{"id":572015,"date":"2025-06-01T03:09:18","date_gmt":"2025-06-01T02:09:18","guid":{"rendered":"https:\/\/blog.jetbrains.com\/?post_type=pycharm&p=572015"},"modified":"2025-09-15T09:23:40","modified_gmt":"2025-09-15T08:23:40","slug":"deployment-von-django-apps-in-kubernetes","status":"publish","type":"pycharm","link":"https:\/\/blog.jetbrains.com\/de\/pycharm\/2025\/06\/deployment-von-django-apps-in-kubernetes\/","title":{"rendered":"Deployment von Django-Apps in Kubernetes"},"content":{"rendered":"

Als Open-Source-Plattform f\u00fcr die Orchestrierung von Containern, welche das Deployment, die Skalierung und die Lastverteilung automatisiert, bietet Kubernetes eine unvergleichliche Ausfallsicherheit sowie Flexibilit\u00e4t in Bezug auf die Verwaltung Ihrer Django-Anwendungen. <\/strong><\/p>\n

Ganz gleich, ob Sie ein kleines Projekt launchen oder eine komplexe Anwendung verwalten m\u00f6chten: Kubernetes stellt Ihnen eine robuste Umgebung zur Verf\u00fcgung, um Ihre Django-App zu optimieren. Gleichzeitig wird sichergestellt, dass sie den Anforderungen der modernen Webentwicklung gerecht wird.<\/p>\n

Durch die Automatisierung des Deployments, der Skalierung und des Betriebs von containerisierten Anwendungen bietet Kubernetes<\/a> (oder K8s) zahlreiche Vorteile f\u00fcr Organisationen in der schnelllebigen Technologiebranche.<\/p>\n

Unabh\u00e4ngig davon, ob Sie Django-Entwickler*in sind und Ihre Deployment-F\u00e4higkeiten verbessern m\u00f6chten, oder Kubernetes-Fan mit Interesse an der Django-Integration, hat dieser Leitfaden f\u00fcr jeden etwas zu bieten.<\/p>\n

<\/p>\n

In der Einf\u00fchrung zu diesem Tutorial wird die symbiotische Beziehung zwischen Django und Kubernetes untersucht, die es Ihnen erm\u00f6glicht, Ihre Webanwendung nahtlos zu containerisieren, Workloads \u00fcber Cluster zu verteilen und hohe Verf\u00fcgbarkeit zu gew\u00e4hrleisten.<\/p>\n

Django<\/h2>\n

Das Django-Framework \u2013 ein leistungsstarkes Python-Web-Framework \u2013 steht f\u00fcr Effizienz und Einfachheit in der Welt der Webentwicklung. Django wurde aus dem Bed\u00fcrfnis heraus geboren, schnelle, robuste und leicht zu wartende Webanwendungen zu erstellen, und hat sich mittlerweile als bevorzugte Wahl f\u00fcr Entwickler*innen und Organisationen etabliert.<\/p>\n

Django steht f\u00fcr die Philosophie \u201eAlles inklusive\u201c. Es bietet eine umfangreiche Auswahl an integrierten Tools, Bibliotheken und Konventionen, die den Entwicklungsprozess erheblich vereinfachen. Django vereinfacht komplexe Aufgaben wie URL-Routing, Datenbankintegration und Benutzerauthentifizierung, sodass sich Entwickler*innen ganz auf ihre Anwendungen konzentrieren k\u00f6nnen.<\/p>\n

Einer der wichtigsten Vorteile von Django ist die Einhaltung des Prinzips \u201eDon’t repeat yourself\u201c (DRY), wodurch Redundanzen reduziert und die Wartbarkeit des Codes verbessert werden. Au\u00dferdem folgt es dem Architekturmuster Model-View-Controller (MVC), wodurch Apps strukturiert werden und einfach zu verwalten sind.<\/p>\n

Django legt au\u00dferdem gro\u00dfen Wert auf Sicherheit und ist daher weniger anf\u00e4llig f\u00fcr g\u00e4ngige Web-Schwachstellen. Es bietet von Grund auf integrierte Funktionen, die einen effektiven Schutz gegen Cross-Site-Scripting (XSS) und Cross-Site-Request-Forgery (CSRF) gew\u00e4hrleisten. Django wartet mit einer starken Kombination aus Geschwindigkeit, Einfachheit sowie Sicherheit auf und ist die ideale Wahl f\u00fcr Entwickler*innen, die mit minimalem Aufwand robuste, funktionsreiche Webanwendungen erstellen m\u00f6chten.<\/p>\n

