Se você como eu é um desenvolvedor incansável quando o assunto é automatizar ao máximo seu workflow de trabalho,este post foi feito para você. O fig utilizando-se do docker, torna a criação de ambientes de desenvolvimento algo muito simples.
Instalação
A instalação do fig é bem simples, primeiro você terá que ter o docker instalado em sua máquina, caso não tenha, siga esse tutorial onde exemplifico a instalação do mesmo de forma bem simples. Com o docker pronto, é hora de instalar o fig, essa ferramenta é um pacote python, e a forma mais simples de instalá-la é através do pip, que é o gerenciador de pacotes do python, caso não o tenha instalado em sua máquina, acesse o site oficial e veja a forma mais simples para você obtê-lo. Com tudo pronto, execute no terminal.
Utilizando o fig com django
Com o docker e o fig devidamente instalados em sua máquina, é hora de integrar o django com essa maravilhosa ferramenta, para tanto, criaremos um diretório com um nome qualquer, aqui chamado de “app”, e dentro do mesmo criaremos um arquivo chamado “Dockerfile”, com o seguinte conteúdo.
ENV PYTHONUNBUFFERED 1
RUN mkdir /code
WORKDIR /code
ADD requirements.txt /code/
RUN pip install -r requirements.txt
ADD . /code/
Em seguinda criaremos um arquivo chamado “requirements.txt”, com os seguintes pacotes.
psycopg2
E por fim um arquivo, “fig.yml”, com a configuração abaixo.
image: postgres
web:
build: .
command: python manage.py runserver 0.0.0.0:8000
volumes:
– .:/code
ports:
– “8000:8000”
links:
– db
Quem é quem no jogo do bicho
Com os arquivos criados é hora de entender qual a função de cada um no workflow.
Dockerfile – É o arquivo que especifica como uma imagem no docker será criada, os pacotes que serão instalados, usuários que serão criados, portas que serão expostas, diretórios que serão compartilhados entre o host e um container, etc. Para mais informações acesse.
requirements.txt – É um arquivo que guarda todas as dependências de um projeto python.
fig.yml – É o arquivo de configuração do fig, é composto por blocos e cada bloco corresponde a um container, podendo eles serem “linkados”, o fig utilizará esse arquivo como base para criar os conteineres necessários, e executar tudo que foi especificado no mesmo.
Com os arquivos finalizados, é hora de criar uma aplicação em django, para isso basta.
E o resultado será esse:
Dockerfile fig.yml figexample manage.py requirements.txt
Com a aplicação em mãos, a primeira coisa que você deve fazer é abrir o arquivo settings.py de sua aplicação, e configurar o banco de dados da mesma. Para isso no arquivo figexample/settings.py basta especificar as configurações abaixo no banco de dados.
‘default’: {
‘ENGINE’: ‘django.db.backends.postgresql_psycopg2’,
‘NAME’: ‘postgres’,
‘USER’: ‘postgres’,
‘HOST’: ‘db’,
‘PORT’: 5432,
}
}
Com o banco configurado é hora de subir sua aplicação, na pasta raiz do projeto use.
O fig se encarregará de criar todos os conteineres, linkalos, e startar sua aplicação na porta 8000, acesse seu localhost:8000 e você verá sua aplicação em execução.
Para rodar os comandos do django, você pode fazer da seguinte forma.
Por exemplo.
Lembrando que esse comando sempre será o padrão.
Conclusão
Como você pode ver, o fig em conjunto com o docker torna seu workflow algo extremamente simples e eficaz. O melhor disso tudo, é que, para trabalhar com esse mesmo ambiente em uma nova máquina, você apenas precisará do fig e docker instalados, acessar a rais do projeto e executar um fig up, gerando com isso,uma comodidade jamais vista.
Este artigo foi importado automaticamente por fazer parte do Planetário Dev. Quer fazer parte deste HUB de conteúdos? Faça parte do Planetário e veja as vantagens.
Não tem site ou blog? Seja um autor do site e ainda pode ser remunerado.
Leia também: