使用GCP部署机器学习API

此范例使用鸢尾花朵资料集进行 XGBoost 分类器模型训练。将模型储存起来，并使用 Flask 建置 API 介面提供输入值预测。最後并部署到 Google Cloud Platform。

今日学习目标

• 动手部署自己的机器学习 API
  • 使用 GCP 免费云端平台部署应用程序

GCP 设定

建立一个虚拟机器

每个Google帐号都有免费一年300美金额度的试用，启用後首先一开始点选 Compute Enging 并新增建立 VM 执行个体。

点我进入 GCP 控制台。

新建一个虚拟机需要注意以下几个事情：

1. 主机区域 (通常主机离你越远相对的费用就会比较便宜，相对的速度会比较慢)
2. 机器规格设定 (各位可以依据需求配置你的虚拟机)
3. 系统 (今天的范例使用 Ubuntu18.04 LTS)
4. 防火墙 (开启 HTTP 流量，也就是 80 PORT 被允许存取)

SSH 进入虚拟主机

边教学使用 Google 浏览器开启 SSH 进入虚拟机的方式，一方面也比较简单，若你是长期使用的资深的玩家可以考虑利用金钥的方式直接从本机电脑的终端机进行连线存取云端服务器的方式。

安装 Python

要在 Linux 环境中安装 Python 3，请安装相对应的套件。python3、python3-dev、 python3-venv。

sudo apt update
sudo apt install python3 python3-dev python3-venv build-essential

输入以下指令安装 Python 以及 PIP 管理工具。

wget https://bootstrap.pypa.io/get-pip.py
sudo python3 get-pip.py

执行 API

你可以直接 Fork 此专案到你自己的 GitHub 帐号中，或是直接 clone 专案到你的 GCP 中。

git clone https://github.com/1010code/Flask-API-example-with-ML-model-GCP.git
cd Flask-API-example-with-ML-model-GCP

安装必要套件

使用 pip3 指令安装必要的套件。

pip3 install -r requirements.txt

执行

使用 python3 指令且在 sudo 环境下执行程序，即可监听 80 PORT。

sudo python3 run.py

补充

大家在本机开发时执行 Python 程序应该都是使用 python xxx.py 的方式执行，但我们部署到云端服务器时如果使用此方法应该会发现当你关闭终端机时你的程序就会结束服务。因此在部署时候建议各位要使用 Gunicorn 将 API 背景执行。

下面是我之前拍摄的 GCP 系列影片，可以给各位参考哦！

• [GCP教学-Python] #1 部署第一个Python Flask API程序
• [GCP教学-Python] #2 将临时外部IP改为静态IP位置
• [GCP教学-Python] #3 利用iptable转发PORT号
• [GCP教学-Python] #4 建立防火墙规则
• [GCP教学-Python] #5 使用Gunicorn将API背景执行

本系列教学简报 PDF & Code 都可以从我的 GitHub 取得！