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 Flask

2.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 flask

3.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。