Day 30 Pt.1 | Master 服务开发

# 如果没安装，请先执行
pip install fastapi uvicorn sqlalchemy aiomysql pymysql cryptography

from sqlalchemy.ext.asyncio import create_async_engine, AsyncSession
from sqlalchemy.orm import sessionmaker, declarative_base

# 1. 数据库连接串
# 注意协议头是 mysql+aiomysql
# 为了演示方便，我们暂时写死。生产环境请使用 os.getenv 读取环境变量
DB_URL = "mysql+aiomysql://root:root@localhost:3306/monitor_system"

# 2. 创建异步引擎
# echo=True 会在控制台打印生成的 SQL，开发时非常有用
engine = create_async_engine(DB_URL, echo=True)

# 3. 创建 Session 工厂
# expire_on_commit=False 是异步 Session 的必须配置
# 防止提交后属性过期导致需重新查询
AsyncSessionLocal = sessionmaker(
    engine, 
    class_=AsyncSession, 
    expire_on_commit=False
)

Base = declarative_base()

# 4. 依赖注入函数 (Dependency)
# FastAPI 的核心魔法：每个请求都会获得一个独立的 DB Session
# 请求结束时自动关闭 Session，防止连接泄漏
async def get_db():
    async with AsyncSessionLocal() as session:
        yield session

from sqlalchemy import Column, Integer, String, Float, DateTime
from sqlalchemy.sql import func
from database import Base

# ORM 模型：对应数据库表结构
class Metric(Base):
    __tablename__ = "server_metrics"
    
    id = Column(Integer, primary_key=True)
    hostname = Column(String(64), index=True)
    ip = Column(String(15))
    cpu = Column(Float)
    mem = Column(Float)
    disk = Column(Float)
    # server_default 让数据库自己处理时间
    created_at = Column(DateTime, server_default=func.now())

from pydantic import BaseModel, Field

# Schema 模型：对应 API JSON 结构
class MetricReport(BaseModel):
    hostname: str
    ip: str
    # 加上校验规则：0-100 之间。
    # 如果 Agent 传了 101，Pydantic 会直接抛出 422 错误
    cpu: float = Field(..., ge=0, le=100, description="CPU使用率")
    mem: float = Field(..., ge=0, le=100, description="内存使用率")
    disk: float = Field(..., ge=0, le=100, description="磁盘使用率")

# 响应模型
class MetricResponse(MetricReport):
    id: int
    created_at: str 
    
    class Config:
        # 允许 Pydantic 直接读取 ORM 对象
        orm_mode = True

from fastapi import FastAPI, Depends, HTTPException
from sqlalchemy.ext.asyncio import AsyncSession
from sqlalchemy import select, desc
import models, database, schemas

app = FastAPI(title="Hybrid-Monitor Master")

# 启动钩子：自动建表
# 注意：生产环境通常用 Alembic 做迁移，但开发环境这样最快
@app.on_event("startup")
async def startup():
    async with database.engine.begin() as conn:
        await conn.run_sync(models.Base.metadata.create_all)

# 接口 A: 接收上报 (POST)
# response_model=dict 简化返回，我们只需要告诉 Agent 成功了
@app.post("/api/v1/report", status_code=201)
async def report_metric(
    data: schemas.MetricReport, 
    db: AsyncSession = Depends(database.get_db)
):
    # 1. 将 Pydantic Schema 转为 ORM Model
    # **data.dict() 是解包语法，相当于 hostname=data.hostname, ...
    new_metric = models.Metric(**data.dict())
    
    # 2. 添加到 Session
    db.add(new_metric)
    
    # 3. 异步提交
    # ⚠️ 必须 await commit，否则数据不会入库
    await db.commit()
    
    return {"msg": "saved"}

# 接口 B: 获取全网负载最高的 5 台机器 (GET)
@app.get("/api/v1/top")
async def get_top_cpu(db: AsyncSession = Depends(database.get_db)):
    # 异步查询语法: select(模型).order_by(...).limit(...)
    query = select(models.Metric).order_by(desc(models.Metric.cpu)).limit(5)
    
    result = await db.execute(query)
    
    # scalars().all() 将结果转换为 Model 对象列表
    return result.scalars().all()

if __name__ == "__main__":
    import uvicorn
    # 启动服务
    uvicorn.run(app, host="0.0.0.0", port=8000)