FastAPI 部署实战：从 0 到上线，一篇彻底搞定！

FastAPI 作为 Python 高性能异步 Web 框架，部署上线却是很多开发者的痛点。本文从环境准备开始，手把手带你完成 FastAPI 生产环境部署，包含 Uvicorn/Gunicorn 启动、Docker 容器化、开机自启、日志配置等全套流程。从零到一，一篇吃透，看完直接照着部署，告别各种坑！

让我们敲起希望之钟

925人浏览 · 2026-04-04 17:02:27

让我们敲起希望之钟 · 2026-04-04 17:02:27 发布

一、核心知识点

1. ASGI/WSGI 核心概念澄清

FastAPI 是 ASGI 框架（异步），不能直接运行，仅支持 ASGI 服务器（uvicorn/daphne/hypercorn），gunicorn 本身是 WSGI 服务器，需通过 uvicorn.workers.UvicornWorker 适配 ASGI 应用。
生产环境：gunicorn（进程管理） + uvicorn（异步工作进程）是行业标准，而非直接用 gunicorn 运行。

2. 版本兼容性

组件	推荐稳定版本	兼容说明
Python	3.8~3.11	3.12+ 在 CentOS7 需手动编译 OpenSSL 1.1.1
FastAPI	0.103.1 ~ 0.115.0	0.135+ 对 Python 3.9 兼容性略降
Uvicorn	0.24.0 ~ 0.27.1	与 FastAPI 大版本匹配
Gunicorn	21.2.0 ~ 25.3.0	25.x 需 Python 3.7+
pydantic-settings	2.1.0 ~ 2.13.1	2.x 仅支持 Python 3.8+

二、第一步：编写基础代码

1. 项目结构

fastapi-project/
├── app/                  # 主应用目录
│   ├── __init__.py
│   ├── main.py           # FastAPI 入口
│   └── settings.py       # 多环境配置
├── .env.dev              # 开发环境变量
├── .env.test             # 测试环境变量
├── .env.prod             # 生产环境变量
├── requirements.txt      # 依赖
├── gunicorn_conf.py      # 生产环境标准配置
├── Dockerfile            # Docker 构建文件
└── docker-compose.yml    # Docker 一键启动

2. requirements.txt

fastapi>=0.135.2
uvicorn[standard]>=0.42.0
gunicorn>=25.3.0        # 生产环境用
python-dotenv>=1.2.2    # 多环境配置
pydantic-settings>=2.13.1 # 官方推荐环境配置

3. gunicorn_conf.py

# Gunicorn 配置文件
# 用于生产环境启动 FastAPI 应用的 WSGI 服务器配置
# 官方文档：https://docs.gunicorn.org/en/stable/settings.html

# ========================== 基础配置 ==========================
# 监听的地址和端口
# 0.0.0.0 表示允许外部访问，8000 是服务端口
bind = "0.0.0.0:8002"

# 后台运行（守护进程）
# True：后台运行；False：前台运行（开发/调试用）
# daemon = True
daemon = False  # Docker/Systemd 管理时关闭后台运行

# 进程 ID 存储文件路径（可选，用于管理进程）
# pidfile = "/tmp/gunicorn.pid"
pidfile = None  # 容器化不需要 pid 文件

# ========================== 性能配置 ==========================
# 工作进程数（workers）
# 官方推荐公式：workers = 核心数 × 2 + 1
# 例如 4 核 CPU：workers = 9
# 容器环境建议：1~4 即可，避免资源占用过高
# workers = 2
workers = min(cpu_cores * 2 + 1, 8)  # 上限 8，避免过多进程

# 工作模式（worker_class）
# FastAPI / ASGI 应用必须使用 uvicorn.workers.UvicornWorker
# 不能用默认的 sync 模式
worker_class = "uvicorn.workers.UvicornWorker"

