Flask NLP应用部署Vercel遇函数大小超限，求解决方案

• 依赖打包冗余：Vercel部署Python Serverless函数时，会将所有依赖（包括Flask、spaCy及其依赖的numpy、blis等第三方库）全部打包，这些依赖加起来的体积远超过单个en_core_web_sm模型的15.3MB。
• 模型打包冗余：直接import en_core_web_sm会让打包工具将整个模型包的所有文件（包括一些非核心的配置、缓存文件）都纳入压缩包，进一步增大体积。

1. 优化依赖安装与打包 #

• 在requirements.txt中仅保留必要依赖，避免冗余包：

  flask>=2.0.0
  spacy>=3.0.0
  en_core_web_sm @ https://github.com/explosion/spacy-models/releases/download/en_core_web_sm-3.5.0/en_core_web_sm-3.5.0.tar.gz
  

• 在Vercel构建命令中添加--no-cache-dir参数，避免缓存文件被打包：

  pip install --no-cache-dir -r requirements.txt
  

2. 调整模型加载方式 #

将代码中直接导入模型包的写法改为使用spaCy的load方法，减少打包时的冗余：

from flask import Flask, request, jsonify, render_template
import spacy  # 替换原有的import en_core_web_sm
from rules import *

nlp = spacy.load("en_core_web_sm")  # 直接加载模型名称

app = Flask(__name__)

# 后续路由代码保持不变

3. 使用Vercel层分离依赖 #

将spaCy和模型打包为Vercel层，层的体积不计入函数压缩包限制：

1. 本地创建层目录并安装依赖：

   mkdir spacy-layer && cd spacy-layer
   pip install spacy en_core_web_sm -t python/lib/python3.9/site-packages/
   

2. 将python目录打包为zip文件，上传到Vercel控制台的「层」管理界面。
3. 在函数配置中关联该层，函数代码仅保留Flask应用逻辑和rules.py，体积会大幅降低。

4. 排除不必要文件 #

在项目根目录创建.vercelignore文件，排除非必要文件：

__pycache__/
*.pyc
*.pyo
.env
.git/
tests/
docs/

5. 精简基础环境（Docker部署场景） #

如果使用Docker部署，选择轻量Python镜像如python:3.9-slim替代完整镜像，减少基础体积。

内容的提问来源于stack exchange，提问作者Hex Heager