Strukturieren Sie ein Python-Projekt in hexagonaler Architektur mit Lambda AWS

Loggen Sie sich ein bei GitHub.

Erstellen Sie ein neues Repository. Anweisungen finden Sie in der GitHub Dokumentation.

Klonen Sie das Beispiel-Repository für dieses Muster und übertragen Sie es in das neue Repository in Ihrem Konto.

Installieren Sie Poetry.

pip install poetry

Installiere Pakete aus dem Stammverzeichnis. Der folgende Befehl installiert die Anwendung und die AWS CDK Pakete. Außerdem werden Entwicklungspakete installiert, die für die Ausführung von Komponententests erforderlich sind. Alle installierten Pakete werden in einer neuen virtuellen Umgebung platziert.

poetry install

Um eine grafische Darstellung der installierten Pakete zu sehen, führen Sie den folgenden Befehl aus.

poetry show --tree

Aktualisieren Sie alle Abhängigkeiten.

poetry update

Öffnen Sie eine neue Shell in der neu erstellten virtuellen Umgebung. Sie enthält alle installierten Abhängigkeiten.

poetry shell

Aktualisieren Sie die .vscode/settings Datei.

{
    "python.testing.pytestArgs": [
        "app/adapters/tests",
        "app/entrypoints/api/tests",
        "app/domain/tests"
    ],
    "python.testing.unittestEnabled": false,
    "python.testing.pytestEnabled": true,
    "python.envFile": "${workspaceFolder}/.env",
} 

Erstellen Sie eine .env Datei im Stammverzeichnis des Projekts. Dadurch wird sichergestellt, dass das Stammverzeichnis des Projekts im Verzeichnis enthalten ist, PYTHONPATH sodass Sie es pytest finden und alle Pakete richtig erkennen können.

PYTHONPATH=. 

Wählen Sie den Python-Interpreter der virtuellen Umgebung, die von Poetry verwaltet wird.

Führen Sie Tests im Test Explorer aus.

Starten Sie eine neue Shell in der virtuellen Umgebung.

poetry shell

Führen Sie den pytest Befehl im Stammverzeichnis aus.

python -m pytest

Alternativ können Sie den Befehl direkt von Poetry aus ausführen.

poetry run python -m pytest

Installieren Sie die AWS CDK Version 2.

npm install -g aws-cdk

Weitere Informationen finden Sie in der AWSCDKDokumentation.

Booten Sie das AWS CDK in Ihr Konto und Ihre Region.

cdk bootstrap aws://12345678900/us-east-1 --profile aws-profile-name

Stellen Sie die Anwendung mithilfe eines AWS Profils als AWS CloudFormation Stack bereit.

cdk deploy --profile aws-profile-name

Installieren Sie Postman als eigenständige Anwendung oder Browsererweiterung.

Kopieren Sie den Endpunkt URL für das API Gateway. Es wird das folgende Format haben.

https://{api-id}.execute-api.{region}.amazonaws.com/{stage}/{path}

Konfigurieren Sie die AWS Signatur auf der Registerkarte Autorisierung. Anweisungen finden Sie im AWS re:POST-Artikel zur Aktivierung der IAM Authentifizierung für API Gateway. REST APIs

Verwenden Sie Postman, um Anfragen an Ihren Endpunkt zu senden. API

Erstellen Sie eine Python-Datei in dem app/domain/tests Ordner, indem Sie das test_ Dateinamenpräfix verwenden.

Erstellen Sie eine neue Testmethode, um die neue Geschäftslogik anhand des folgenden Beispiels zu testen.

def test_create_product_should_store_in_repository():
    # Arrange
    command = create_product_command.CreateProductCommand(
        name="Test Product",
        description="Test Description",
    )
    # Act
    create_product_command_handler.handle_create_product_command(
        command=command, unit_of_work=mock_unit_of_work
    )
 # Assert

Erstellen Sie eine Befehlsklasse im app/domain/commands Ordner. 

Wenn die Funktionalität neu ist, erstellen Sie im app/domain/command_handlers Ordner einen Stub für den Befehlshandler.

Führen Sie den Komponententest aus, um festzustellen, ob er fehlschlägt, da es immer noch keine Geschäftslogik gibt.

python -m pytest

Implementieren Sie Geschäftslogik in der neu erstellten Befehlshandler-Datei. 

Deklarieren Sie für jede Abhängigkeit, die mit externen Systemen interagiert, eine abstrakte Klasse im app/domain/ports Ordner.

class ProductsRepository(ABC):
    @abstractmethod
    def add(self, product: product.Product) -> None:
        ...
 
class UnitOfWork(ABC):
    products: ProductsRepository

    @abstractmethod
    def commit(self) -> None:
        ...

    @abstractmethod
    def __enter__(self) -> typing.Any:
        ...

    @abstractmethod
    def __exit__(self, *args) -> None:
        ...

Aktualisieren Sie die Befehlshandler-Signatur, sodass sie die neu deklarierten Abhängigkeiten akzeptiert, indem Sie die abstrakte Port-Klasse als Typanmerkung verwenden.

def handle_create_product_command(
    command: create_product_command.CreateProductCommand,
    unit_of_work: unit_of_work.UnitOfWork,
) -> str:
    ...

Aktualisieren Sie den Komponententest, um das Verhalten aller deklarierten Abhängigkeiten für den Befehlshandler zu simulieren.