# 每个工作进程的最大并发连接数
worker_connections = 1000

# 单个工作进程处理多少请求后自动重启（防止内存泄漏）
max_requests = 2000
# 随机偏移量，避免所有 worker 同时重启
max_requests_jitter = 100

# ========================== 超时配置 ==========================
# 客户端连接超时时间（秒）
# 生产环境建议 30~60
timeout = 30

# 优雅关闭超时时间（秒）
graceful_timeout = 10

# 保持连接超时（秒），HTTP/1.1 keep-alive
keepalive = 2

# ========================== 安全配置 ==========================
# 限制最大请求体大小（单位：字节）
# 50MB = 50 * 1024 * 1024
limit_request_line = 8190
limit_request_fields = 100
limit_request_field_size = 8190

# ========================== 调试配置 ==========================
# 调试模式（生产环境必须关闭）
debug = False

# 日志文件路径（可选，不配置则输出到控制台）
# accesslog = "/var/log/gunicorn/access.log"
# errorlog = "/var/log/gunicorn/error.log"

# 详细日志级别
# 可选：debug、info、warning、error、critical
loglevel = "info"

# ========================== 容器环境优化 ==========================
# Docker / Kubernetes 环境下必须开启
# 让 Gunicorn 正确接收容器的停止信号（SIGTERM/SIGINT）
forwarded_allow_ips = "*"
proxy_allow_ips = "*"

# 不使用缓冲输出，日志实时输出到控制台（Docker 日志收集必备）
capture_output = True

4. app/main.py（核心接口）

from fastapi import FastAPI
from app.settings import settings

# 创建 FastAPI 实例
app = FastAPI(
    title="FastAPI 部署实例",
    version="1.0.0",
    debug=settings.DEBUG  # 从环境配置读取
)

# 测试接口
@app.get("/")
def index():
    return {
        "msg": "FastAPI 部署成功",
        "env": settings.ENV,       # 当前环境
        "debug": settings.DEBUG,   # 是否调试模式
        "port": settings.PORT      # 端口
    }

5. app/settings.py（多环境配置核心）

import os

from pydantic_settings import BaseSettings, SettingsConfigDict


class Settings(BaseSettings):
    # 环境变量名称（必须大写）
    ENV: str = "dev"  # 环境：dev/test/prod
    DEBUG: bool = True  # 调试模式
    PORT: int = 8000  # 端口
    HOST: str = "0.0.0.0"  # 监听地址

    # 配置优先级：命令行 > 系统环境变量 > 指定 env 文件 > 默认值
    model_config = SettingsConfigDict(
        env_file=f".env.{os.getenv('ENV', 'dev')}",  # 动态加载环境文件
        env_file_encoding="utf-8",
        case_sensitive=True,  # 严格区分环境变量大小写
        extra="ignore"  # 忽略未定义的环境变量
    )


# 实例化配置
settings = Settings()

6. 多环境 .env 文件

.env.dev（开发）

ENV=dev
DEBUG=True
PORT=8000

.env.test（测试）

ENV=test
DEBUG=True
PORT=8001

.env.prod（生产）

ENV=prod
DEBUG=False
PORT=8002

三、Windows 系统部署

1. 安装 Python 3.13+

2. 安装依赖

cd fastapi-project
pip install -r requirements.txt

3. 开发环境启动

# 默认加载 .env
uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

4. 指定环境启动（核心：多环境切换）

# 开发
uvicorn app.main:app --env-file .env.dev --reload

# 测试
uvicorn app.main:app --env-file .env.test --reload

# 生产
uvicorn app.main:app --env-file .env.prod

5. Windows 生产后台运行（无关闭窗口中断）

使用 start 后台运行：

start /b uvicorn app.main:app --host 0.0.0.0 --port 8002 --env-file .env.prod

访问：

http://127.0.0.1:8000

http://127.0.0.1:8001

http://127.0.0.1:8002

6. Windows 下杀死后台运行的 Uvicorn 进程

你用 start /b 启动的后台进程，可通过端口或进程 ID杀死，步骤如下：

方法 1：通过端口号杀死（推荐）

打开 cmd 执行命令，查找占用 8002 端口的进程 PID：
```
netstat -ano | findstr :8002
```
输出示例：TCP 0.0.0.0:8002 0.0.0.0:0 LISTENING 4144（ 4144就是进程 PID）。
根据 PID 杀死进程：
```
taskkill /F /PID 4144
```
- /F：强制终止进程
- 替换 4144 为你查到的实际 PID。

