首页
/ The Way to Flask 项目实战:使用 Gunicorn 和 Nginx 部署 Flask 应用

The Way to Flask 项目实战:使用 Gunicorn 和 Nginx 部署 Flask 应用

2025-06-19 19:25:11作者:平淮齐Percy

为什么需要生产环境部署

在开发 Flask 应用时,我们通常使用 Flask 自带的开发服务器(通过 python app.py 命令启动)。然而,这个服务器并不适合生产环境,主要原因有:

  1. 性能有限,无法处理高并发请求
  2. 缺乏生产环境所需的安全特性
  3. 不支持持久化运行(进程容易意外终止)
  4. 缺少负载均衡等高级功能

生产环境部署方案

核心组件介绍

Gunicorn 是一个 Python WSGI HTTP 服务器,具有以下特点:

  • 简单易用,性能良好
  • 支持多种工作模式(同步/异步)
  • 自动管理工作者进程
  • 与 Flask 无缝集成

Nginx 是一个高性能的 Web 服务器和反向代理,主要作用:

  • 处理静态文件请求(比 Python 应用更高效)
  • 负载均衡
  • SSL 终端
  • 缓存和压缩

部署架构

典型的 Flask 生产环境部署架构如下:

客户端 → Nginx(反向代理) → Gunicorn(WSGI服务器) → Flask 应用

详细部署步骤

1. 环境准备

首先确保系统已安装必要的软件包:

# 更新软件源
sudo apt-get update

# 安装基础依赖
sudo apt-get install python3-pip python3-dev nginx

# 安装虚拟环境工具(推荐)
sudo pip3 install virtualenv

2. 创建虚拟环境

# 创建项目目录
mkdir myflaskapp && cd myflaskapp

# 创建虚拟环境
virtualenv venv

# 激活虚拟环境
source venv/bin/activate

3. 安装应用依赖

# 安装 Flask 和 Gunicorn
pip install flask gunicorn

# 如果有 requirements.txt
pip install -r requirements.txt

4. 测试 Gunicorn 运行

创建一个简单的 Flask 应用 app.py

from flask import Flask
app = Flask(__name__)

@app.route('/')
def hello():
    return "Hello, World!"

if __name__ == '__main__':
    app.run()

使用 Gunicorn 运行:

gunicorn --bind 0.0.0.0:8000 app:app

5. 创建 Systemd 服务

创建 /etc/systemd/system/myflaskapp.service 文件:

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

[Service]
User=www-data
Group=www-data
WorkingDirectory=/path/to/myflaskapp
Environment="PATH=/path/to/myflaskapp/venv/bin"
ExecStart=/path/to/myflaskapp/venv/bin/gunicorn --workers 3 --bind unix:myflaskapp.sock -m 007 app:app

[Install]
WantedBy=multi-user.target

启用并启动服务:

sudo systemctl start myflaskapp
sudo systemctl enable myflaskapp

6. 配置 Nginx

创建 /etc/nginx/sites-available/myflaskapp

server {
    listen 80;
    server_name your_domain_or_ip;

    location / {
        include proxy_params;
        proxy_pass http://unix:/path/to/myflaskapp/myflaskapp.sock;
    }
}

启用配置:

sudo ln -s /etc/nginx/sites-available/myflaskapp /etc/nginx/sites-enabled
sudo nginx -t  # 测试配置
sudo systemctl restart nginx

7. 防火墙配置

sudo ufw allow 'Nginx Full'

高级配置建议

  1. 工作进程数:通常设置为 CPU 核心数 × 2 + 1
  2. 日志管理:配置 Gunicorn 和 Nginx 的日志轮转
  3. 静态文件:在 Nginx 中直接处理静态文件请求
  4. HTTPS:使用 Let's Encrypt 配置 SSL 证书
  5. 监控:设置进程监控和自动重启

常见问题排查

  1. 权限问题:确保 sock 文件有正确的权限(通常为 www-data 用户)
  2. 端口冲突:检查 80 端口是否被其他服务占用
  3. 环境变量:确保生产环境的环境变量正确设置
  4. 日志查看:使用 journalctl -u myflaskapp 查看服务日志

通过以上步骤,您已经成功将 Flask 应用部署到生产环境。这种部署方式具有良好的性能和可靠性,适合中小型应用的部署需求。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284