Container-Orchestratoren<\/h2>\n

Container-Orchestratoren sind unverzichtbare Tools f\u00fcr die Verwaltung und Automatisierung der Bereitstellung, der Skalierung und des Betriebs von containerisierten Anwendungen. Auf dem Markt gibt es mehrere Container-Orchestratoren. Die beliebtesten sind folgende:<\/p>\n

1. Kubernetes<\/strong>, die f\u00fchrende Open-Source-Plattform f\u00fcr Container-Orchestrierung, bietet eine robuste und anpassungsf\u00e4hige Umgebung f\u00fcr den Umgang mit containerisierten Anwendungen. Kubernetes automatisiert Aufgaben wie Skalierung, Lastverteilung sowie Container-Zustandspr\u00fcfungen und hat ein umfassendes \u00d6kosystem von Erweiterungen vorzuweisen.<\/p>\n

2. Docker Swarm<\/strong> ist eine L\u00f6sung f\u00fcr die Container-Orchestrierung, welche von Docker bereitgestellt wird. Docker Swarm wurde mit dem Ziel entwickelt, unkompliziert eingerichtet und m\u00fchelos genutzt werden zu k\u00f6nnen. Es bietet sich besonders f\u00fcr kleinere Anwendungen oder Organisationen an, die bereits mit Docker vertraut sind, da es die gleiche Befehlszeilenschnittstelle und API nutzt wie Docker selbst.<\/p>\n

3. OpenShift<\/strong> ist eine von Red Hat entwickelte Kubernetes-Plattform f\u00fcr Unternehmen. OpenShift f\u00fcgt Entwicklungs- sowie Betriebstools zu Kubernetes hinzu und vereinfacht das Deployment und die Verwaltung von containerisierten Anwendungen.<\/p>\n

4. Nomad<\/strong>, entwickelt von HashiCorp, ist ein schlanker und benutzerfreundlicher Orchestrator, der Container und nicht containerisierte Anwendungen verwalten kann.<\/p>\n

5. Apache Mesos<\/strong> ist ein Open-Source-Kernel f\u00fcr verteilte Systeme. DC\/OS (Betriebssystem f\u00fcr Rechenzentren) ist eine auf Mesos aufbauende Plattform f\u00fcr Unternehmen. DC\/OS erweitert Mesos um zus\u00e4tzliche Funktionen f\u00fcr die Verwaltung und Skalierung von containerisierten Anwendungen.<\/p>\n

Software-Teams arbeiten haupts\u00e4chlich mit verwalteten Plattformen, die von bekannten Cloud-Anbietern wie AWS, Google Cloud Platform und Azure bereitgestellt werden. Diese Cloud-Anbieter stellen Dienste wie Amazon EKS, Google GKE und Azure AKS zur Verf\u00fcgung, die allesamt verwaltete Kubernetes-L\u00f6sungen sind. Diese Dienste optimieren die Einrichtung, Erweiterung sowie Verwaltung von Kubernetes-Clustern und lassen sich nahtlos in die jeweiligen Cloud-Umgebungen integrieren, um eine effiziente Container-Orchestrierung und Anwendungsbereitstellung zu gew\u00e4hrleisten.<\/p>\n

Erstellen einer Django-Anwendung in PyCharm<\/h2>\n

In diesem Tutorial beginnen wir mit der Erstellung einer minimalen Django-Anwendung. Anschlie\u00dfend werden wir die Anwendung containerisieren und sie im letzten Schritt mit Docker Desktop in einem lokalen Kubernetes-Cluster bereitstellen.<\/p>\n

Falls Sie noch wenig Erfahrung im Umgang mit dem Django-Framework haben und gerne eine Django-Anwendung von Grund auf entwickeln m\u00f6chten, dann ist dieser Blogbeitrag<\/a> genau das Richtige f\u00fcr Sie.<\/p>\n

Sie k\u00f6nnen den in diesem Tutorial verwendeten Quellcode hier<\/a> aufrufen.<\/p>\n

Beginnen wir mit der Erstellung einer neuen Django-Anwendung in PyCharm<\/a>.<\/p>\n