方法 2：通过进程名杀死（批量终止 Uvicorn）

如果启动了多个 Uvicorn 进程，可直接按进程名杀死：

taskkill /F /IM python.exe /T

/IM：指定进程名（Python 运行 Uvicorn，进程名是 python.exe）
/T：终止进程及子进程

方法 3：任务管理器图形化操作

按下 Ctrl + Shift + Esc 打开任务管理器。
切换到详细信息标签，找到python.exe进程（对应 PID 为 4144 的那个）。
右键选择结束任务，或选中后点击结束任务按钮。

方法 4：通过进程名查端口号杀死

第一步：获取进程的 PID 列表

执行命令列出所有python.exe的 PID：

tasklist | findstr /i python.exe

输出示例：

python.exe                     4144 Console                    1    100,200 K
python.exe                     5678 Console                    1     89,500 K

其中4144、5678是python.exe的 PID。

第二步：根据 PID 查占用端口

执行命令关联 PID 和端口：

netstat -ano | findstr /i "LISTENING" | findstr "4144"

输出示例：

TCP    0.0.0.0:8002           0.0.0.0:0              LISTENING       4144

即可看到python.exe（PID 4144）占用了8002 端口。

一键查询脚本（自动匹配进程名 + 端口）

新建check_port_by_process.bat批处理文件，输入以下代码，可直接根据进程名查端口：

@echo off
set /p process_name=请输入进程名（如python.exe）：
echo.
echo 正在查询进程 [%process_name%] 的PID...
tasklist | findstr /i %process_name%
echo.
echo 正在查询PID对应的端口...
for /f "tokens=2" %%a in ('tasklist ^| findstr /i %process_name% ^| findstr /i "Console"') do (
    netstat -ano | findstr /i "LISTENING" | findstr %%a
)
echo.
pause

7. nssm 部署

（1）更优雅的后台运行（替代 `start /b`）

使用 nssm（Non-Sucking Service Manager）将 FastAPI 注册为 Windows 服务：

# 1. 下载 nssm（https://nssm.cc/download）
# 2. 注册服务
nssm install FastAPI-Prod "C:\Python39\python.exe" "C:\Python39\Scripts\uvicorn.exe app.main:app --host 0.0.0.0 --port 8002 --env-file .env.prod"
# 3. 启动服务
nssm start FastAPI-Prod
# 4. 停止/删除服务
nssm stop FastAPI-Prod
nssm remove FastAPI-Prod confirm

（2）端口占用检测脚本（批处理）

新建 check_port.bat：

@echo off
set /p port=请输入要检测的端口：
netstat -ano | findstr :%port% > nul
if %errorlevel% equ 0 (
    echo 端口 %port% 已被占用！PID 信息：
    netstat -ano | findstr :%port%
) else (
    echo 端口 %port% 未被占用
)
pause

四、CentOS7 部署（生产标准）

1. 安装 Python 3.9

Python 3.9 是 CentOS7 官方兼容的新版本，编译时能正常调用系统的 OpenSSL 1.0.2k，生成 _ssl 模块；

避开了 Python 3.13 对 OpenSSL 1.1.1+ 的高版本要求，从根源解决模块缺失问题；

Python 3.9 完全支持 FastAPI 0.135.2 所有功能，不影响项目开发和部署。

1.1. 安装 CentOS7 编译依赖（必须执行）

yum install -y gcc gcc-c++ make openssl-devel bzip2-devel libffi-devel zlib-devel wget curl xz

