flask_web部署服务器测试

像风一样自由2020

已于 2024-08-22 13:25:29 修改

阅读量873

点赞数 29

分类专栏： python 部署文章标签： flask 前端服务器

于 2024-08-09 15:10:14 首次发布

本文链接：https://blog.csdn.net/weixin_37647148/article/details/141053449

版权

python 同时被 2 个专栏收录

50 篇文章 4 订阅

订阅专栏

部署

3 篇文章 0 订阅

订阅专栏

flask_web部署服务器测试

一、代码简介

我的代码是一个基于Flask框架的Web应用，用于对上传的图像进行分类预测。该应用使用了预训练的ResNet50模型来对图像进行分类，并返回分类结果。以下是该代码的功能和作用的详细分析：

初始化Flask应用：
```
app = Flask(__name__)
```
这行代码初始化了一个Flask应用实例，app是Flask应用的核心对象，后续的路由和请求处理都基于这个对象进行。
设置上传文件夹和允许的文件类型：
```
UPLOAD_FOLDER = 'uploads'
ALLOWED_EXTENSIONS = {'png', 'jpg', 'jpeg', 'bmp'}
```
指定了上传文件将保存到uploads文件夹中，并限制了允许上传的文件类型为PNG、JPG、JPEG、BMP格式。
检查并创建上传文件夹：
```
if not os.path.exists(UPLOAD_FOLDER):
    os.makedirs(UPLOAD_FOLDER)
```
如果上传文件夹不存在，则创建这个文件夹，以确保上传文件有地方存放。
设置PyTorch设备：
```
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
```
检查是否有可用的GPU设备，如果有，则使用GPU，否则使用CPU进行模型的推理计算。

定义并加载ResNet50模型：

model = models.resnet50(pretrained=False)
num_ftrs = model.fc.in_features
num_classes = 9
model.fc = nn.Sequential(
    nn.Linear(num_ftrs, 512),
    nn.ReLU(),
    nn.Dropout(0.2),
    nn.Linear(512, num_classes),
    nn.LogSoftmax(dim=1)
)
model = model.to(device)
model.load_state_dict(torch.load('./7_1_pd_resnet_model_noise.pth', map_location=device))
model.eval()

这里定义了一个ResNet50模型，并修改了最后的全连接层以适应9类分类任务。模型加载了预训练好的权重，并设置为评估模式。

定义图像预处理操作：
```
test_transforms = transforms.Compose([
    transforms.ToTensor(),
])
```
定义了对输入图像的预处理操作，将图像转换为PyTorch的张量形式。

定义分类标签：

classes = ['发动机干扰', '悬浮电位', '手机干扰', '日光灯干扰', '沿面放电', '绝缘件内部气隙放电', '自由金属颗粒放电', '金属尖端放电', '雷达干扰']

定义了9个分类标签，这些标签代表了模型可以预测的不同类别。

文件扩展名检查函数：

def allowed_file(filename):
    return '.' in filename and filename.rsplit('.', 1)[1].lower() in ALLOWED_EXTENSIONS

这个函数用于检查上传的文件是否符合允许的格式。

图像预测函数：
```
def predict(filepath):
    # 处理图像并进行预测
    # 返回预测的类别和概率
```
该函数读取图像文件，进行预处理后通过模型进行预测，返回预测的类别和相应的概率值。
定义根路由：
```
@app.route('/')
def upload_file():
    return render_template('index.html')
```
该路由定义了应用的主页，返回一个上传文件的页面。
文件上传处理：
```
@app.route('/uploadfile/', methods=['POST'])
def upload_file_post():
    # 处理上传的文件并进行预测，返回结果
```
该路由处理文件上传请求，检查文件是否合法后保存文件，并调用predict函数进行预测，最后将结果以JSON格式返回。

提供上传的图像：

@app.route('/uploads/<filename>')
def uploaded_file(filename):
    return send_from_directory(UPLOAD_FOLDER, filename)

该路由用于在浏览器中访问和下载已上传的图像文件。

启动Flask应用：
```
if __name__ == '__main__':
    app.run(debug=True, port=5000)
```
这段代码用于启动Flask应用，使得应用可以在本地服务器上运行，默认使用5000端口。

