关于“Python”的核心知识点整理大全63

20.2.11 使用 Git 跟踪项目文件

1. 安装Git

2. 配置Git

3. 忽略文件

.gitignore

注意

4. 提交项目

20.2.12 推送到 Heroku

注意

20.2.13 在 Heroku 上建立数据库

20.2.14 改进 Heroku 部署

1. 在Heroku上创建超级用户

注意

20.2.11 使用 Git 跟踪项目文件

如果你阅读完了第17章，就知道Git是一个版本控制程序，让你能够在每次成功实现新功能后都拍摄项目代码的快照。无论出现什么问题（如实现新功能时不小心引入了bug），你都可以轻松地恢复到最后一个可行的快照。每个快照都被称为提交。使用Git意味着你在试着实现新功能时无需担心破坏项目。将项目部署到服务器时，需要确保部署的是可行版本。如果你想更详细地了解Git和版本控制，请参阅附录D。

1. 安装Git

Heroku Toolbelt包含Git，因此它应该已经安装到了你的系统中。然而，在安装Heroku Toolbelt之前打开的终端窗口中无法访问Git，因此请打开一个新的终端窗口，并在其中执行命令git --version：

(ll_env)learning_log$ git --version
git version 2.5.0

如果由于某种原因出现了错误消息，请参阅附录D中的Git安装说明。

2. 配置Git

Git跟踪谁修改了项目，即便项目由一个人开发时亦如此。为进行跟踪，Git需要知道你的用户名和email。因此，你必须提供用户名，但对于练习项目，可随便伪造一个email：

(ll_env)learning_log$ git config --global user.name "ehmatthes"
(ll_env)learning_log$ git config --global user.email "eric@example.com"

如果你忘记了这一步，当你首次提交时，Git将提示你提供这些信息。

3. 忽略文件

我们无需让Git跟踪项目中的每个文件，因此将让Git忽略一些文件。为此，在manage.py所在的文件夹中创建一个名为.gitignore的文件。注意，这个文件名以句点打头，且不包含扩展名。在这个文件中输入如下内容：

.gitignore

ll_env/
__pycache__/
*.sqlite3

我们让Git忽略目录ll_env，因为我们随时都可以自动重新创建它。我们还指定不跟踪目录 __pycache__，这个目录包含Django运行.py文件时自动创建的.pyc文件。我们没有跟踪对本地数据库的修改，因为这是一个糟糕的做法：如果你在服务器上使用的是SQLite，当你将项目推送到服务器时，可能会不小心用本地测试数据库覆盖在线数据库。

注意

如果你使用的是Python 2.7，请将_pycache_替换为*.pyc，因为Python 2.7不会创建目录 __pycache__。

4. 提交项目

我们需要为“学习笔记”初始化一个Git仓库，将所有必要的文件都加入到这个仓库中，并提交项目的初始状态，如下所示：

1 (ll_env)learning_log$ git init
Initialized empty Git repository in /home/ehmatthes/pcc/learning_log/.git/
2 (ll_env)learning_log$ git add .
3 (ll_env)learning_log$ git commit -am "Ready for deployment to heroku."
[master (root-commit) dbc1d99] Ready for deployment to heroku.
 43 files changed, 746 insertions(+)
 create mode 100644 .gitignore
 create mode 100644 Procfile
 --snip--
 create mode 100644 users/views.py
4 (ll_env)learning_log$ git status
# On branch master
nothing to commit, working directory clean
(ll_env)learning_log$

在1处，我们执行命令git init，在“学习笔记”所在的目录中初始化一个空仓库。在2处，我们执行了命令git add .（千万别忘了这个句点），它将未被忽略的文件都添加到这个仓库中。在3处，我们执行了命令git commit -am commit message，其中的标志-a让Git在这个提交中包含所有修改过的文件，而标志-m让Git记录一条日志消息。

在4处，我们执行了命令git status，输出表明当前位于分支master中，而工作目录是干净（clean）的。每当你要将项目推送到Heroku时，都希望看到这样的状态。

20.2.12 推送到 Heroku

我们终于为将项目推送到Heroku做好了准备。在活动的虚拟环境中，执行下面的命令：

1 (ll_env)learning_log$ heroku login
Enter your Heroku credentials.
Email: eric@example.com
Password (typing will be hidden):
Logged in as eric@example.com
2 (ll_env)learning_log$ heroku create
Creating afternoon-meadow-2775... done, stack is cedar-14
https://afternoon-meadow-2775.herokuapp.com/ |
 https://git.heroku.com/afternoon-meadow-2775.git
Git remote heroku added
3 (ll_env)learning_log$ git push heroku master
--snip--
remote: -----> Launching... done, v6
4 remote: https://afternoon-meadow-2775.herokuapp.com/ deployed to Heroku
remote: Verifying deploy.... done.
To https://git.heroku.com/afternoon-meadow-2775.git
 bdb2a35..62d711d master -> master
(ll_env)learning_log$

首先，在终端会话中，使用你在https://heroku.com/创建账户时指定的用户名和密码来登录 Heroku（见1）。然后，让Heroku创建一个空项目（见2）。Heroku生成的项目名由两个单词和一个数字组成，你以后可修改这个名称。接下来，我们执行命令git push heroku master（见3），它让Git将项目的分支master推送到Heroku刚才创建的仓库中；Heroku随后使用这些文件在其服务器上创建项目。4处列出了用于访问这个项目的URL。

