使用Gunicorn成功在云服务器上部署

2025-08-24 22:19:28 +08:00
parent 4dfa506bc9
commit fb160a7a31
4 changed files with 323 additions and 1 deletions
--- a/docs/product/Gunicorn部署操作指南
+++ b/docs/product/Gunicorn部署操作指南
@@ -0,0 +1,91 @@
+好的，我将修改Gunicorn配置使用5002端口，然后重新启动服务。
+
+现在启动Gunicorn服务：
+
+```bash
+eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)" && conda activate myenv && gunicorn -c gunicorn.conf.py run_dev:app
+```
+检查服务是否成功启动：
+
+```bash
+cd /home/renjianbo/aitsc && eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)" && conda activate myenv && sleep 3 && ps aux | grep gunicorn
+```
+检查端口监听状态：
+
+```bash
+eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)" && conda activate myenv && ss -tlnp | grep :5002
+```
+让我检查日志文件，看看是否有启动错误：
+
+```bash
+eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)" && conda activate myenv && ls -la logs/
+```
+检查错误日志：
+
+```bash
+eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)" && conda activate myenv && cat logs/gunicorn_error.log
+```
+我发现问题了！日志显示Gunicorn仍然在监听5000端口，而不是5002端口。让我检查PID文件并停止旧的服务：
+
+```bash
+eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)" && conda activate myenv && cat logs/gunicorn.pid
+```
+停止旧的Gunicorn服务：
+
+```bash
+eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)" && conda activate myenv && kill -TERM 17895
+```
+等待几秒钟让服务完全停止，然后重新启动：
+
+```bash
+eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)" && conda activate myenv && sleep 3 && gunicorn -c gunicorn.conf.py run_dev:app
+```
+检查新服务是否在5002端口启动：
+
+```bash
+cd /home/renjianbo/aitsc && eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)" && conda activate myenv && sleep 5 && ss -tlnp | grep :5002
+```
+太好了！现在检查Gunicorn进程状态：
+
+```bash
+eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)" && conda activate myenv && ps aux | grep gunicorn | grep -v grep
+```
+测试服务是否正常响应：
+
+```bash
+eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)" && conda activate myenv && curl -s http://localhost:5002/ | head -20
+```
+## ✅ **Gunicorn部署成功！**
+
+### **部署状态总结**：
+
+1. **✅ 环境激活**：Python 3.12.7环境已激活
+2. **✅ 端口配置**：已修改为5002端口
+3. **✅ 服务启动**：Gunicorn成功启动
+4. **✅ 进程运行**：6个工作进程正在运行
+5. **✅ 端口监听**：5002端口正常监听
+6. **✅ 服务响应**：Web服务正常响应
+
+### **当前部署信息**：
+
+- **访问地址**：`http://localhost:5002`
+- **外网地址**：`http://101.43.95.130:5002`
+- **工作进程数**：6个（根据CPU核心数自动配置）
+- **并发能力**：约6000个并发连接
+- **日志位置**：`logs/gunicorn_access.log` 和 `logs/gunicorn_error.log`