总结：该代码的主要作用是通过Flask框架搭建一个简单的Web服务，用户可以通过浏览器上传图像，服务器会使用预训练的ResNet50模型对图像进行分类，并返回预测结果。

二、代码部署

2.1 总体流程

要将这个基于Flask的应用部署上线并对外提供服务，需要配置服务器环境和网络设置。以下是一个简化的步骤指南，帮助你将这个应用部署到生产环境中：

1. 选择服务器

首先，你需要选择一个服务器。常见的选择包括：

云服务器：如阿里云、腾讯云、AWS、Google Cloud等。
本地服务器：如果你有自己的服务器，可以直接在本地配置。

2. 配置服务器环境

在服务器上进行以下配置：

a. 安装Python和相关依赖

首先确保服务器上安装了Python（建议使用Python 3.7或更高版本）。

sudo apt update
sudo apt install python3 python3-pip python3-venv

然后，为你的项目创建一个虚拟环境并激活它：

python3 -m venv venv
source venv/bin/activate

接着，安装Flask、PyTorch和其他依赖库：

pip install flask torch torchvision Pillow

b. 配置Flask环境变量

在生产环境中，建议关闭调试模式并指定运行的IP地址和端口。

在服务器的环境变量中设置以下配置：

export FLASK_APP=cpu_resnet_flask_web.py
export FLASK_ENV=production

3. 配置Gunicorn或其他WSGI服务器

Flask的内置服务器并不适合生产环境。建议使用Gunicorn等WSGI服务器来部署应用。

安装Gunicorn：

pip install gunicorn

使用Gunicorn启动Flask应用：

gunicorn --bind 0.0.0.0:8000 cpu_resnet_flask_web:app

这个命令会将应用绑定到服务器的8000端口，监听所有IP地址的请求。

4. 配置Nginx

为了让你的应用能够通过标准的HTTP/HTTPS端口（80/443）访问，你可以使用Nginx作为反向代理。

首先，安装Nginx：

sudo apt install nginx

然后，配置Nginx：

sudo nano /etc/nginx/sites-available/flask_app

在文件中添加以下配置：

server {
    listen 80;
    server_name your_domain_or_ip;

    location / {
        proxy_pass http://127.0.0.1:8000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
    }

    location /uploads/ {
        alias /path_to_your_project/uploads/;
    }
}

保存并退出后，启用这个配置并重启Nginx：

sudo ln -s /etc/nginx/sites-available/flask_app /etc/nginx/sites-enabled
sudo systemctl restart nginx

5. 配置域名和SSL（可选）

如果你有域名并希望启用HTTPS，可以：

配置域名：将域名的DNS A记录指向服务器的IP地址。
启用SSL：使用Let’s Encrypt免费获取SSL证书并配置Nginx。

安装Certbot（Let’s Encrypt客户端）并获取证书：

sudo apt install certbot python3-certbot-nginx
sudo certbot --nginx -d your_domain_or_ip

按照提示完成SSL证书的申请和配置。

6. 允许防火墙通过必要的端口

确保你的服务器防火墙允许HTTP（80端口）和HTTPS（443端口）流量：

sudo ufw allow 'Nginx Full'

7. 测试和上线

部署完成后，在浏览器中输入你的域名或IP地址，测试应用是否正常运行。如果一切正常，你的应用已经上线并对外提供服务。

8. 持续集成与监控（可选）

为了保证服务的稳定性和可维护性，可以考虑：

使用Supervisor或systemd管理Gunicorn：确保Gunicorn在服务器重启后自动启动。
设置日志记录和监控工具：如Prometheus、Grafana，用于实时监控应用状态。

这样，你的Flask应用就可以在生产环境中稳定运行了。

2.2 具体要求

假设我把相应的代码传输到ubuntu服务器上的一个文件夹为flask_app,我想为它创建一个flask_venv虚拟环境，且我的ubuntu的服务器IP为192.168.81.129，没有实际的域名，只是先测试和内部使用。

