functions-framework-python

functions-framework-python

Google开源框架简化Python函数开发与部署

Functions Framework for Python是Google开发的开源FaaS框架,支持编写可在多环境运行的Python函数。它简化了HTTP服务器和请求处理,支持HTTP和CloudEvent函数,提供本地开发服务器,并自动解析CloudEvents。该框架实现了跨平台可移植性,适用于Google Cloud Functions、Cloud Run等多种环境,让开发者专注于核心功能实现。

Functions FrameworkPythonFaaSserverlessCloudEventsGithub开源项目

Python 函数框架

PyPI 版本

[![Python 单元测试 CI][ff_python_unit_img]][ff_python_unit_link] [![Python 代码风格检查 CI][ff_python_lint_img]][ff_python_lint_link] [![Python 一致性测试 CI][ff_python_conformance_img]][ff_python_conformance_link] 安全评分卡

这是一个开源的 FaaS(函数即服务)框架,用于编写可移植的 Python 函数 —— 由 Google Cloud Functions 团队为您带来。

函数框架让您可以编写轻量级函数,这些函数可以在多种不同的环境中运行,包括:

该框架允许您从:

def hello(request): return "Hello world!"

转变为:

curl http://my-url # 输出:Hello world!

无需担心编写 HTTP 服务器或复杂的请求处理逻辑。

特性

  • 快速启动本地开发服务器进行测试
  • 响应请求调用函数
  • 自动解析符合 CloudEvents 规范的事件
  • 在无服务器平台之间可移植

安装

通过 pip 安装函数框架:

pip install functions-framework

或者,对于部署,将函数框架添加到您的 requirements.txt 文件中:

functions-framework==3.*

快速入门

快速入门:HTTP 函数(Hello World)

创建一个 main.py 文件,内容如下:

import flask import functions_framework @functions_framework.http def hello(request: flask.Request) -> flask.typing.ResponseReturnValue: return "Hello world!"

您的函数接收一个参数 (request),它是一个 Flask Request 对象。

运行以下命令:

functions-framework --target hello --debug * Serving Flask app "hello" (lazy loading) * Environment: production WARNING: This is a development server. Do not use it in a production deployment. Use a production WSGI server instead. * Debug mode: on * Running on http://0.0.0.0:8080/ (Press CTRL+C to quit)

(如果您安装了多个语言框架,也可以使用 functions-framework-python)。

在浏览器中打开 http://localhost:8080/ 并看到 Hello world!

或者使用另一个终端窗口中的 curl 向此函数发送请求:

curl localhost:8080 # 输出:Hello world!

快速入门:CloudEvent 函数

创建一个 main.py 文件,内容如下:

import functions_framework from cloudevents.http.event import CloudEvent @functions_framework.cloud_event def hello_cloud_event(cloud_event: CloudEvent) -> None: print(f"收到 ID 为 {cloud_event['id']} 的事件,数据为 {cloud_event.data}")

您的函数接收一个 CloudEvent 参数。

运行以下命令在本地运行 hello_cloud_event 目标:

functions-framework --target=hello_cloud_event

在另一个终端中,使用 curl 向函数框架服务器发送请求:

curl -X POST localhost:8080 \ -H "Content-Type: application/cloudevents+json" \ -d '{ "specversion" : "1.0", "type" : "example.com.cloud.event", "source" : "https://example.com/cloudevents/pull", "subject" : "123", "id" : "A234-1234-1234", "time" : "2018-04-05T17:31:00Z", "data" : "hello world" }'

运行 functions-framework 的终端输出:

收到 ID 为 A234-1234-1234 的事件,数据为 hello world

有关发送 CloudEvents 负载的更多信息,请参阅 examples/cloud_run_cloud_events 说明。

快速入门:错误处理

该框架包含一个错误处理程序,类似于 flask.Flask.errorhandler 函数,允许您使用装饰器处理特定的错误类型:

import functions_framework @functions_framework.errorhandler(ZeroDivisionError) def handle_zero_division(e): return "I'm a teapot", 418 def function(request): 1 / 0 return "Success", 200