    # Arrange
    mock_unit_of_work = unittest.mock.create_autospec(
        spec=unit_of_work.UnitOfWork, instance=True
    )
    mock_unit_of_work.products = unittest.mock.create_autospec(
        spec=unit_of_work.ProductsRepository, instance=True
    )

Aktualisieren Sie die Assertionslogik im Test, um nach den erwarteten Abhängigkeitsaufrufen zu suchen.

  # Assert
    mock_unit_of_work.commit.assert_called_once()
    product = mock_unit_of_work.products.add.call_args.args[0]

    assertpy.assert_that(product.name).is_equal_to("Test Product")
    assertpy.assert_that(product.description).is_equal_to("Test Description")

Führen Sie den Komponententest aus, um zu sehen, ob er erfolgreich ist.

python -m pytest

Erstellen Sie eine Testdatei in dem app/adapters/tests Ordner, indem Sie test_ sie als Dateinamenpräfix verwenden.

Verwenden Sie die Moto-Bibliothek, um AWS Dienste nachzuahmen.

@pytest.fixture 
def mock_dynamodb(): 
   with moto.mock_dynamodb(): 
    yield boto3.resource("dynamodb", region_name="eu-central-1")

Erstellen Sie eine neue Testmethode für einen Integrationstest des Adapters.

def test_add_and_commit_should_store_product(mock_dynamodb):
    # Arrange
    unit_of_work = dynamodb_unit_of_work.DynamoDBUnitOfWork(
        table_name=TEST_TABLE_NAME, dynamodb_client=mock_dynamodb.meta.client
    )
    current_time = datetime.datetime.now(datetime.timezone.utc).isoformat()

    new_product_id = str(uuid.uuid4())
    new_product = product.Product(
        id=new_product_id,
        name="test-name",
        description="test-description",
        createDate=current_time,
        lastUpdateDate=current_time,
    )

    # Act
    with unit_of_work:
        unit_of_work.products.add(new_product)
        unit_of_work.commit()
 
    # Assert

Erstellen Sie eine Adapterklasse im app/adapters Ordner. Verwenden Sie die abstrakte Klasse aus dem Ports-Ordner als Basisklasse.

Führen Sie den Komponententest aus, um festzustellen, ob er fehlschlägt, da immer noch keine Logik vorhanden ist.

python -m pytest

Implementieren Sie Logik in der neu erstellten Adapterdatei.

Aktualisieren Sie die Test-Assertionen.

# Assert
    with unit_of_work_readonly:
        product_from_db = unit_of_work_readonly.products.get(new_product_id)

    assertpy.assert_that(product_from_db).is_not_none()
    assertpy.assert_that(product_from_db.dict()).is_equal_to(
        {
            "id": new_product_id,
            "name": "test-name",
            "description": "test-description",
            "createDate": current_time,
            "lastUpdateDate": current_time,
        }
    )

Führen Sie den Komponententest aus, um zu sehen, ob er erfolgreich ist.

python -m pytest

Erstellen Sie eine Testdatei in dem app/entrypoints/api/tests Ordner, indem Sie test_ sie als Dateinamenpräfix verwenden. 

Erstellen Sie ein Lambda-Kontext-Fixture, das vom Test zum Aufrufen von Lambda verwendet wird.

@pytest.fixture
def lambda_context():
    @dataclass
    class LambdaContext:
        function_name: str = "test"
        memory_limit_in_mb: int = 128
        invoked_function_arn: str = "arn:aws:lambda:eu-west-1:809313241:function:test"
        aws_request_id: str = "52fdfc07-2182-154f-163f-5f0f9a621d72"

 return LambdaContext()

Erstellen Sie eine Testmethode für den Aufruf. API

def test_create_product(lambda_context):
    # Arrange
    name = "TestName"
    description = "Test description"
    request = api_model.CreateProductRequest(name=name, description=description)

    minimal_event = api_gateway_proxy_event.APIGatewayProxyEvent(
        {
            "path": "/products",
            "httpMethod": "POST",
            "requestContext": {  # correlation ID
                "requestId": "c6af9ac6-7b61-11e6-9a41-93e8deadbeef"
            },
            "body": json.dumps(request.dict()),
        }
    )

    create_product_func_mock = unittest.mock.create_autospec(
        spec=create_product_command_handler.handle_create_product_command
    )
    handler.create_product_command_handler.handle_create_product_command = (
        create_product_func_mock
    )

    # Act
    handler.handler(minimal_event, lambda_context)

Führen Sie den Komponententest aus, um festzustellen, ob er fehlschlägt, da immer noch keine Logik vorhanden ist.

python -m pytest

Erstellen Sie eine Funktion für die API Geschäftslogik und deklarieren Sie sie als API Ressource.

@tracer.capture_method
@app.post("/products")
@utils.parse_event(model=api_model.CreateProductRequest, app_context=app)
def create_product(
    request: api_model.CreateProductRequest,
) -> api_model.CreateProductResponse:
    """Creates a product."""
...

Hinweis: Alle Decorators, die Sie sehen, sind Funktionen der AWS Lambda Powertools for Python-Bibliothek. Einzelheiten finden Sie auf der Website AWSLambda Powertools for Python.

Implementieren Sie die LogikAPI.

id=create_product_command_handler.handle_create_product_command(
        command=create_product_command.CreateProductCommand(
            name=request.name,
            description=request.description,
        ),
        unit_of_work=unit_of_work,
    )
    response = api_model.CreateProductResponse(id=id)
    return response.dict()

Führen Sie den Komponententest aus, um zu sehen, ob er erfolgreich ist.

python -m pytest