以下是完整的部署步骤，包含了更新并安装必要依赖的步骤。

1. 连接到服务器

使用SSH连接到你的Ubuntu服务器：

ssh your_username@192.168.81.129

2. 更新并安装必要的依赖

在开始配置之前，确保服务器上的软件包管理器是最新的，并安装必要的依赖项，包括Python、pip、和Nginx：

sudo apt update
sudo apt upgrade -y
sudo apt install python3 python3-pip python3-venv nginx

3. 导航到项目目录

进入你存放Flask应用代码的目录（假设为flask_app）：

cd /home/your_username/flask_app

4. 创建和激活Python虚拟环境

在项目目录中创建一个名为flask_venv的虚拟环境，并激活它：

python3 -m venv flask_venv
source flask_venv/bin/activate

如下图所示，进入python虚拟环境：
在这里插入图片描述

5. 安装项目依赖

在虚拟环境中，使用pip安装Flask和其他必要的依赖：

pip install flask torch torchvision Pillow gunicorn

若是下载包太慢，可以添加国内镜像源：

pip install xxx -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install flask torch torchvision Pillow gunicorn -i https://pypi.tuna.tsinghua.edu.cn/simple

6. 配置Flask应用

设置Flask应用的环境变量，确保它在生产模式下运行：

export FLASK_APP=cpu_resnet_flask_web.py
export FLASK_ENV=production

7. 使用Gunicorn运行Flask应用

在虚拟环境中，使用Gunicorn来运行你的Flask应用：

gunicorn --bind 0.0.0.0:8000 cpu_resnet_flask_web:app

此命令将Flask应用绑定到服务器的8000端口，监听所有IP地址的请求。

8. 安装并配置Nginx

在服务器上安装Nginx，用于反向代理和处理请求：

sudo apt install nginx

然后，配置Nginx，使其将80端口的请求转发给Gunicorn。

打开Nginx配置文件：

sudo nano /etc/nginx/sites-available/flask_app

在文件中添加以下配置：

server {
    listen 80;
    server_name 192.168.81.129;

    location / {
        proxy_pass http://127.0.0.1:8000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
    }

    location /uploads/ {
        alias /home/your_username/flask_app/uploads/;
    }
}

保存并退出文件编辑器。

9. 启用Nginx配置

为Nginx启用新配置，并重启Nginx服务：

sudo ln -s /etc/nginx/sites-available/flask_app /etc/nginx/sites-enabled
sudo nginx -t
sudo systemctl restart nginx

运行结果如下：
在这里插入图片描述

10. 配置防火墙

确保防火墙允许HTTP流量通过：

sudo ufw allow 'Nginx Full'

11. 测试部署

在浏览器中输入 http://192.168.81.129，测试应用是否能够正常访问。如果配置正确，你应该能够看到你的Flask应用的主页。

12. 设置Gunicorn为服务

为了保证Gunicorn在服务器重启后自动启动，可以使用systemd来管理它。

创建一个systemd服务文件：

sudo nano /etc/systemd/system/flask_app.service

在文件中添加以下内容：

[Unit]
Description=Gunicorn instance to serve Flask application
After=network.target

[Service]
User=your_username
Group=www-data
WorkingDirectory=/home/your_username/flask_app
Environment="PATH=/home/your_username/flask_app/flask_venv/bin"
ExecStart=/home/your_username/flask_app/flask_venv/bin/gunicorn --workers 3 --bind unix:flask_app.sock -m 007 cpu_resnet_flask_web:app

[Install]
WantedBy=multi-user.target

保存后，启用并启动服务：

sudo systemctl start flask_app
sudo systemctl enable flask_app

13. 检查服务状态

检查Gunicorn服务是否正确运行：

sudo systemctl status flask_app

在这里插入图片描述

14. 访问应用

在浏览器中输入 http://192.168.81.129，确保一切正常运行。

通过以上步骤，你的Flask应用应该已经成功部署到Ubuntu服务器上，并通过192.168.81.129可以访问。这个环境适合内部测试和使用。

像风一样自由2020

关注

29
点赞
踩
15

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录