Flask API重建机器学习模型后服务器无预警关闭问题求助

核心原因分析 #

从日志看请求已完全处理完成，但服务器直接终止，主要有以下几种可能：

• 内存耗尽被系统强制终止：机器学习模型（尤其是复杂模型/多模型集合）会占用大量内存，当内存使用率超过系统限制时，操作系统会直接终止进程，且无错误输出。
• Flask开发服务器自动重载异常：开启debug模式时，开发服务器会监控项目文件变化，pickle_tool.save_models保存模型到监控目录时可能触发重载，但部分场景下会直接终止进程而非重启；另外直接修改current_app全局属性可能干扰上下文管理，导致进程崩溃。
• 应用上下文绑定模型导致的清理异常：current_app是请求上下文代理，请求结束后上下文会销毁，绑定大模型对象可能在清理时触发内存释放异常，导致进程终止。

修复代码与解决方案 #

方案1：改用独立全局存储存放模型，避免干扰Flask上下文

不要将模型绑定到Flask的current_app，而是在独立模块中维护模型的全局存储：

1. 创建model_store.py模块：

# project_app/modules/model_store.py
_models = None
_score = None

def get_models():
    global _models
    return _models

def set_models(models):
    global _models
    _models = models

def get_score():
    global _score
    return _score

def set_score(score):
    global _score
    _score = score

2. 修改路由代码：

from flask import Blueprint, request
from project_app.modules import ml_tool, pickle_tool
from project_app.modules.model_store import set_models, set_score

adminBp = Blueprint('admin', __name__, url_prefix='/admin')

@adminBp.route('/refresh', methods=['POST'])
def refresh():
    request.get_json()  # 若无需使用请求体可保留或删除
    
    df_nonTest, df_test = ml_tool.get_splitted_df()
    models = ml_tool.create_models(df_nonTest)
    pickle_tool.save_models(models)
    print('model is created')
    set_models(models)
    
    score = ml_tool.create_roc_auc_score(df_test, models)
    pickle_tool.save_score(score)
    print('score is calculated')
    set_score(score)

    return {'message': 'refreshed'}, 200

方案2：关闭开发服务器自动重载（临时调试）

如果是自动重载导致的问题，启动服务器时关闭重载：

flask run --no-reload

或在代码中配置：

if __name__ == '__main__':
    app.run(debug=True, use_reloader=False)

方案3：优化内存占用

• 检查create_models是否生成了冗余模型，尝试轻量化模型（如量化、减少参数规模）。
• 手动清理临时变量回收内存：

@adminBp.route('/refresh', methods=['POST'])
def refresh():
    request.get_json()
    
    df_nonTest, df_test = ml_tool.get_splitted_df()
    models = ml_tool.create_models(df_nonTest)
    
    # 清理临时数据释放内存
    del df_nonTest
    import gc
    gc.collect()
    
    pickle_tool.save_models(models)
    print('model is created')
    set_models(models)
    
    score = ml_tool.create_roc_auc_score(df_test, models)
    # 清理多余变量
    del df_test, models
    gc.collect()
    
    pickle_tool.save_score(score)
    print('score is calculated')
    set_score(score)

    return {'message': 'refreshed'}, 200

方案4：切换到生产级服务器

Flask开发服务器不适合高负载场景，改用Gunicorn等生产服务器：

pip install gunicorn
gunicorn --workers=2 --bind=0.0.0.0:5000 your_app_module:app

内容的提问来源于stack exchange，提问作者niddddddfier