我是第一次部署 ML 模型。我正在使用flask-restful创建一个rest api和gunicorn作为独立的WSGI。我的项目目录只有2个文件，ML_model.py和rApi.py。我安装了 gunicorn 并使用 gunicorn -w 4 -b 127.0.0.1:5000 rApi:app 运行服务器，我可以使用 restAPi。我看到许多在线教程中提到的 .env 、 .config 和 wsgi.py 文件。
我错过了什么。如果我已经可以使用 API，为什么还需要所有这些文件？
【问题讨论】：
标签： flask deployment gunicorn flask-restful rest
我看到很多东西，比如提到的 .env 、 .config 和 wsgi.py 文件
这些东西很可能只是将配置加载到应用程序中的不同方式。
例如对于.env 文件，您可以声明一些变量，格式如下：
#.env
MODEL_FILE=some/path/to/a.h5
然后使用 python-dotenv 之类的内容加载它，最终允许您在应用中执行以下操作：
model_to_use = os.getenv('MODEL_FILE', 'default.h5')
then_do_someting_with(model_to_use)
这将硬编码（可能是秘密变量）排除在您的代码之外，避免将它们提交到源代码控制。因此，当您将应用程序部署到另一台服务器或系统时，您可以创建一个新的 .env 文件，其中包含：
MODEL_FILE=some/production_ready/file.h5
现在可以使用不同的功能部署相同的代码副本。
如果您想将上述所有配置一起加载，可以使用专用的config.py，然后在您的app.py 中执行以下操作：
from config import MODEL_FILE
# ...
do_something_with(MODEL_FILE)
有时会看到专用的wsgi.py 文件，以便WSGI 服务器可以加载模块wsgi:app。此文件可能包含特定于 WSGI 部署的配置（例如将ProxyFix middleware 应用于应用程序）。
当然，这只是将配置应用于应用程序的一种方法。你也可以传入一个PROXYFIX_ON env var，然后在代码中做一些逻辑来根据这个的存在来启用实际的功能。
后者意味着通过更改该环境变量来禁用或启用功能。前者意味着根据用于运行服务器的模块禁用或启用功能。
这完全取决于您如何设计应用程序的这一部分。不过，从环境变量加载配置很常见。了解您选择的部署方法如何处理这个问题当然是个好主意。例如：
【讨论】：