\n
Testen Sie PyCharm Pro kostenlos<\/a><\/div>\n<\/div>\n

Um Ihr Projekt zu erstellen, starten Sie PyCharm und klicken Sie auf New Project<\/strong>. Falls PyCharm bereits l\u00e4uft, w\u00e4hlen Sie File | New Project<\/strong> im Hauptmen\u00fc aus.<\/p>\n

Geben Sie wichtige Details wie den Projektnamen, den Ort und den Interpretertyp an, indem Sie entweder venv<\/a> oder eine benutzerdefinierte Umgebung verwenden.<\/p>\n

<\/p>\n

Klicken Sie dann auf Create<\/strong>.<\/p>\n

PyCharm nimmt Ihnen Arbeit ab, indem es Ihr Projekt einrichtet und die virtuelle Umgebung erstellt.<\/p>\n

<\/p>\n

Gunicorn<\/h3>\n

Sobald das Projekt erstellt wurde, installieren Sie Gunicorn<\/a> \u2013 dabei handelt es sich um einen beliebten, in Python geschriebenen HTTP-Server, der eine \u201eWeb Server Gateway Interface\u201c (WSGI) nutzt. Gunicorn ist ein Webserver mit Prefork-Worker-Modell f\u00fcr Python-Webanwendungen. Das Tool wird h\u00e4ufig in Kombination mit Web-Frameworks wie Django, Flask sowie anderen verwendet, um Webanwendungen bereitzustellen und \u00fcber das Internet zug\u00e4nglich zu machen.<\/p>\n

Das Toolfenster Python Packages<\/strong> bietet die schnellste und einfachste M\u00f6glichkeit, Pakete f\u00fcr den aktuell ausgew\u00e4hlten Python-Interpreter in der Vorschau anzuzeigen und zu installieren.<\/p>\n

Sie k\u00f6nnen das Toolfenster \u00fcber View | Tool Windows | Python Packages<\/strong> \u00f6ffnen.<\/p>\n

<\/p>\n

Psycopg 2<\/h3>\n

Psycopg 2<\/a> ist eine Python-Bibliothek, die f\u00fcr die Verbindung zu und die Interaktion mit PostgreSQL-Datenbanken verwendet wird. Psycopg 2 bietet eine Python-Schnittstelle f\u00fcr die Arbeit mit PostgreSQL, einem der beliebtesten Open-Source-Managementsysteme f\u00fcr relationalen Datenbanken. Psycopg 2 erm\u00f6glicht es Python-Entwickler*innen, verschiedene Datenbankoperationen wie das Einf\u00fcgen, Aktualisieren und Abrufen von Daten sowie die Ausf\u00fchrung von SQL-Abfragen und die Verwaltung von Datenbankverbindungen aus Python-Programmen heraus durchzuf\u00fchren.<\/p>\n

\"\"<\/figure>\n

Bevor Sie psycopg2<\/code> installieren, m\u00fcssen Sie die Abh\u00e4ngigkeiten auf Systemebene einspielen: brew install libpq<\/code> f\u00fcr macOS und apt-get install libpq-dev<\/code> f\u00fcr Linux.<\/p>\n

Referenz: postgresql.org\/docs\/16\/libpq.html<\/a><\/p>\n

libpq<\/code> ist die Client-Bibliothek f\u00fcr PostgreSQL. Es handelt sich um eine C-Bibliothek, welche die notwendigen Funktionen f\u00fcr Client-Anwendungen bereitstellt, um sich mit PostgreSQL-Datenbankservern zu verbinden, mit ihnen zu interagieren und sie zu verwalten.<\/p>\n

Nachdem Sie die entsprechenden \u00c4nderungen vorgenommen haben, aktualisieren Sie den Abschnitt in settings.py<\/code> in Bezug auf DATABASES<\/code>.<\/p>\n

<\/p>\n

Achten Sie stets darauf, dass Sie Ihre geheimen Anmeldedaten \u00fcber Umgebungsvariablen \u00fcbermitteln.<\/p>\n

STATIC_ROOT<\/h3>\n

In Django ist STATIC_ROOT<\/code> eine Konfigurationseinstellung, die verwendet wird, um den absoluten Dateisystempfad anzugeben, in dem gesammelte statische Dateien gespeichert werden, wenn Sie den Verwaltungsbefehl collectstatic<\/code> ausf\u00fchren. Zu den statischen Dateien geh\u00f6ren in der Regel CSS, JavaScript, Bilder und andere Assets, die von Ihrer Webanwendung verwendet werden. Die Einstellung STATIC_ROOT<\/code> ist ein wesentlicher Bestandteil der Bereitstellung statischer Dateien in einer Produktionsumgebung.<\/p>\n

