Python AWS EC2实例在移动NLTK数据位置后似乎自毁

因此，我用flask前端构建了一个数据和NLP应用程序，它在本地运行得非常好，但当我尝试在Apache服务器后面的AWS（Ubuntu linux）上设置它时，出现了大量问题，正如我们建议的那样（flask不是为部署而设计的）。在这种设置下，python模块的导入突然变得相当困难，在Stackoverflow上有很多问题。已经解决了其中的5个问题，在整个代码中每次都使用大量Python日志语句来查看各种脚本在什么时候崩溃或挂起（没有错误消息），然后它比以往任何时候都更进一步，出现了关于NLTK语料库位置的问题。不是NLTK模块，导入的很好，只是语料库文件夹

因此，要做到这一点，通常只需要以下代码：

import nltk
nltk.download()

它打开了一种用户界面，您可以在其中选择要下载的语料库或NLP项目，以及是否更改目录以将其存储在其他地方。默认情况下，它将目录

nltk\u data/

置于您的主目录中并将其放入其中

因此，我起初认为问题在于，该文件夹需要Apache用户

www-data

的权限，但这不起作用。然后在Apache错误日志中注意到，它在4个文件夹中进行了查找，但没有找到任何内容—其中一个文件夹是

/var/www/nltk_data

，没有一个文件夹是它实际所在的主目录。我记不起另外3个了

我看了几个关于Stackoverflow（，，，）的类似问题，但决定用更简单的方法。以下方面也是如此：

sudo mkdir /var/www/nltk_data
sudo cp -r nltk_data/   /var/www/

然后我再次刷新Apache日志，重新启动服务器并开始检查日志。它以通常的速度运行，花了几分钟完成脚本，重新检查日志，新的日志消息不断出现，然后一些关于内存的消息在ssh屏幕上不断重复，日志不再可见。我什么都打不出来。它让我退出，不让我重新登录。进入AWS控制台，重新启动两次。停止，重新启动，仍然无法登录。所以在愤怒中，终止了它。后悔这么做了，但是如果你不能登录的话，你觉得把它保留在那里没有任何意义

问题:

将nltk_数据目录复制到Apache正在查找的/var/www上可以吗？我应该再这样做吗

如果一个EC2实例的内存不足，它是否会严重杀死它，甚至在停止和启动它之后，您也无法再登录

如果这种情况再次发生，从我的本地终端，是否有办法在“安全”模式下重新启动，这样我就可以进入那里，并尝试撤销我所做的任何杀死它的事情？（而不仅仅是有效地删除整个内容）

---

现在可能会有另一次尝试，重新创建实例，可能4MB的ram不足以让我的应用程序和Apache一起使用，我想知道这些问题的答案或任何其他相关提示，以便我下一步必须执行nltk步骤。

因此，在设置新实例后，我谢天谢地解决了这个问题，下面是如何：

sudo ln -sT /home/ubuntu/nltk_data  /usr/share/nltk_data

我很高兴现在一切正常。我们一直在观察新实例上

top

系统监视器的输出，该实例比自毁实例稍大，注意到它从未使用超过40%的内存，但在主脚本运行时，CPU长时间处于最大状态。也许这就是杀死较小实例的原因

当我最初安装stopwords时，它显示在这里： LookupError：

**********************************************************************
  Resource 'corpora/stopwords' not found.  Please use the NLTK
  Downloader to obtain the resource:  >>> nltk.download()
  Searched in:
    - '/home/ubuntu/nltk_data'
    - '/usr/share/nltk_data'
    - '/usr/local/share/nltk_data'
    - '/usr/lib/nltk_data'
    - '/usr/local/lib/nltk_data'
**********************************************************************

然而，apache日志显示，除了

] [pid 19:tid 13] [client 77..]   Resource 'corpora/stopwords' not found.  Please use the NLTK
[Sat Jul 08 16:35:19.694759 2017] [wsgi:error] [pid 19437:tid 1..] [client 77..]   Downloader to obtain the resource:  >>> nltk.download()
[Sat Jul 08 16:35:19.694762 2017] [wsgi:error] [pid 19437:tid 1..] [client 77..]   Searched in:
[Sat Jul 08 16:35:19.694764 2017] [wsgi:error] [pid 19437:tid 1..] [client 77..]     - '/var/www/nltk_data'
[Sat Jul 08 16:35:19.694766 2017] [wsgi:error] [pid 19437:tid 1..] [client 77..]     - '/usr/share/nltk_data'
[Sat Jul 08 16:35:19.694768 2017] [wsgi:error] [pid 19437:tid 1..] [client 77..]     - '/usr/local/share/nltk_data'
[Sat Jul 08 16:35:19.694770 2017] [wsgi:error] [pid 19437:tid 1..] [client 77..]     - '/usr/lib/nltk_data'
[Sat Jul 08 16:35:19.694772 2017] [wsgi:error] [pid 19437:tid 1..] [client 77..]     - '/usr/local/lib/nltk_data'

---

因此，我认为链接而不是复制会更安全，而且使用Apache正在查看的

/usr/share/

目录也会更安全，而不是弄乱自己的目录。

我无法与AWS对话，但没有理由将

nltk_数据

置于

/var/www

之下。只要通过设置环境变量

nltk_DATA

（或者在应用程序中调整

nltk.DATA.path

，请参见）确保您的

nltk

可以找到它，如果“import nltk”工作正常（并且您也拥有所有依赖项），那么您链接到的四个问题中只有

1

是相关的，并且没有答案。问题3在任何情况下都是不相关的。感谢您的回答并查看张贴的问题。。同时找到了一个解决我的一个问题的方法-没有，不幸的是EC2实例不能在安全模式下启动，恢复过程听起来不太愉快。这次我有一个内存更大的，以减少它再次发生的机会，我会看看什么时候我到了那一点，如何以及如果我解决nltk目录问题。Apache服务于

/usr/share

？你把我弄丢了。但很高兴听到你把它修好了。（您引用的消息来自

nltk.data

库，而不是Apache）。是吗？谢谢，我看过了。正如您在Apache日志中所看到的，Apache在5个位置查找，不包括nltk_数据实际所在的1个位置。我不认为Apache想要查看我的主目录更容易，只需将某些东西放在它已经在查看的地方。