرور توسعه و استقرار رو‌ در یک جاهایی جدا از هم داشته باشیم و پیکربندی هرکدوم رو جداگانه بزنیم 


در جای دیگه هردوی این سرور رو یکجا داشته باشیم تا یک عملیات یکسان روی هردو صورت بگیره

دایرکتوری inventory در Ansible راهی قدرتمند برای سازماندهی و مدیریت داده‌های موجودی شما ارائه می‌دهد. این به شما امکان می‌دهد چندین منبع موجودی را در یک مکان واحد ادغام کنید و مقیاس‌پذیری و قابلیت نگهداری را بهبود ببخشید.

نکته:ما در انسیبل از ساختار yaml نویسی استفاده میکنیم

all:
  hosts:
    develope:
      ansible_host: server_ip
    deployment:
      ansible_host: server_ip
    

develope:
  hosts:
    develope_server:
      ansible_host: server_ip


deployment:
  hosts:
    deployment_server:
      ansible_host: server_ip

گروه all
جهت نصب همه پیکربندی های یکسان و یکدست در همه میزبان‌ها(داکر و داکرکامپوز)

گروه develop
جهت نصب و پیکربندی سرور تست و توسعه

گروه deployment
جهت نصب و پیکربندی سرور استقرار

در هر گروه با بلوک hosts موجودیت‌های خودمون رو در اون بخش مشخص میکنیم 

یک اسم براش در نظر  میگیریم

و در ansible_host آدرس اون موجودیت رو بهش میدیم 

نکته
مقدار ip سرور خود را در server_ip جاساز کنید

نام گذاری و دسته بندی ها باید بگونه‌ای باشد که معرف کامل زیر ساخت شما باشد

۱-پروفایلینگ زمان:
مقدار زمان صرف شده بخش‌های مختلف کد رو اندازه گیری میکنیم


۲-پروفایلینگ حافظه:
تحلیل نحوه استفاده از حافظه توسط یک برنامه (مدیریت ناکارآمد، مصرف غیر ضروری و ...)

۳-پروفایلینگ cpu:
نحوه استفاده از پردازنده، شناسایی عملیات‌های محدود به cpu و نقاطی که بهینه سازی شود


۴-پروفایلینگ i/o:
دسترسی به فایلها یا کوئری‌های دیتابیس،شناسایی نقاط محدود کننده و بهبود آن

۵-پروفایلینگ پوششی کد:
کدام بخش کد در طول یک جریان ،اجرا شدند کمک به تست و شناسایی کدام بخش کد اجرا نشده است


۶-پروفایلینگ فراخوانی تابع:
ردیابی فراوانی و مدت زمان فراخوانی تابع، درک سلسله مراتب فراخوانی و شناسایی توابع با تاثیر بالا

پروفایلینگ نباید در دسترس غیر توسعه دهندگان قرار گیرد ،این رویکرد و ابزارهای آن تنها مورد استفاده تیم توسعه جهت شناسایی ضعف سیستم و کدها در جهت بهبود آن می باشد نه بیشتر

pip install django-silk

INSTALLED_APPS = [
    ...
    'silk'
]


MIDDLEWARE = [
    ...
    'silk.middleware.SilkyMiddleware',
]

from django.contrib import admin
from django.urls import path, include
from django.conf import settings


urlpatterns = [
    path('admin/', admin.site.urls),
]

if settings.DEBUG:
    urlpatterns += [path('silk/', include('silk.urls', namespace='silk'))]

python manage.py makemigrations

python manage.py migrate

python manage.py collectstatic

python manage.py runserver

https://localhost:8000/silk