+
+### **管理命令**：
+
+```bash
+# 停止服务
+kill -TERM $(cat logs/gunicorn.pid)
+
+# 重启服务
+kill -HUP $(cat logs/gunicorn.pid)
+
+# 查看日志
+tail -f logs/gunicorn_access.log
+tail -f logs/gunicorn_error.log
+```
+
+**您的Flask应用现在已成功使用Gunicorn部署在5002端口，支持高并发访问！** 🚀
--- a/docs/product/启动服务器
+++ b/docs/product/启动服务器
@@ -0,0 +1,129 @@
+我来帮您了解如何使用已安装的Python 3.12.7环境。让我为您提供详细的使用指南：
+
+Python 3.12.7 环境使用指南
+
+1. 激活conda环境
+
+首先需要激活包含Python 3.12.7的conda环境：
+
+# 激活conda基础环境
+eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)"
+
+# 激活项目环境（包含Python 3.12.7）
+conda activate myenv
+
+2. 验证Python版本
+
+# 检查Python版本
+python --version
+# 应该显示: Python 3.12.7
+
+# 检查pip版本
+pip --version
+
+3. 常用conda命令
+
+# 查看所有环境
+conda env list
+
+# 激活环境
+conda activate 环境名
+
+# 退出环境
+conda deactivate
+
+# 查看当前环境安装的包
+conda list
+
+# 安装包
+conda install 包名
+# 或者使用pip
+pip install 包名
+
+4. 项目开发流程
+
+# 1. 进入项目目录
+cd /home/renjianbo/aitsc
+
+# 2. 激活项目环境
+conda activate myenv
+
+# 3. 运行项目
+python run_dev.py
+
+# 4. 安装新的依赖包
+pip install 新包名
+
+# 5. 更新requirements.txt
+pip freeze > requirements.txt
+
+5. 环境管理
+
+# 创建新环境
+conda create -n 新环境名 python=3.12.7
+
+# 删除环境
+conda env remove -n 环境名
+
+# 导出环境配置
+conda env export > environment.yml
+
+# 从配置文件创建环境
+conda env create -f environment.yml
+
+6. 包管理
+
+# 使用conda安装包
+conda install numpy pandas matplotlib
+
+# 使用pip安装包
+pip install flask django requests
+
+# 查看已安装的包
+pip list
+
+# 搜索包
+conda search 包名
+
+7. 虚拟环境vs conda环境
+
+conda环境的优势：
+- 可以管理Python版本
+- 可以管理非Python包
+- 更好的依赖解析
+- 跨平台兼容性好
+  
+使用建议：
+- 开发项目时使用conda环境
+- 每个项目创建独立环境
+- 定期更新环境
+  
+8. 常见问题解决
+
+# 如果conda命令不可用
+export PATH="/home/renjianbo/miniconda3/bin:$PATH"
+
+# 如果环境激活失败
+conda init bash
+source ~/.bashrc
+
+# 清理conda缓存
+conda clean --all
+
+9. 项目启动完整流程
+
+# 完整启动流程
+cd /home/renjianbo/aitsc
+eval "$(/home/renjianbo/miniconda3/bin/conda shell.bash hook)"
+conda activate myenv
+python run_dev.py
+
+10. 环境信息
+
+您的Python 3.12.7环境信息：
+- 环境名称: myenv
+- Python版本: 3.12.7
+- 环境路径: /home/renjianbo/miniconda3/envs/myenv
+- 已安装包: Flask, SQLAlchemy, PyMySQL等
+  
+这样您就可以充分利用Python 3.12.7环境进行开发了！
--- a/docs/product/项目部署咨询
+++ b/docs/product/项目部署咨询
@@ -0,0 +1,102 @@
+我需要先了解您当前的启动方式和项目结构，以便分析是否支持高并发访问。让我查看一下您的项目配置。
+
+Ran tool
+我看到您有多种启动方式，让我查看主要的启动配置文件来分析高并发支持情况：
+
+Read file: gunicorn.conf.py
+Read file: uwsgi.ini
+Read file: run_production_simple.py
