阅读量:0
一、需求背景：人工智能训练好的模型model，需要放到服务器上，作为基础能力提供给应用侧，否则model只能中电脑本地处理。那么怎么解决这个部署到服务器上的问题呢？
二、解决思路：web应用部署，有3种主流的方式，
1.Django：大而全，集成了很多组件，属于全能型、重量级框架。
2.Falsk：小而轻，极容易上手，第三方提供的组件多，加起来可以完全覆盖Django。
3.Torando：高并发性能强，但是较为原始的框架，后期拓展可能会受限。
综上所述，选择Flask框架。
分2步实现：1是在本地先跑起来，2是放到云服务器上跑起来。
三、实现操作：
1.安装flask
pip install Flask2.验证是否已经安装成功，若import没有报错，即是已经安装成功：
import flask3.我用的是jupyter notebook环境，写一个简单的flask程序：
#export # 【整体流程】 # 在app.py程序文件中，app是flask的实例，功能就是接受来自web服务器的请求， # 1、浏览器将请求给web服务器，web服务器将请求给app , # 2、app收到请求，通过路由找到对应的视图函数，然后将请求处理，得到一个响应response # 3、然后app将响应返回给web服务器， # 4、web服务器返回给浏览器， # 5、浏览器展示给用户观看，流程完毕。 # 【1、初始化】 # 所有的Flask都必须创建程序实例 # web服务器把客户端所有的请求都转发给这个程序实例，程序实例是Flask的对象 # 一般情况下用如下方法实例化 # Flask类只有一个必须指定的参数，即程序主模块或者包的名字，__name__是系统变量，该变量指的是本py文件的文件名 from flask import Flask app = Flask(__name__) # 【2、路由和视图函数】 # 客户端发送url给web服务器，web服务器将url转发给flask程序实例，程序实例 # 需要知道对于每一个url请求启动哪一部分代码，所以保存了一个url和python函数的映射关系。 # 处理url和函数之间关系的程序，称为路由 # 在flask中，定义路由最简便的方式，是使用程序实例的app.route装饰器，把装饰的函数注册为路由 @app.route('/') def cdc_say(): return "Hello, Flask !" @app.route('/angela') def angela_say(): return "Hi, I'm angela !" @app.route('/alex') def alex_say(): return "Hay, I'm alex !" # 【3、程序实例用run方法启动flask集成的开发web服务器】 # __name__ == '__main__'是python常用的方法，表示只有直接启动本脚本时候，才用app.run方法 # 如果是其他脚本调用本脚本，程序假定父级脚本会启用不同的服务器，因此不用执行app.run() # 服务器启动后，会启动轮询，等待并处理请求。轮询会一直请求，直到程序停止。 if __name__ == '__main__': print('dd',__name__) app.run() # app.run( )4.跑起来，得到如下结果：
在Chrome浏览器地址栏输入： http://127.0.0.1:5000/
得到结果：Hello, Flask !
表明，已经在本地成功部署。
接下来是要将这个jupyter notebook文档转换成“app.py”文件，通过一个nb2py脚本实现：
import json,re from typing import Dict def is_export(cell: Dict) -> bool: ''' use this function to determine whether the code in current cell needs to be written to a pyfile. ''' if cell['cell_type'] != 'code': return False src = cell['source'] #import pdb; pdb.set_trace() return re.match(r'^\s*#\s*export\s*$', src[0], re.IGNORECASE) is not None def nbpy2py(fname :str) -> None: ''' parse a nbpy file and convert necessary part into a py file with thre same prefix_name.py. ''' fname_result = 'nb_{}.py'.format(fname.split('.')[0]) # open the file and read it as a dic nb_data = json.load(open(fname, 'r', encoding='utf-8')) # get all the cells that needs to be exported code_cells = [code_cell for code_cell in nb_data['cells'] if is_export(code_cell)] py_file_content = '' for cell in code_cells: py_file_content += ''.join(cell['source'][1:]) + '\n\n' # remove the trailing spaces py_file_content = re.sub(r'\s+$', '', py_file_content, flags=re.MULTILINE) with open(fname_result, 'w', encoding = 'utf-8') as f: f.write(py_file_content) print('coverted {} to {}'.format(fname, fname_result))fname = 'app.ipynb' nbpy2py(fname)运行以上两段代码，得到：coverted app.ipynb to nb_app.py
同一个文件夹中，出现了app.py文件，表明app.py文件已经准备好。
5.通过Filezilla软件，给云服务器传送本地文件，Filezilla版本FileZilla_3.57.0_macosx-x86.app.tar。输入云服务器以下信息：
主机：云服务器的公网IP
用户：一般是root
端口号：一般是22，注意要去设置云服务器的安全组，要打开22端口，还有0.0.0.0/0的端口TCP：5000
密码：见云服务器的站内信的密码
Filezilla连接好云服务器后，将本地的app.py文件上传到云服务器的root文件夹下
在云服务器上的console输入以下代码，确保云服务器已经有Flask环境
pip install Flask然后开始在云服务器上运行app.py文件
python app.py在这里，要注意，还是不行的，因为flask在云服务器上没有绑定云服务器的内网ip。在云服务器的站内信找到云服务器的内网（注意不是公网）ip，修改app.py文件中，增加app.run()中host的ip。
app.run(host="172.16.0.14", port=5000, debug=True)修改app.py文件后，上传到云服务器root文件夹中，再一次运行
python app.py此时，在任何一台电脑的浏览器输入云服务器的公网ip xx.xx.xx.xx:5000 都会得到云服务器的响应。（若没有得到响应，检查一下云服务器的安全组，是否增加有规则 0.0.0.0/0的端口TCP：5000 放通）
小结：
1.选择Flask作为web部署的框架，轻便、可拓展性强、新手上手快。
2.本地部署测试app.py
3.app.py上传到云服务器，设置好安全组规则，设置host的ip和端口，完成云服务器端部署。