<\/p>\n

Setzen Sie eine Umgebungsvariable f\u00fcr STATIC_ROOT<\/code> in Zeile 127 ein. Diese Variable verweist auf einen Dateipfad, der zu einem persistenten Kubernetes-Volume f\u00fchrt. Die Konfiguration dieses Set-ups wird sp\u00e4ter genauer erl\u00e4utert.<\/p>\n

Um statische Dateien zu sammeln, f\u00fchren Sie den folgenden Befehl aus:<\/p>\n

python manage.py collectstatic<\/code><\/p>\n

Dieser Befehl sammelt die statischen Dateien und legt sie im Verzeichnis STATIC_ROOT<\/code> ab. Sie k\u00f6nnen diese Assets dann direkt \u00fcber einen NGINX- oder Apache-Webserver bereitstellen \u2013 ein effizienterer Ansatz f\u00fcr Produktionsumgebungen.<\/p>\n

Dockerfile<\/h3>\n

Ein Dockerfile ist ein einfaches Textdokument, das Direktiven f\u00fcr die Erstellung von Docker-Images enth\u00e4lt.<\/p>\n

\"\"<\/figure>\n

1. FROM python:3.11<\/code><\/strong>: Diese Zeile gibt das Basis-Image f\u00fcr das Docker-Image an, wobei das offizielle Python-3.11-Image von Docker Hub verwendet wird. Die Anwendung wird auf Grundlage dieses Basis-Image erstellt und ausgef\u00fchrt. Python ist bereits vorinstalliert.<\/p>\n

2. ENV PYTHONUNBUFFERED 1<\/code><\/strong>: Diese Zeile setzt die Umgebungsvariable PYTHONUNBUFFERED<\/code> auf 1<\/code>. H\u00e4ufig wird empfohlen, diese Umgebungsvariable zu setzen, wenn Sie Python in Docker-Containern ausf\u00fchren, um sicherzustellen, dass Python die Ausgabe nicht buffert. Dies erm\u00f6glicht es, Protokolle und Debugging-Informationen f\u00fcr die Anwendung in Echtzeit zu erhalten.<\/p>\n

3. WORKDIR \/app<\/code><\/strong>: Diese Zeile setzt das Arbeitsverzeichnis innerhalb des Docker-Containers auf \/app<\/code>. Alle nachfolgenden Befehle werden in diesem Verzeichnis ausgef\u00fchrt.<\/p>\n

4. COPY . \/app<\/code><\/strong>: Diese Zeile kopiert den Inhalt des aktuellen Verzeichnisses (das Verzeichnis, in dem sich die Dockerdatei befindet) in das Verzeichnis \/app<\/code> innerhalb des Containers. Dazu geh\u00f6ren Ihr Anwendungscode und s\u00e4mtliche Dateien, die f\u00fcr das Docker-Image ben\u00f6tigt werden.<\/p>\n

5. RUN pip install -r requirements.txt<\/code><\/strong>: Diese Zeile f\u00fchrt den Befehl pip install <\/code> aus, um die Python-Abh\u00e4ngigkeiten zu installieren, die in der Datei requirements.txt<\/code> aufgef\u00fchrt sind, welche sich im Verzeichnis \/app<\/code> befindet. Dies ist eine g\u00e4ngige Praxis f\u00fcr Python-Anwendungen, da Sie auf diese Weise die Abh\u00e4ngigkeiten der Anwendung verwalten k\u00f6nnen.<\/p>\n

6. EXPOSE 8000<\/code><\/strong>: Diese Zeile teilt Docker mit, dass der Container auf Port 8000 lauscht. Der Port wird nicht wirklich \u00f6ffentlich gemacht. Es handelt sich um eine Metadaten-Deklaration, die angibt, welche Ports der Container verwenden darf.<\/p>\n