1.2. 下载并编译安装 Python 3.9.19

# 进入安装目录
cd /usr/local/src

# 下载 Python 3.9.19
wget https://www.python.org/ftp/python/3.9.19/Python-3.9.19.tgz

# 解压
tar -xvf Python-3.9.19.tgz
cd Python-3.9.19

# 清理之前失败的编译文件（如果之前未编译失败，可忽略）
make clean
make distclean

# 编译配置 CentOS7 的系统太老，开启 --enable-optimizations 编译会失败！
./configure

# 编译（-j 代表CPU核心数，加速编译）
make -j4

# 安装（不替换系统自带Python，安全）
make altinstall

1.3. 验证是否安装成功

python3.9 --version
pip3.9 --version

出现版本号即成功。

1.4. Python 到底安装在哪里？

👉 默认安装路径（CentOS7 + make altinstall）

python

/usr/local/bin/python3.9

pip

/usr/local/bin/pip3.9

👉 安装目录完整路径：

/usr/local/lib/python3.9/

👉 你可以用这条命令查看真实位置：

which python3.9

输出一定是

/usr/local/bin/python3.9

查看安装目录所有文件

ls -l /usr/local/bin | grep python
ls -l /usr/local/lib | grep python

系统自带 Python 在哪里？（2.7）

/usr/bin/python

所以：

python = 系统 2.7
python3.9 = 你新装的 3.9.19

1.5. 配置国内镜像源

# 一键配置阿里云镜像（最快、最稳）
pip3.9 config set global.index-url http://mirrors.aliyun.com/pypi/simple/
pip3.9 config set global.trusted-host mirrors.aliyun.com

1.6. 升级 pip（必须）

pip3.9 install --upgrade pip

2. 安装依赖

# 进入项目
cd /root/fastapi-project

# 安装依赖
python3.9 -m pip install -r requirements.txt

3. 直接运行（开发 / 测试）

# 开发
python3.9 -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload --env-file .env.dev

# 测试
python3.9 -m uvicorn app.main:app --host 0.0.0.0 --port 8001 --env-file .env.test

4. 生产级启动（gunicorn + uvicorn）【正式环境必须用】

Gunicorn 是 Linux/Mac 专用的 WSGI 服务器，完全不支持 Windows 系统！

新建 gunicorn_conf.py

# gunicorn 配置
bind = "0.0.0.0:8002"        # 监听端口
workers = 4                  # 进程数 = CPU核心 * 2 + 1
worker_class = "uvicorn.workers.UvicornWorker"  # 使用 uvicorn
timeout = 120
keepalive = 5

运行：

gunicorn app.main:app -c gunicorn_conf.py --env ENV_FILE=.env.prod

5. 后台守护运行（关闭终端不关闭服务）

nohup gunicorn app.main:app -c gunicorn_conf.py > app.log 2>&1 &

查看日志：

tail -f app.log

关闭进程：

pkill gunicorn

6. 一键脚本

CentOS 7.9 + Python 3.9 一套到底的完整部署方案，跟 Java jar 一样省心。

6.1. 最终稳定版：requirements.txt

fastapi==0.115.0
uvicorn==0.27.1
gunicorn==21.2.0
pydantic-settings==2.1.0
python-dotenv==1.0.1

安装命令：

python3.9 -m pip install -r requirements.txt

6.2. 启动脚本：run.sh

#!/bin/bash
nohup python3.9 -m gunicorn app.main:app -w 4 -k uvicorn.workers.UvicornWorker -b 0.0.0.0:8001 > app.log 2>&1 &
echo "FastAPI 已后台启动，端口：8001"

加权限并运行：

chmod +x run.sh
./run.sh

6.3. 停止脚本：stop.sh

#!/bin/bash
pkill -f gunicorn
echo "FastAPI 已停止"

