本文将站在读者是模型部署方面的小白的角度来详细介绍如何利用docker, gunicorn和flask来部署模型。写此文的目的，一方面是为了将我的经验分享给大家，另一方面也算是作为我的学习笔记，方便日后查阅。

       关于docker, gunicorn 和 flask的基础知识，本文不做介绍，可以百度。我也在文末给出一些我看过的比较好的资料。

1.部署所需文件及详细内容

        这里的模型是用来对mnist数字集进行分类的，相关内容来自于github上的项目(https://github.com/cloudxlab/ml)。我的操作系统为Ubuntu 16.04, 工作目录为 /home/user/flask_app/, 该目录下的文件和文件夹信息如下：

我们先要准备好主程序文件predictions.py(来自于github项目，https://github.com/cloudxlab/ml)， 因为要用flask部署，所以对该程序做了一定的修改：

然后准备好Dockerfile, 具体如下：

其中gunicorn.sh的内容如下：

这里，我把gunicorn的配置文件写在了gunicorn_config.py中，其内容如下：

根据我的经验，配置文件里的ip地址不要用你本地宿主机的ip地址，否则会出错。

这个项目需要在docker安装的软件包都保存在requirements.txt中，内容如下：

2.部署步骤：

1.先查看一下本地机器上已有的docker 镜像文件：

2.然后在工作目录下，输入如下命令（将创建的镜像文件命名为ml_mnist）：

注意，不要忘了最后的那个“ . ”, 它表示的是当前文件夹。然后再查看一下docker中的镜像文件：

可以看到，新的镜像"ml_mnist"已经生成了。

3.利用生成的镜像，创建我们需要的容器。可以把容器命名为 digit_deploy, 并且在/home/user/下生成访问日志文件和错误日志文件，使得即便退出了容器，我们也能在该目录下查看这些文件。

因为/home/user/是本地电脑的路径，而/home/project/app/log是容器内部的路径。注意这行命令的最后是镜像文件的ID。运行完这条命令后，我们的容器就会生成并启动。这里的 -p 8888:5000 表示宿主机端口到容器端口的映射。

3.测试访问生成的容器：

注意，如果你输入 curl http://0.0.0.0:5000/ 则会报错。原因是5000是容器的端口，它已经被映射到了宿主机的8888端口了。

另外，如果输入 curl http://192.168.x.xx:8888/ 则也可以成功访问。 其中，192.168.x.xx是公司内部局域网的网址。

如有问题，欢迎留言讨论。觉得本文不错，请点个赞，^_^！

关于Docker （第一个需要）:

https://docker-curriculum.com

阿里云登录 - 欢迎登录阿里云，安全稳定的云计算服务平台

阿里云登录 - 欢迎登录阿里云，安全稳定的云计算服务平台