7. CMD [\"gunicorn\", \"django_kubernetes_tutorial.wsgi:application\", \"--bind\", \"0.0.0.0:8000\"]<\/code><\/strong>: Diese Zeile gibt den Standardbefehl an, der beim Starten des Containers ausgef\u00fchrt wird. Gunicorn wird verwendet, um die Django-Anwendung bereitzustellen. Das Binding von Gunicorn erfolgt so, dass es auf allen Netzwerkschnittstellen (0.0.0.0<\/code>) auf Port 8000 mit der WSGI-Anwendung lauscht, die unter django_kubernetes_tutorial.wsgi:application<\/code> definiert ist.<\/p>\n

DockerHub<\/h3>\n

Besuchen Sie hub.docker.com<\/a> und melden Sie sich entweder an oder registrieren Sie sich auf der Plattform.<\/p>\n

Klicken Sie auf Create repository<\/strong>.<\/p>\n

<\/p>\n

Als N\u00e4chstes geben Sie den Namen des Repositorys an und stellen die Sichtbarkeit auf \u201ePublic\u201c. Falls Sie mit sensiblen oder vertraulichen Informationen arbeiten, stellen Sie die Sichtbarkeit auf Private<\/strong>.<\/p>\n

<\/p>\n

Nachdem das Repository erstellt wurde, m\u00fcssen Sie das Docker-Image generieren und es dann in die Registry pushen.<\/p>\n

Bevor Sie den Befehl ausf\u00fchren, vergewissern Sie sich, dass die Datei requirements.txt<\/code> aktuell ist, indem Sie Folgendes ausf\u00fchren:<\/p>\n

pip freeze > requirements.txt<\/code><\/p>\n

Um ein Image zu erstellen, f\u00fchren Sie den folgenden Befehl aus:<\/p>\n

docker build -t mukulmantosh\/django-kubernetes:1.0 .<\/code><\/p>\n

docker build -t \/django-kubernetes:1.0 .<\/code><\/p>\n

Dieser Befehl h\u00e4ngt von Ihren spezifischen Umst\u00e4nden ab und Sie m\u00fcssen Ihren pers\u00f6nlichen Benutzernamen verwenden.<\/p>\n

Anschlie\u00dfend m\u00fcssen Sie sich bei Docker Hub authentifizieren, um das Image in die Registry zu pushen.<\/p>\n

Geben Sie den folgenden Befehl in das Terminal ein:<\/p>\n

docker login<\/code><\/p>\n

Geben Sie Ihren Benutzernamen und Ihr Passwort ein. Sobald die Daten erfolgreich authentifiziert wurden, k\u00f6nnen Sie das Image pushen, indem Sie Folgendes ausf\u00fchren:<\/p>\n

docker push mukulmantosh\/django-kubernetes:1.0\u00a0<\/code><\/p>\n

docker push \/django-kubernetes:1.0\u00a0<\/code><\/p>\n

Sobald das Image erfolgreich gepusht wurde, k\u00f6nnen Sie die \u00c4nderungen in Docker Hub einsehen.<\/p>\n

<\/p>\n

Falls Sie nicht vorhaben, weitere Images in die Registry zu pushen, k\u00f6nnen Sie sich abmelden, indem Sie den folgenden Befehl ausf\u00fchren:<\/p>\n

docker logout<\/code><\/p>\n

Falls Sie dieses Image lokal pullen m\u00f6chten, besuchen Sie hub.docker.com\/r\/mukulmantosh\/django-kubernetes<\/a>.<\/p>\n

Kubernetes-Konfiguration: Schreiben von YAML-Dateien<\/h2>\n

Dieser Abschnitt des Tutorials beschreibt das Deployment von Anwendungen in lokalen Kubernetes-Clustern.<\/strong><\/p>\n

F\u00fcr dieses Tutorial werden wir Docker Desktop verwenden, aber Sie k\u00f6nnen auch minikube oder kind nutzen.<\/p>\n

Namespaces<\/h3>\n

In Kubernetes sind Namespaces<\/a> virtuelle Partitionen innerhalb eines Clusters, die zur Gruppierung und Isolierung von Ressourcen sowie Objekten verwendet werden. Auf diese Weise k\u00f6nnen Sie mehrere virtuelle Cluster innerhalb eines einzigen physischen Clusters erstellen.<\/p>\n

Sie k\u00f6nnen Namespaces mit kubectl<\/a><\/code>, dem Kubernetes-Befehlszeilen-Tool, oder durch Definition in YAML-Manifesten beim Deployment von Ressourcen erstellen und verwalten.<\/p>\n