忍者工坊
0%

如何建立 fly.toml 並快速佈署至 Fly.io

發表於 更新於 分類於

介紹

最近因為有些專案需要有 local Volume，但在 Serverless 上要用偏麻煩，除機器上的本身功能以外，還需要另外開 VM 讓 Container 能夠 mount volume，因此需要類似 Heroku、Fly.io 這類的 SaaS 的服務，可以用很少量的費用去使用到 Database/Volume 的功能…

過往使用 Heroku 經驗也是會睡眠之後把記憶體(SQLite)內容清乾淨，因此上一篇「在 Fly.io 上架設 Uptime Kuma 監控 Side Project」時策之後發現不會被清掉，因此就延續這邊來介紹使用

背景

有用過 Heroku, Google Cloud, Amazon…+本篇 Fly.io，在一體式與分離式的雲服務基本上都用過

  • 像是 Heroku & Fly.io 就可以一包 code 直接上，連 Database/NoSQL 都可以直接弄
  • GCP/AWS 則是可以獨立操作想要的功能，需要時在整合，比較乾淨也不會一次佈署搞的霧煞煞

那基本上就是依需求為主，個別有好處也有各自的 config 需要讀寫，但反正概念上都差不多，先學一套剩下的都好處理 💪

操作步驟

1
brew install flyctl

如果你已經有帳號的話

1
fly auth login

第一次還沒有 config 可以使用以下指令，透過 UI 的方式幫忙建立 Fly config

1
fly launch

畫面上的東西確認後，會在專案下看到 fly.io 幫你建立的 fly.toml，範例如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# fly.toml app configuration file generated for SERVICE_NAME on 2024-04-03T23:36:13+08:00
#
# See https://fly.io/docs/reference/configuration/ for information about how to use this file.
#

app = 'SERVICE_NAME'
primary_region = 'sin'

[build]

[env]
  LINE_CLIENT_ID = '...'
  LINE_CLIENT_SECRET = '...'
  LINE_REDIRECT_URI = '...'

[http_service]
  internal_port = 8080
  force_https = true
  auto_stop_machines = true
  auto_start_machines = true
  min_machines_running = 0
  processes = ['app']

[[vm]]
  size = 'shared-cpu-1x'

第二次之後需要部屬：

1
fly deploy

Example

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
...
image size: 1.0 GB

Watch your deployment at https://fly.io/apps/SERVICE_NAME/monitoring

-------
Updating existing machines in 'SERVICE_NAME' with rolling strategy

-------
 ✔ [1/2] Machine 9080110f700387 [app] update succeeded
 ✔ [2/2] Machine e784e52b270168 [app] update succeeded
-------
Checking DNS configuration for SERVICE_NAME.fly.dev

Visit your newly deployed app at https://SERVICE_NAME.fly.dev/

如果 RAM 第一次部屬開太大怎麼辦？

參閱文件：https://fly.io/docs/apps/scale-machine/#add-ram

1
2
fly scale memory 512
fly scale show

我換電腦沒有當初的 fly.toml 檔案怎辦？

只要電腦現在終端機有透過 fly auth sign 登入，接下來只要把專案 clone 下來，確定 fly.toml 裡面的 app 後面的名字一樣，進到終端機就可以 fly status 看看機器狀態囉！

flask deploy 有問題，一直 port confuse

如果是依靠 gunicorn 部屬的讀者，以下應該會在 Dockerfile 裡面寫上這一段：

1
CMD ["gunicorn", "api:app", "--log-file=-"]

然而這個啟動方式不論在 app.py 或是 Dockerfile 上寫了 EXPOSE port 為其他的，皆會預設 127.0.0.1:8000，這個舉動會讓 fly.io 感到困惑(confuse)，因為 fly.io 只聽 0.0.0.0，至於 port 應該是不影響，只是在 log 裡面一直看到 port confuse 覺得很奇怪

其中只要把 Dockerfile 裡面的 CMD 改成以下的就可以上去了，記得自己的 app.py 要改 port 喔！

1
CMD ["flask", "run", "--host", "0.0.0.0", "--port", "8000"]

參考文章

結論

Fly.io 這邊還有很多功能可以使用，但大多都需要透過 command line 來操作，是一個比較開發者導向的 SaaS 的服務，但指令滿直觀的，或許都可以參考使用看看喔！