以前一直在想怎么把一些写过的项目部署到云服务器上，方便展示。之前一直都听说过 Heroku，简单查了下确实可以方便我们的项目部署，最近闲来无事，准备拿 what-digit-you-write（一个将 Flask 和 Tensorflow2 相结合的手写数字识别 Web 应用）来练练手，并将部署到 Heroku 的过程记录如下。

关于 Heroku

1. 注册 Heroku

首先要去 Heroku 上注册一个账号，这里建议使用 gmail 或者 outlook 邮箱，注册的过程中建议挂着梯子以防注册过程时无法现实验证码。如果一直没有收到邮件，建议查一下自己的垃圾邮箱或者已删除邮件是否有注册验证的邮件。

2. 下载 Heroku CLI 程序

下载链接在 https://devcenter.heroku.com/articles/heroku-cli#download-and-install。在后续的的部署中，都需要用到 heroku 这一命令。

3. 登录 Heroku

1	heroku login

此时会跳转到网页请求登录，这个时候建议保持梯子连接的稳定，否则容易刷新不出页面的情况，如果连接了梯子仍然无法现实，建议耐心的多刷新几次。

准备项目

heroku 的部署也是需要 Git 操作的。因此，如果有一个现成的 Git 项目，那么可以跳到下一节。

如果此时项目还不是 Git 项目，那么操作下也很简单:

1
2
3

git init
git add .
git commit -m "commit message"

注意

文件的添加情况请根据实际场景来完成，并且要避免添加一些无用的大文件，这是因为 Heroku 项目的部署有文件大小的限制（上线 500M），如果最终项目大于了限制数则会导致部署失败；
此时还不需要 git push origin <branch>

又因为我们的项目是一个 Python Web 项目，所以我们还需要导出依赖配置文件 requirements.txt:

1	pip freeze > requirements.txt

容易踩坑的地方

关于存在与 GPU 相关的依赖

首先 Heroku 服务器是没有 GPU 的，所以既然我们使用了 Tensorflow，那么我们就要注意把与 GPU 和 CUDA 相关的依赖项去掉（比如 cudnn 和 cudatoolkit，如果不去掉会因为无法下载依赖导致部署失败），并下载 tensorflow-cpu 版本（默认的 Tensorflow 会包含 GPU 模块，这会导致最终项目的空间占用大于 500M，从而导致部署失败）。如果你使用的是 Pytorch，也是一样的操作逻辑。

关于 Python 版本的问题

不同的 Heroku 版本，在后台运行的 Python 版本都是不同的，具体的可以查看这个文档。

我们的项目需要依赖 Python3.7，并且我们使用的 tensorflow-cpu 版本为 2.1.0 这也与 Python 的版本相关。而我们下载 Heroku 版本为 22，是不支持 Python3.7 的。此时，我们有两个方式可以选择：

继续使用当前的 Heroku 版本，但是需要修改 tensorflow-cpu 的版本 (对于 Python3.10 能支持的 tensorflow-cpu 最低版本为 2.8.0);
修改 Python 版本(参考这个文档)，并需要修改 Heroku Stack 为 20(参考这个文档).

如果需要在已经存在的项目上修改 Heroku Stack，那么可以使用如下命令修改：

1	heroku stack:set heroku-20

如果是想在新创建项目的时候，指定 Heroku Stack，也可以使用如下的方式：

1	heroku create <your-app-name> --stack heroku-20

这里我两个方案都尝试了，最后选择了方案一。

部署到 Heroku

1. 创建 Heroku 仓库

在 Git 项目目录下，使用如下命令：

1	heroku craete <appname>

如果创建成功，heroku 会为 Git 仓库添加一个 heroku 的远端链接，方便我们之后可以直接 push 到 heroku 仓库中。

2. 使用 Gunicorn

毕竟是要部署 Flask 项目，这里还是建议使用 Gunicorn 来启动服务。首先需要在 requirements.txt 添加两个依赖：

1 2	gunicorn psycopg2

这里不指定版本也没有问题。然后在项目目录下，创建一个文件名 Procfile，没有文件后缀，文件内容只有一行，就是为了让 Heroku 在部署项目后启动我们的服务：

1	web: gunicron <your-app-main-file>:app

由于在 what-digit-you-write 中，我的主程序为 app.py，所以我的 Procfile 内容为：

1	web: gunicorn app:app

部署项目

如果我们在准备项目阶段成功避免了坑点（删掉 GPU 相关依赖，修改 Tensorflow 为 cpu 版本，对应好 Heroku Stack 版本和 Python 版本），并在上一小节中正确配置了 gunicorn。那么此时我们的项目，应该是可以直接通过以下指令直接部署到 Heroku 上的。

1	git push heroku master

然后我可以查看部署项目的日志情况，检查一下是否顺利：

1	heroku logs

如果是一般的项目问题此时应该可以正常启动了，但是如果你的项目用了 Tensorflow（可能用了 Pytorch 也是）会出现下面的问题，导致项目部署失败。

这里我参照的解决方法是这篇博客。简单来说，我们只需要往 requirements.txt 中添加一个 3.19.0 版本以上的 protobuf 的依赖就可以了。

1	protobuf==3.19.0

这时需要我们对修改后的 requirements.txt 添加到 Git 中，并提交到 Heroku 仓库远端。重新部署项目后，再检查一下 heroku logs 最新的日志情况，如果成功启动了项目，那么就可以打开演示项目地址进行体验了：

1	heroku open