一、常见的模型部署场景

实时的、小数据量的预测应用
部署方式：采用python-httpserve应用部署（如flask, fastApi, django），缺点是可能需要跨环境，从Java跨到Python环境
实时的、大数据量的预测应用
部署方式：将训练好的模型转换成PMML，把模型封装成一个类，用Java调用这个类来预测
离线预测、D+1天的预测
部署方式：可以简单的使用Python脚本进行预测，使用shell的crontab做定时调用

⭐️多个项目部署到一个服务器上的部署方式：使用Docker将项目封装在独立的容器中

补充：Linux配置

由于大部分服务器使用Linux做服务器，所以这里补充一下Linux虚拟机安装
Linux虚拟机安装（Ubuntu 20）

配置常见问题：

【解决】vmware虚拟机安装时提示 Intel VT-x 处于禁用状态：进入BIOS打开Intel Virtualization Technology
【解决】VMWare Workstation 17报错(2784)：关闭虚拟机的3D加速功能
【解决】VMWare虚拟机安装Ubuntu时页面显示不全：VMware虚拟机安装Ubuntu时页面显示不全的解决方法

二、Docker

Docker是一种开源的容器化平台，可以简化应用程序的部署和管理过程。通过使用Docker，可以将应用程序及其所有依赖项封装在一个称为容器的独立单元中。
Docker部署的优点：

轻量和快速：Docker容器是轻量级的，因为它们与宿主机共享操作系统内核。这使得容器的启动和停止非常迅速，使您的应用程序能够快速部署和扩展。
可移植性：Docker容器提供了一个一致的运行时环境，无论在哪个主机上部署，容器内的应用程序和依赖项都将以相同的方式运行。这消除了由于不同主机之间的差异而导致的部署问题，使得应用程序在不同环境中更易于迁移和部署。
隔离性和安全性：Docker使用容器来隔离应用程序和其依赖项，确保它们在相互之间和宿主机上运行时相互独立。这种隔离性提供了更高的安全性，使得即使应用程序存在漏洞或问题，也不会对宿主机或其他容器造成影响。
简化的管理和部署：Docker提供了一套强大的工具和命令行界面，使得管理和部署应用程序变得简单。您可以使用Dockerfile来定义应用程序的构建过程，使得部署过程可重复和可自动化。此外，Docker还提供了监控、日志记录和扩展等功能，帮助您更好地管理和维护应用程序。

2.1 Docker 安装

Windows

官网下载Docker Desktop：Docker Desktop for Windows
测试是否安装成功：运行命令 docker run hello-world，显示"Hello from Docker!"则代表安装成功

Linux（ubuntu 20）

使用安装脚本安装docker

首先下载脚本

$ curl -fsSL https://get.docker.com -o get-docker.sh

以root权限运行脚本

sudo sh get-docker.sh

验证安装是否成功

sudo docker run hello-world

2.2 Docker部署python项目（Windows）

建立容器

在python项目里新建一个名为Dockerfile的文件，填写创建容器的指令配置。例：

# 使用适当的基础镜像
FROM python:3.9

# 设置工作目录
WORKDIR /app

# 复制本地项目文件到容器中
COPY . /app

# 安装项目依赖库（如果有）
RUN pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple


# 设置入口命令
CMD ["python", "./main.py"]

在终端里cd到python项目的位置，运行docker命令创建容器。例：

# 创建一个名为psql的容器
docker build -t psql .

在终端里使用docker命令运行项目。例：

docker run -p 9999:9999 psql

进入容器运行项目

启动容器并进入容器的交互式终端。例：

docker run -it psql bash

运行项目

python main.py

2.3 将容器打包部署到其他设备或服务器上

查询本地仓库的所有镜像

docker images

导出容器。例：

docker save <容器id> > <保存容器的路径>\<容器文件名称>.tar

将容器文件导入到其他设备或服务器的docker里（这里演示在ubuntu里加载容器）

cd到容器文件的文件夹里，打开终端，输入命令

sudo docker load --input <容器文件名称>.tar

打开终端，验证容器是否成功导入

查询本地仓库所有镜像

sudo docker images

如果看到加载的镜像没有tag和镜像名，则手动打tag:

docker tag {image_id} {image_name}:{image_tag}

进入镜像

sudo docker run -it <image_name> bash

运行项目

python main.py

使用Docker进行模型部署