加权限：

chmod +x stop.sh
./stop.sh

6.4. 查看日志

tail -f app.log

6.5. 查看是否在运行

ps -ef | grep gunicorn

7. Systemd 服务管理（替代 nohup）

创建 /usr/lib/systemd/system/fastapi.service：

[Unit]
Description=FastAPI Production Service
After=network.target

[Service]
User=root
Group=root
WorkingDirectory=/root/fastapi-project
Environment="ENV=prod"
ExecStart=/usr/local/bin/gunicorn app.main:app -c gunicorn_conf.py
ExecReload=/bin/kill -HUP $MAINPID
ExecStop=/bin/kill -TERM $MAINPID
Restart=on-failure
RestartSec=5s
LimitNOFILE=65535

[Install]
WantedBy=multi-user.target

启动 / 管理命令：

systemctl daemon-reload
systemctl start fastapi
systemctl enable fastapi  # 开机自启
systemctl status fastapi
journalctl -u fastapi -f  # 查看日志

防火墙配置：

# 开放 8002 端口
firewall-cmd --zone=public --add-port=8002/tcp --permanent
firewall-cmd --reload
# 查看开放端口
firewall-cmd --list-ports

五、Docker 部署（最推荐、跨平台一致）

Windows / Mac / CentOS / Ubuntu 完全一样

1. 创建 Python3.9 镜像

方式一: 创建本地镜像

步骤1：创建最简单的 Dockerfile（完全本地，不 FROM 任何外网）

FROM centos:7

# 替换为阿里云源
RUN rm -rf /etc/yum.repos.d/*.repo \
    && curl -o /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo \
    && yum clean all \
    && yum makecache

# 安装编译依赖（只装系统库，不联网下载Python）
RUN yum install -y gcc openssl-devel bzip2-devel libffi-devel zlib-devel make

# 把宿主机当前目录的 Python-3.9.19.tgz 复制到镜像里
COPY Python-3.9.19.tgz /usr/local/src/

# 编译安装 Python 3.9
RUN cd /usr/local/src \
    && tar xzf Python-3.9.19.tgz \
    && cd Python-3.9.19 \
    && ./configure \
    && make -j2 \
    && make altinstall

# 阿里云 pip 源
RUN pip3.9 config set global.index-url http://mirrors.aliyun.com/pypi/simple/ \
    && pip3.9 config set global.trusted-host mirrors.aliyun.com \
    && pip3.9 config set global.root-user-action ignore
    
# 安装依赖
#RUN pip install --no-cache-dir \
#    fastapi==0.115.0 \
#    uvicorn==0.27.1 \
#    gunicorn==21.2.0 \
#    pydantic-settings==2.1.0 \
#    python-dotenv==1.0.1
    
# 这里不配置任何网络源！避免失败
WORKDIR /app

# 默认启动命令
CMD ["python3.9"]

步骤2：构建 python 镜像（本地自己编译，不联网拉取任何镜像）

docker build -t python:3.9 .

方式二: 获取远程镜像

# 远程拉取镜像
docker pull swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/library/python:3.9-slim

# 给原镜像打一个新的标签
docker tag swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/library/python:3.9-slim python:3.9

# 一行命令合并执行，拉取时直接改名
docker pull swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/library/python:3.9-slim && docker tag $_ python:3.9

2. 编写 Dockerfile

# 直接使用本地基础镜像
FROM python:3.9

# 设置工作目录
WORKDIR /app

# 关键：指定环境为 prod
ENV ENV_FILE=.env.prod

# 复制项目代码
COPY . .

# 安装依赖
RUN pip3.9 install --no-cache-dir -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/

# 暴露多个端口
EXPOSE 8000
EXPOSE 8001
EXPOSE 8002

# 生产启动命令
CMD ["gunicorn", "app.main:app", "-c", "gunicorn_conf.py"]

-i https://mirrors.aliyun.com/pypi/simple/ 加这一行！指定国内镜像源，秒解决网络不通

3. 编写 docker-compose.yml（一键多环境）

version: '3'

services:
  # 开发环境
  fastapi-dev:
    build: .
    container_name: fastapi-dev
    ports:
      - "8000:8000"
    env_file:
      - .env.dev
    command: uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