+Read file: run_production_public.py
+Read file: docker-compose.prod.yml
+基于对您项目启动配置的分析，我来回答关于高并发访问支持的问题：
+
+## 当前启动方式的高并发支持分析
+
+### 🔴 **不支持高并发** 的启动方式：
+
+1. **Flask内置服务器启动** (`run_production_simple.py`, `run_production_public.py`)
+   - 使用 `app.run()` 启动
+   - 虽然启用了 `threaded=True`，但仍然是单进程
+   - **并发能力限制**：通常只能处理几十到几百个并发连接
+   - **适用场景**：开发测试、小规模部署
+
+### 🟡 **部分支持高并发** 的启动方式：
+
+2. **uWSGI启动** (`uwsgi.ini`)
+   - 配置了4个进程，每个进程2个线程
+   - **并发能力**：理论上可处理 4×2×1000 = 8000 个并发连接
+   - **限制**：进程数固定，无法动态扩展
+
+### <20><> **支持高并发** 的启动方式：
+
+3. **Gunicorn启动** (`gunicorn.conf.py`)
+   - 工作进程数：`multiprocessing.cpu_count() * 2 + 1`
+   - 每个工作进程连接数：1000
+   - **并发能力**：在8核服务器上可处理约 17×1000 = 17000 个并发连接
+   - **优势**：进程数根据CPU核心数自动调整
+
+4. **Docker容器化部署** (`docker-compose.prod.yml`)
+   - 包含Nginx反向代理
+   - 支持水平扩展（可启动多个app容器）
+   - **并发能力**：理论上无上限，取决于服务器资源
+
+### 📊 **高并发支持对比表**：
+
+| 启动方式 | 并发能力 | 扩展性 | 生产环境适用性 |
+|---------|---------|--------|---------------|
+| Flask内置服务器 | 低 (100-500) | 无 | ❌ |
+| uWSGI | 中 (5000-10000) | 有限 | ⚠️ |
+| Gunicorn | 高 (10000+) | 好 | ✅ |
+| Docker+K8s | 极高 (无上限) | 极好 | ✅ |
+
+### 💡 **建议**：
+
+1. **小规模部署**：使用Gunicorn即可满足需求
+2. **大规模部署**：使用Docker容器化 + Nginx负载均衡
+3. **超高并发**：考虑Kubernetes集群部署
+
+**总结**：您当前的启动方式中，只有Gunicorn和Docker部署方
+式支持高并发访问，Flask内置服务器和uWSGI配置在高并发场景下会有明显瓶颈。
+
+
+
+
+
+
+
+
+是的，您的项目**完全可以**进行小规模部署，使用Gunicorn作为WSGI服务器。
+
+## ✅ **支持小规模部署的原因**：
+
+### 1. **项目结构完整**
+- 已有完整的Gunicorn配置文件 (`gunicorn.conf.py`)
+- 包含生产环境配置 (`env.production`)
+- 有Docker部署方案 (`docker-compose.prod.yml`)
+
+### 2. **Gunicorn配置合理**
+- 工作进程数：`CPU核心数 × 2 + 1`（自动适配服务器性能）
+- 每个进程连接数：1000
+- 超时配置：30秒（适合Web应用）
+- 日志配置完整
+
+### 3. **小规模部署能力**
+- **并发支持**：可处理1000-10000个并发连接
+- **资源需求**：2-4GB内存，2-4核CPU即可
+- **稳定性**：进程自动重启，错误恢复机制
+
+## <20><> **小规模部署规格建议**：
+
+| 服务器配置 | 并发用户数 | 适用场景 |
+|-----------|-----------|----------|
+| 2核4GB | 500-1000 | 小型团队/部门 |
+| 4核8GB | 1000-3000 | 中型企业 |
+| 8核16GB | 3000-10000 | 大型企业 |
+
+## <20><> **部署方式**：
+
+1. **直接部署**：使用 `gunicorn -c gunicorn.conf.py run_dev:app`
+2. **Docker部署**：使用 `docker-compose.prod.yml`
+3. **系统服务**：配置为systemd服务
+
+**结论**：您的项目完全支持小规模生产部署，Gunicorn配置已经为生产环境做好了准备，可以安全地部署到生产服务器上。
--- a/gunicorn.conf.py
+++ b/gunicorn.conf.py
@@ -8,7 +8,7 @@ import os
 import multiprocessing

 # 服务器配置
-bind = "0.0.0.0:5000"
+bind = "0.0.0.0:5002"
 workers = multiprocessing.cpu_count() * 2 + 1
 worker_class = "sync"
 worker_connections = 1000