flask+Python+Vue实现前后端分离的web项目并部署至云服务器
- 1 后台+算法模型
- 1.1 训练机器学习模型
- 1.2 基于Flask框架搭建后台接口
- 2 前端搭建
- 3 云服务器部署
1 后台+算法模型
1.1 训练机器学习模型
准备数据,选择合适的机器学习模型,本文以一个基于XGBoost模型进行数据分类的项目来分析。
import numpy as npimport pandas as pdfrom xgboost import XGBClassifierfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import accuracy_scorefrom sklearn.preprocessing import LabelEncoderimport pickle# 读取并划分数据集def read_data(path):dataset = pd.read_csv(path, index_col=0)# 划分出数据和标签data = dataset.iloc[:, :-1]label = dataset.iloc[:, -1]# 分层抽样,用随机数种子保证每次抽样一致train_x, test_x, train_y, test_y = train_test_split(data, label, test_size=0.3, random_state=6, stratify=label)return train_x, train_y, test_x, test_ydef train(train_x, train_y):# 建模model = XGBClassifier()model.fit(train_x, train_y)# 保存模型pickle.dump(model, open('XGBoost_model.pkl', 'wb'))return modeldef test(test_x, test_y, model):num = 0for i, j in zip(test_x, test_y):y_pred = model.predict(i)# print(f'实际值:{j},预测值:{y_pred[0]}')if j == y_pred[0]:num += 1print(f'测试集准确率为{num/len(test_y)}')if __name__ == '__main__':train_x, train_y, test_x, test_y = read_data('dataset.csv')model = train(train_x, train_y)test(test_x, test_y, model)
1.2 基于Flask框架搭建后台接口
在Python项目的根目录下新建app.py文件,并用安装flask依赖 pip install flask,可指定运行端口并运行app.py文件,(可借助接口测试工具进行接口测试)
注意:前后端跨域问题,可引入CORS解决,具体如代码:
from flask import Flask, render_template, url_for, requestimport pickleimport flaskfrom flask_cors import CORSfrom flask import jsonifyfrom flask_cors import cross_origin# instantiate the appapp = Flask(__name__)# 解决跨域问题,vue请求数据时用,重要!!!cors = CORS(app)# 导入算法模型model = pickle.load(open('XGBoost_model.pkl', 'rb'))# 接口路径# @app.route('/')def getData():# 接收前端传来的json数据data = request.get_json(silent=True)# print(data['age'])test_data = data['age']# 此处按自己的数据标签进行更改y_pred = model.predict(test_data)# 处理完毕,向前端返回数据response = flask.jsonify({'label': str(label)})# 若跨域存在问题,可加上这个请求头response.headers.add('Access-Control-Allow-Origin', '*')return responseif __name__ == '__main__':# port为指定端口,也可不指定app.run(host='0.0.0.0', port=5000, debug=True)
2 前端搭建
本项目采用Vue+ElementUI,页面问题不进行赘述。此处注意前后端跨域问题即可。可引入axios进行解决。在项目中添加vue.config.js文件,并在main.js文件中添加内容
module.exports = {publicPath: "./", // 部署应⽤包时的基本 URLoutputDir: "dist", // npm run build ⽣成的⽂件夹,默认是distassetsDir: "static", // 在kaixin⽂件夹下⾯⽣成static⽬录存放js,img,css等静态资源indexPath: "index.html", // ⽣成的单⽂件的,⽂件名,devServer: {host:'0.0.0.0',disableHostCheck: true,proxy: {'/api': {target: '0.0.0.0:5000',//后端接口地址,按自己的改changeOrigin: true,//是否允许跨越pathRewrite: {'^/api': ''}}}}}
import axios from 'axios'// 指向后台服务axios.defaults.baseURL = '0.0.0:5000'Vue.prototype.$ajax = axios
3 云服务器部署
本项目是将前端和后台代码部署至同一个服务器。服务器系统为centos7。使用宝塔面板进行服务器管理(有点好用)。
详细设置教程可参考linux CentOS 宝塔面板安装设置教程
安装Nginx和python项目管理器,后续可在面板上操作,完成项目打包上传并部署。