  # 测试环境
  fastapi-test:
    build: .
    container_name: fastapi-test
    ports:
      - "8001:8001"
    env_file:
      - .env.test
    command: uvicorn app.main:app --host 0.0.0.0 --port 8001

  # 生产环境
  fastapi-prod:
    build: .
    container_name: fastapi-prod
    ports:
      - "8002:8002"
    env_file:
      - .env.prod
    command: gunicorn app.main:app -c gunicorn_conf.py

4. 构建项目镜像

docker build -t fastapi-app:v1 .

5. 创建启动容器

docker run -d \
  --restart=always \
  -p 8002:8002 \
  --env-file .env.prod \
  --name my-fastapi \
  fastapi-app:v1

要点：

--env-file .env.prod：加载生产环境变量（ENV=prod、DEBUG=False 等）
最后面覆盖启动命令：用 gunicorn
只映射 8002，不要同时映射 8000/8001

6. 验证是否正确

# 访问项目
http://192.168.133.68:8002/

# 接口文档：
http://192.168.133.68:8002/docs

访问 http://192.168.133.68:8002/ 应该返回：

{
  "msg": "FastAPI 部署成功",
  "env": "prod",
  "debug": false,
  "port": 8002
}

7. 常用命令

# 验证是否真的加载了 prod
docker exec my-fastapi env | grep ENV_FILE

# 查看运行状态
docker ps

# 查看日志
docker logs -f my-fastapi

# 停止服务
docker stop my-fastapi

# 重启服务
docker restart my-fastapi

# 查看运行状态
docker ps

六、运维与安全实践

1.故障排查指南

问题现象	排查方向	解决方案
启动报错 `ImportError: No module named '_ssl'`	Python 编译未关联 OpenSSL	重新编译 Python，指定 `--with-openssl` 路径
Gunicorn 启动后无法访问	端口未开放 / 绑定地址错误	检查防火墙 + 确认 bind = 0.0.0.0: 端口
Docker 日志无输出	PYTHONUNBUFFERED 未设置	添加环境变量 `PYTHONUNBUFFERED=1`
内存泄漏	Worker 未配置 max_requests	启用 `max_requests` + `max_requests_jitter`
多环境配置不生效	env_file 路径错误 / 优先级问题	用 `docker exec 容器 env` 检查环境变量

2.多环境切换总结

环境	启动命令	管理方式	监控方式
开发	`uvicorn app.main:app --reload --env-file .env.dev`	手动启动	控制台日志 + /docs 调试
测试	`uvicorn app.main:app --env-file .env.test`	Systemd/nohup	日志文件 + 健康检查接口
生产	`gunicorn app.main:app -c gunicorn_conf.py`	Docker + Systemd	Nginx 日志 + 容器监控 + 告警

3.安全最佳实践

生产环境关闭 DEBUG、docs_url、redoc_url；
使用非 root 用户运行服务（Docker / 系统）；
配置请求体大小限制，防止超大请求攻击；
启用 HTTPS（Nginx 配置 SSL 证书）；
定期更新依赖包，修复安全漏洞（pip audit 检查）；
限制容器 / 进程的 CPU / 内存资源，防止资源耗尽。

腾讯云开发者社区

腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。

更多推荐

Elasticsearch复杂数据类型终极指南：从入门到精通

Elasticsearch作为功能强大的搜索引擎，支持多种复杂数据类型，让开发者能够灵活处理各种结构化和非结构化数据。本文将带你全面了解Elasticsearch中的复杂数据类型，从基础概念到实际应用，助你轻松掌握数据建模的核心技巧。## 内部对象：构建层级化数据结构在Elasticsearch中，对象类型（Object）是最基础的复杂数据类型之一，用于表示具有嵌套关系的数据。例如，我们可