执行这些命令后，项目就部署好了，但还未对其做全面的配置。为核实正确地启动了服务器进程，请执行命令heroku ps：

(ll_env)learning_log$ heroku ps
1 Free quota left: 17h 40m
2 === web (Free): `gunicorn learning_log.wsgi __log-file -`
web.1: up 2015/08/14 07:08:51 (~ 10m ago)
(ll_env)learning_log$

输出指出了在接下来的24小时内，项目还可在多长时间内处于活动状态（见1）。编写本书时，Heroku允许免费部署在24小时内最多可以有18小时处于活动状态。项目的活动时间超过这个限制后，将显示标准的服务器错误页面，稍后我们将设置这个错误页面。在2处，我们发现启动了Procfile指定的进程。

现在，我们可以使用命令heroku open在浏览器中打开这个应用程序了：

(ll_env)learning_log$ heroku open
Opening afternoon-meadow-2775... done

你也可以启动浏览器并输入Heroku告诉你的URL，但上述命令可实现同样的结果。你将看到 “学习笔记”的主页，其样式设置正确无误，但你还无法使用这个应用程序，因为我们还没有建立数据库。

注意

部署到Heroku的流程会不断变化。如果你遇到无法解决的问题，请通过查看Heroku文档来获取帮助。为此，可访问https://devcenter.heroku.com/，单击Python，再单击链接Getting Started with Django。如果你看不懂这些文档，请参阅附录C提供的建议。

20.2.13 在 Heroku 上建立数据库

为建立在线数据库，我们需要再次执行命令migrate，并应用在开发期间生成的所有迁移。要对Heroku项目执行Django和Python命令，可使用命令heroku run。下面演示了如何对Heroku部署执行命令migrate：

1 (ll_env)learning_log$ heroku run python manage.py migrate
2 Running `python manage.py migrate` on afternoon-meadow-2775... up, run.2435
 --snip--
3 Running migrations:
 --snip--
 Applying learning_logs.0001_initial... OK
 Applying learning_logs.0002_entry... OK
 Applying learning_logs.0003_topic_user... OK
 Applying sessions.0001_initial... OK
(ll_env)learning_log$

我们首先执行了命令heroku run python manage.py migrate（见1）；Heroku随后创建一个终端会话来执行命令migrate（见2）。在3处，Django应用默认迁移以及我们在开发“学习笔记” 期间生成的迁移。现在如果你访问这个部署的应用程序，将能够像在本地系统上一样使用它。然而，你看不到你在本地部署中输入的任何数据，因为它们没有复制到在线服务器。一种通常的做法是不将本地数据复制到在线部署中，因为本地数据通常是测试数据。你可以分享“学习笔记”的Heroku URL，让任何人都可以使用它。在下一节，我们将再完成几个任务，以结束部署过程并让你能够继续开发“学习笔记”。

20.2.14 改进 Heroku 部署

在本节中，我们将通过创建超级用户来改进部署，就像在本地一样。我们还将让这个项目更安全：将DEBUG设置为False，让用户在错误消息中看不到额外的信息，以防他们使用这些信息来攻击服务器。

1. 在Heroku上创建超级用户

我们知道可使用命令heroku run来执行一次性命令，但也可这样执行命令：在连接到了Heroku 服务器的情况下，使用命令heroku run bash来打开Bash终端会话。Bash是众多Linux终端运行的语言。我们将使用Bash终端会话来创建超级用户，以便能够访问在线应用程序的管理网站：

(ll_env)learning_log$ heroku run bash
Running `bash` on afternoon-meadow-2775... up, run.6244
1 ~ $ ls
learning_log learning_logs manage.py Procfile requirements.txt runtime.txt users
staticfiles
2 ~ $ python manage.py createsuperuser
Username (leave blank to use 'u41907'): ll_admin
Email address:
Password:
Password (again):
Superuser created successfully.
3 ~ $ exit 
exit
(ll_env)learning_log$

在1处，我们执行命令ls，以查看服务器上有哪些文件和目录；服务器包含的文件和目录应该与本地系统相同。你可以像遍历其他文件系统一样遍历这个文件系统。

注意

即便你使用的是Windows系统，也应使用这里列出的命令（如ls而不是dir），因为你正通过远程连接运行一个Linux终端。

在2处，我们执行了创建超级用户的命令，它像第18章在本地系统创建超级用户一样提示你输入相关的信息。在这个终端会话中创建超级用户后，使用命令exit返回到本地系统的终端会话（见3）。

现在，你可以在在线应用程序的URL末尾添加/admin/来登录管理网站了。对我而言，这个 URL为https://afternoon-meadow-2775.herokuapp.com/admin/。如果已经有其他人开始使用这个项目，别忘了你可以访问他们的所有数据！千万别不把这当回事，否则用户就不会再将其数据托付给你了。

2. 在Heroku上创建对用户友好的URL

你可能希望URL更友好，比https://afternoon-meadow-2775.herokuapp.com/更好记。为此，可只需使用一个命令来重命名应用程序：

(ll_env)learning_log$ heroku apps:rename learning-log
Renaming afternoon-meadow-2775 to learning-log... done
https://learning-log.herokuapp.com/ | https://git.heroku.com/learning-log.git
Git remote heroku updated
(ll_env)learning_log$