flask+Python+Vue实现前后端分离的web项目并部署至云服务器

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���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 = 0    for 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 += 1    print(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 URL    outputDir: "dist", // npm run build ⽣成的⽂件夹，默认是dist    assetsDir: "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。