腾讯云开发者社区

终极指南：Flink SQL连接器版本管理从混乱到有序的升级之路

Apache Flink作为流处理领域的佼佼者，其SQL连接器的版本管理一直是开发者面临的核心挑战。本文将系统讲解Flink SQL连接器版本管理的最佳实践，帮助你轻松应对版本兼容性问题，实现从混乱到有序的升级之旅。## 连接器版本管理的常见痛点 😫在Flink应用开发中，连接器版本管理常常让开发者头疼不已。不同版本的连接器可能导致各种兼容性问题，例如API变更、功能差异甚至运行时错误。

腾讯云开发者社区

如何快速搭建Neon无服务器PostgreSQL：面向初学者的完整指南

Neon是一款革命性的无服务器PostgreSQL解决方案，它通过分离存储和计算层，实现了自动扩缩容、类代码式数据库分支以及零级扩展能力。本指南将帮助你从零开始搭建Neon开发环境，体验这款创新数据库的强大功能。## 准备工作：环境要求与依赖项在开始搭建Neon环境前，请确保你的系统满足以下要求：- Linux操作系统（推荐Ubuntu 20.04+或Debian 11+）- Git

腾讯云开发者社区

所有评论(0)

查看更多评论

让我们敲起希望之钟

@inuex

已为社区贡献1条内容

FastAPI 部署实战：从 0 到上线，一篇彻底搞定！

让我们敲起希望之钟

一、核心知识点

1. ASGI/WSGI 核心概念澄清

2. 版本兼容性

二、第一步：编写基础代码

1. 项目结构

2. requirements.txt

3. gunicorn_conf.py

4. app/main.py（核心接口）

5. app/settings.py（多环境配置核心）

6. 多环境 .env 文件

.env.dev（开发）

.env.test（测试）

.env.prod（生产）

三、Windows 系统部署

1. 安装 Python 3.13+

2. 安装依赖

3. 开发环境启动

4. 指定环境启动（核心：多环境切换）

5. Windows 生产后台运行（无关闭窗口中断）

6. Windows 下杀死后台运行的 Uvicorn 进程

方法 1：通过端口号杀死（推荐）

方法 2：通过进程名杀死（批量终止 Uvicorn）

方法 3：任务管理器图形化操作

方法 4：通过进程名查端口号杀死

7. nssm 部署

（1）更优雅的后台运行（替代 start /b）

（2）端口占用检测脚本（批处理）

四、CentOS7 部署（生产标准）

1. 安装 Python 3.9

1.1. 安装 CentOS7 编译依赖（必须执行）

1.2. 下载并编译安装 Python 3.9.19

1.3. 验证是否安装成功

1.4. Python 到底安装在哪里？

1.5. 配置国内镜像源

1.6. 升级 pip（必须）

2. 安装依赖

3. 直接运行（开发 / 测试）

4. 生产级启动（gunicorn + uvicorn）【正式环境必须用】

5. 后台守护运行（关闭终端不关闭服务）

6. 一键脚本

6.1. 最终稳定版：requirements.txt

6.2. 启动脚本：run.sh

6.3. 停止脚本：stop.sh

6.4. 查看日志

6.5. 查看是否在运行

7. Systemd 服务管理（替代 nohup）

五、Docker 部署（最推荐、跨平台一致）

1. 创建 Python3.9 镜像

方式一: 创建本地镜像

方式二: 获取远程镜像

2. 编写 Dockerfile

3. 编写 docker-compose.yml（一键多环境）

4. 构建项目镜像

5. 创建启动容器

6. 验证是否正确

7. 常用命令

六、运维与安全实践

1.故障排查指南

2.多环境切换总结

3.安全最佳实践

所有评论(0)

温馨提示：您尚未绑定手机号

让我们敲起希望之钟

（1）更优雅的后台运行（替代 `start /b`）