CentOS部署Flask+Tensorflow记录

第一次部署Flask项目，一番折腾下来，也总结了不少经验。

现将部署流程记录如下：

安装Anaconda

一定不要直接使用系统环境，坑很多，而且容易弄乱系统自带Python
使用环境管理器，能很好解决这一问题

下载地址： https://www.anaconda.com/distribution/
选64-Bit (x86) Installer (581 MB)
上传至服务器目录，任何位置都可以，和安装目录无关
终端切换至上传目录，执行安装命令：

sh Anaconda3-2021.11-Linux-x86_64.sh

用户条款一路回车，最后输入个yes
安装目录任意设置，可设置为/usr/local/anaconda/
安装成功，重连SSH即可
如果未生效，可尝试修改环境变量

vim /root/.bashrc

在最后添加：export PATH="/usr/local/anaconda/bin:$PATH"

刷新环境变量：source ~/.bashrc

关于Anaconda和MiniConda的区别

Conda

包括但不限于Python、R、Ruby语言的包、依赖以及环境的管理系统

可以创建多个不同Python环境的开发环境
可以管理Python包以及包依赖

MiniConda

拥有conda的所有功能
自带一个Python环境，基于你的安装版本（不可切换Python版本）
自带pip、zlib和一部分Python包

Anaconda

拥有conda的所有功能
可以创建多个不同版本的Python环境
附带大量Python包

Virtualenv

Python环境管理工具

通过本地已有的Python环境，来创建一个隔离的Python环境

配置conda环境

查看已有环境：conda env list
创建虚拟环境：conda create -n [环境名称] [安装库包列表]

如：conda create -n face python=3.8
激活虚拟环境：conda activate [环境名称]
关闭虚拟环境：conda deactivate
删除环境：conda remove -n [环境名称] --all

更改Conda国内源

查看源：

conda config --show-sources

新增源：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

安装所需包

大部分所需的包直接安装即可

conda install flask -y
conda install tensorflow -y
conda install requests -y
conda install pymysql -y
conda install numpy -y

OpenCV For Python

直接conda install opencv-python是查询不到的

正常应该使用这句命令，但是由于国外网络，可能会很卡：

conda install --channel https://conda.anaconda.org/menpo opencv3

所以考虑在conda对应环境中使用如下语句：

pip install opencv-python

安装Gunicorn（绿色独角兽）

conda install gunicorn -y

Gunicorn是一个HTTP服务器，相比于直接运行Flask项目，具有很多优点。

Flask运行：单进程、没有负载均衡
Gunicorn运行：进程挂了自动重启、支持多进程、负载均衡

上传python项目至一个文件夹下

无需上传整个Pycharm工程
上传py文件和模型文件，并将所需的“运行时文件存放的（空）文件夹”建好就行

部署运行项目

# 进入项目目录
cd /www/wwwroot/face/
# 切换项目所用环境
conda activate face
# 运行项目
gunicorn -D -b 0.0.0.0:8090 --access-logfile ./log.txt main:app

参数说明：
- 原始运行：gunicorn main:app
- 后台运行：-D
- 指定IP和端口（务必在这里指定）：-b 0.0.0.0:8090
- 日志文件：--access-logfile ./log
- 多进程运行（务必考虑自己服务器的性能！）：-w 3 “3”为进程数量
IP配置：使用0.0.0.0（通配符IP地址），可以自动运行在内、外网上

如果使用127.0.0.1，不一定能访问到

app.run(host="0.0.0.0", port=8090, debug=False)

注意使用Gunicorn运行时，如果不使用-b指定运行IP(Bind)，会自动运行在8000端口上

代码内指定端口和IP的app.run(host="0.0.0.0", port=8090)不会生效！

Flask运行则默认使用项目内指定的配置。

注意 Python 直接运行和 Gunicorn 运行的终端显示区别

Python直接运行Flask：Python main.py

(face) [root@VM-0-2-centos face]# python main.py 
2022-05-01 23:07:09.046027: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations:  SSE4.1 SSE4.2 AVX AVX2 FMA
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2022-05-01 23:07:09.048953: I tensorflow/core/common_runtime/process_util.cc:146] Creating new thread pool with default inter op setting: 2. Tune using inter_op_parallelism_threads for best performance.
 * Serving Flask app 'main_flask_run' (lazy loading)
 * Environment: production
   WARNING: This is a development server. Do not use it in a production deployment.
   Use a production WSGI server instead.
 * Debug mode: off
 * Running on all addresses.
   WARNING: This is a development server. Do not use it in a production deployment.
 * Running on http://172.21.0.2:8090/ (Press CTRL+C to quit)

Gunicorn运行Flask：gunicorn main:app

(face) [root@VM-0-2-centos face]# gunicorn main:app
[2022-05-01 23:14:18 +0800] [15493] [INFO] Starting gunicorn 20.1.0
[2022-05-01 23:14:18 +0800] [15493] [INFO] Listening at: http://127.0.0.1:8000 (15493)
[2022-05-01 23:14:18 +0800] [15493] [INFO] Using worker: sync
[2022-05-01 23:14:18 +0800] [15496] [INFO] Booting worker with pid: 15496
2022-05-01 23:14:24.076744: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations:  SSE4.1 SSE4.2 AVX AVX2 FMA
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2022-05-01 23:14:24.078272: I tensorflow/core/common_runtime/process_util.cc:146] Creating new thread pool with default inter op setting: 2. Tune using inter_op_parallelism_threads for best performance.

Gunicorn相比直接运行，IP、端口等信息会输出在最前面，

而直接用Python运行、和在Pycharm中开发，都是将IP、端口等信息显示在前面。

这是输出顺序的问题，不是卡了！（扶额）

所以使用Gunicorn，等到控制台不再输出了就可以。

后台运行，如何关闭项目？

查询进程树：pstree -ap | grep gunicorn
kill -9 [pid]

其他不太相关的小记

Typora 取消自动缩进：Ctrl + [
SSH终端取消已输入的大量无用命令：Ctrl+U或者ESC+BackSpace