Python发布成AIP接口服务的几种方式

把 Python 代码发布成 API 服务接口，最常用的是 HTTP API，便于其他语言（如前端、Java、Go）调用。下面按常用程度分 4 种方案，从最简单到生产级：

1. 最轻量：Flask（适合快速原型）

from flask import Flask, request, jsonify

app = Flask(__name__)

@app.route('/predict', methods=['POST'])
def predict():
    data = request.get_json()
    # 你的业务逻辑
    result = process_data(data)
    return jsonify({"result": result})

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

启动：python app.py
调用：curl -X POST http://localhost:5000/predict -H "Content-Type: application/json" -d '{"key":"value"}'

2. 更现代异步：FastAPI（自动文档、高性能）

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel

app = FastAPI()

class InputData(BaseModel):
    text: str
    threshold: float = 0.5

@app.post("/process")
async def process(data: InputData):
    # 你的逻辑
    result = {"output": data.text.upper(), "score": data.threshold}
    return result

# 访问 http://localhost:8000/docs 获得自动生成的API文档

启动：uvicorn main:app --reload --host 0.0.0.0 --port 8000

3. 函数即服务：使用 FaaS（免运维）

• 阿里云函数计算、AWS Lambda、腾讯云云函数

• 写一个入口函数，平台自动生成 API 网关

• 优点：按调用计费、自动扩缩容

4. 已有模型文件（如.pkl/.h5）→ API

# 加载一次模型，避免每次请求时重新加载
import joblib
model = joblib.load("model.pkl")

@app.post("/predict")
def predict_single(features: dict):
    pred = model.predict([list(features.values())])
    return {"prediction": pred.tolist()}

生产级注意事项

• 并发控制：使用 gunicorn -w 4 -k uvicorn.workers.UvicornWorker

• 限流：slowapi（Flask）或 slowapi 的 FastAPI 版

• 日志：结构化日志（JSON格式）

• 容器化：写 Dockerfile，丢到 Kubernetes

• 认证：API Key / JWT（Flask-JWT-Extended / FastAPI的OAuth2）