The Way to Flask 项目实战:使用 Gunicorn 和 Nginx 部署 Flask 应用
2025-06-19 11:16:59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:
- 性能有限,无法处理高并发请求
- 缺乏生产环境所需的安全特性
- 不支持持久化运行(进程容易意外终止)
- 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
- 工作进程数:通常设置为 CPU 核心数 × 2 + 1
- 日志管理:配置 Gunicorn 和 Nginx 的日志轮转
- 静态文件:在 Nginx 中直接处理静态文件请求
- HTTPS:使用 Let's Encrypt 配置 SSL 证书
- 监控:设置进程监控和自动重启
常见问题排查
- 权限问题:确保 sock 文件有正确的权限(通常为 www-data 用户)
- 端口冲突:检查 80 端口是否被其他服务占用
- 环境变量:确保生产环境的环境变量正确设置
- 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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217