这个函数将捕获 ZeroDivisionError 并返回不同的响应。

快速入门:Pub/Sub 模拟器

  1. 创建一个 main.py 文件,内容如下:

    def hello(event, context): print("收到", context.event_id)
  2. 在 8080 端口启动函数框架:

    functions-framework --target=hello --signature-type=event --debug --port=8080
  3. 在第二个终端中,在 8085 端口启动 Pub/Sub 模拟器。

    export PUBSUB_PROJECT_ID=my-project gcloud beta emulators pubsub start \ --project=$PUBSUB_PROJECT_ID \ --host-port=localhost:8085

    Pub/Sub 模拟器成功启动后,您应该看到以下内容:

    [pubsub] INFO: Server started, listening on 8085
  4. 在第三个终端中,创建一个 Pub/Sub 主题并为该主题附加一个推送订阅,使用 http://localhost:8080 作为其推送端点。发布一些消息到该主题。观察您的函数被 Pub/Sub 消息触发。

    export PUBSUB_PROJECT_ID=my-project export TOPIC_ID=my-topic export PUSH_SUBSCRIPTION_ID=my-subscription $(gcloud beta emulators pubsub env-init) git clone https://github.com/googleapis/python-pubsub.git cd python-pubsub/samples/snippets/ pip install -r requirements.txt python publisher.py $PUBSUB_PROJECT_ID create $TOPIC_ID python subscriber.py $PUBSUB_PROJECT_ID create-push $TOPIC_ID $PUSH_SUBSCRIPTION_ID http://localhost:8080 python publisher.py $PUBSUB_PROJECT_ID publish $TOPIC_ID

    命令成功运行后,您应该看到以下内容:

    Created topic: projects/my-project/topics/my-topic topic: "projects/my-project/topics/my-topic" push_config { push_endpoint: "http://localhost:8080" } ack_deadline_seconds: 10 message_retention_duration { seconds: 604800 } . Endpoint for subscription is: http://localhost:8080 1 2 3 4 5 6 7 8 9 Published messages to projects/my-project/topics/my-topic.

    在运行函数框架的终端中:

    * Serving Flask app "hello" (lazy loading) * Environment: production WARNING: This is a development server. Do not use it in a production deployment. Use a production WSGI server instead. * Debug mode: on * Running on http://0.0.0.0:8080/ (Press CTRL+C to quit) * Restarting with fsevents reloader * Debugger is active! * Debugger PIN: 911-794-046 收到 1 127.0.0.1 - - [11/Aug/2021 14:42:22] "POST / HTTP/1.1" 200 - 收到 2 127.0.0.1 - - [11/Aug/2021 14:42:22] "POST / HTTP/1.1" 200 - 收到 5 127.0.0.1 - - [11/Aug/2021 14:42:22] "POST / HTTP/1.1" 200 - 收到 6 127.0.0.1 - - [11/Aug/2021 14:42:22] "POST / HTTP/1.1" 200 - 收到 7 127.0.0.1 - - [11/Aug/2021 14:42:22] "POST / HTTP/1.1" 200 - 收到 8 127.0.0.1 - - [11/Aug/2021 14:42:22] "POST / HTTP/1.1" 200 - 收到 9 127.0.0.1 - - [11/Aug/2021 14:42:39] "POST / HTTP/1.1" 200 - 收到 3 127.0.0.1 - - [11/Aug/2021 14:42:39] "POST / HTTP/1.1" 200 - 收到 4 127.0.0.1 - - [11/Aug/2021 14:42:39] "POST / HTTP/1.1" 200 -

有关从 Pub/Sub 事件中提取数据的更多详细信息,请参阅 https://cloud.google.com/functions/docs/tutorials/pubsub#functions_helloworld_pubsub_tutorial-python

快速入门:构建可部署的容器

  1. 安装 Dockerpack 工具

  2. 使用函数 buildpacks 从您的函数构建容器:

     pack build \
         --builder gcr.io/buildpacks/builder:v1 \
         --env GOOGLE_FUNCTION_SIGNATURE_TYPE=http \
         --env GOOGLE_FUNCTION_TARGET=hello \
         my-first-function
    
  3. 启动构建的容器:

     docker run --rm -p 8080:8080 my-first-function
     # 输出:Serving function...
    
