使用Flask和Gunicorn部署ML模型

我第一次部署了一个ML模型。我正在使用flask restful创建一个rest api和gunicorn作为独立的WSGI。我的项目目录只有两个文件，ML_model.py和rApi.py。我安装了gunicorn并使用

gunicorn-w4-b127.0.0.1:5000 rApi:app运行了服务器，并且我能够使用restAPi。我看到了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，为什么我需要所有这些文件

我看到了许多类似.env、.config和wsgi.py文件的内容

最有可能的是，这些只是将配置加载到应用程序中的不同方式

例如，使用
.env
文件，可以以以下形式声明一些变量：

#.env
MODEL_FILE=some/path/to/a.h5

然后加载类似的内容，实际上允许您在应用程序中执行以下操作：

model_to_use = os.getenv('MODEL_FILE', 'default.h5')
then_do_someting_with(model_to_use)

这将使硬编码（可能是秘密变量）远离您的代码，避免将它们提交给源代码控制。因此，当您将应用程序部署到其他服务器或系统时，可以创建一个新的
.env
文件，该文件包含：

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


如果您希望将上述所有配置一起加载，可以使用专用的
config.py
，然后在
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（例如应用于应用程序）

当然，这只是将该配置应用于应用程序的一种方法。您还可以在

env var上传递一个

PROXYFIX\u，然后在代码中执行一些逻辑，以基于该变量的存在启用实际功能

后者意味着通过更改env变量禁用或启用功能。前者意味着根据用于运行服务器的模块禁用或启用功能


这真的取决于你如何设计应用程序的这一部分。不过，从环境变量加载配置非常常见。当然，了解您选择的部署方法如何处理这一问题也是一个好主意。例如：