  4. 在另一个终端窗口中使用 curl 向此函数发送请求:

     curl localhost:8080
     # 输出:Hello World!
    

在无服务器平台上运行您的函数

Google Cloud Functions

此函数框架基于 Google Cloud Functions 上的 Python 运行时

在 Cloud Functions 上,无需使用函数框架:您不需要将其添加到 requirements.txt 文件中。 编写完函数后,您可以使用gcloud命令行工具直接从本地机器部署它。查看Cloud Functions快速入门

Cloud Run/在GKE上运行Cloud Run

编写完函数并将Functions Framework添加到requirements.txt文件后,剩下的就是创建一个容器镜像。查看Python的Cloud Run快速入门以创建容器镜像并将其部署到Cloud Run。构建容器时,您需要编写一个Dockerfile。这个Dockerfile允许您精确指定容器中包含的内容(包括自定义二进制文件、特定操作系统等)。这里是一个调用Functions Framework的Dockerfile示例。

如果您想对环境有更多控制,可以将容器镜像部署到GKE上的Cloud Run。使用GKE上的Cloud Run,您可以在GKE集群上运行函数,这gives您对环境的额外控制(包括使用基于GPU的实例、更长的超时时间等)。

基于Knative的容器环境

Cloud Run和GKE上的Cloud Run都实现了Knative Serving API。Functions Framework设计为与Knative环境兼容。只需构建您的容器并将其部署到Knative环境即可。

配置Functions Framework

您可以使用命令行标志或环境变量配置Functions Framework。如果同时指定两者,环境变量将被忽略。

命令行标志环境变量描述
--hostHOSTFunctions Framework监听请求的主机。默认值:0.0.0.0
--portPORTFunctions Framework监听请求的端口。默认值:8080
--targetFUNCTION_TARGET响应请求时要调用的导出函数的名称。默认值:function
--signature-typeFUNCTION_SIGNATURE_TYPE编写函数时使用的签名。控制反序列化规则并确定用于调用函数的参数。默认值:http;接受的值:httpeventcloudevent
--sourceFUNCTION_SOURCE包含函数的文件路径。默认值:main.py(在当前工作目录中)
--debugDEBUG允许functions-framework在调试模式下运行的标志,包括实时重载。默认值:False

启用Google Cloud Function事件

Functions Framework可以将传入的Google Cloud Functions事件负载反序列化为eventcontext对象。当函数收到请求时,这些对象将作为参数传递给您的函数。请注意,您的函数必须使用event风格的函数签名:

def hello(event, context): print(event) print(context)

要启用自动反序列化,请使用--signature-type命令行标志或FUNCTION_SIGNATURE_TYPE环境变量将函数签名类型设置为event。默认情况下,将使用HTTP签名,并禁用自动事件反序列化。

有关此签名类型的更多详细信息,请参阅Google Cloud Functions文档中关于后台函数的部分。

查看运行示例

高级示例

更高级的指南可以在examples/目录中找到。您还可以在这里找到使用CloudEvent Python SDK的示例。

贡献

欢迎并鼓励对这个库进行贡献。有关如何开始的更多信息,请参阅CONTRIBUTING

编辑推荐精选

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI助手AI工具AI写作工具AI辅助写作蛙蛙写作学术助手办公助手营销助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

聊天机器人AI助手热门AI工具AI对话
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

下拉加载更多