4. Flask 框架快速入门：安装、路由、请求与响应、JSON 数据处理

在 XGBoost 模型在线评分部署中，Flask 是最轻量、最常用的 Web 框架。它负责接收客户端（如 App、浏览器、其他服务）发来的评分请求，调用训练好的 XGBoost 模型进行推理，并将预测结果以 JSON 格式返回。本章将带你快速掌握 Flask 的核心概念，为后续构建评分 API 打下坚实基础。

4.1 Flask 安装与环境准备

Flask 是一个 Python 微框架，依赖极少。建议在独立的虚拟环境中安装，避免与系统 Python 包冲突。

安装步骤：

1. 创建并激活虚拟环境（以 venv 为例）：

# 创建虚拟环境
python -m venv xgb_env

# 激活（Windows）
xgb_env\Scripts\activate

# 激活（macOS/Linux）
source xgb_env/bin/activate

2. 使用 pip 安装 Flask：

pip install flask

3. 验证安装：

python -c "import flask; print(flask.__version__)"

如果输出版本号（如 3.0.0），则安装成功。

4.2 第一个 Flask 应用与路由

路由（Route）是 Flask 的核心概念，它将 URL 路径绑定到 Python 函数上。当客户端访问该 URL 时，Flask 会自动执行对应的函数并返回结果。

基础示例：

# app.py
from flask import Flask

# 创建 Flask 应用实例
app = Flask(__name__)

# 定义路由和视图函数
@app.route('/')
def home():
    return "Hello, XGBoost Deploy!"

@app.route('/health')
def health_check():
    return "OK"

# 启动服务（仅开发环境使用）
if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000, debug=True)

运行与测试：

python app.py

打开浏览器访问 http://127.0.0.1:5000/，页面显示 "Hello, XGBoost Deploy!"；访问 /health 返回 "OK"。

4.3 请求对象与数据获取

当客户端发送请求时，Flask 将请求信息封装在全局对象 request 中。通过它可以获取 URL 参数、表单数据、JSON 数据等。

常用请求属性：

获取 JSON 数据的标准写法：

from flask import Flask, request

app = Flask(__name__)

@app.route('/predict', methods=['POST'])
def predict():
    # 1. 获取请求中的 JSON 数据
    data = request.get_json(force=True)  # force=True 强制解析 JSON
    
    # 2. 提取特征（假设 JSON 结构为 {"features": [1.2, 3.4, 5.6]}
    features = data.get('features')
    
    # 3. 后续将调用 XGBoost 模型进行预测
    # prediction = model.predict([features])
    
    return {"prediction": 0.85}

4.4 响应对象与 JSON 数据处理

Flask 视图函数可以返回多种格式：字符串、元组、字典（自动转为 JSON）、Response 对象。在模型评分场景中，最常用的是返回 JSON 格式的预测结果。

返回 JSON 的三种方式：

完整示例：带错误处理的评分接口

from flask import Flask, request, jsonify

app = Flask(__name__)

@app.route('/api/score', methods=['POST'])
def score():
    # 1. 解析请求
    try:
        data = request.get_json()
        if not data or 'features' not in data:
            return jsonify({"error": "Missing 'features' field"}), 400
        
        features = data['features']
        if not isinstance(features, list) or len(features) == 0:
            return jsonify({"error": "Features must be a non-empty list"}), 400
        
        # 2. 模拟模型预测（后续替换为 XGBoost 推理）
        # prediction = xgb_model.predict([features])[0]
        prediction = 0.87  # 占位值
        
        # 3. 返回标准 JSON 响应
        return jsonify({
            "status": "success",
            "prediction": prediction,
            "probability": round(prediction, 4)
        })
    
    except Exception as e:
        return jsonify({"error": str(e)}), 500

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

4.5 启动与调试技巧

在开发阶段，使用 Flask 内置服务器即可。生产环境建议使用 Gunicorn 或 uWSGI（后续章节会讲解）。

常用启动参数：

• host='0.0.0.0'：允许外部访问，默认仅本地。
• port=5000：指定端口，避免冲突。
• debug=True：开启调试模式，代码修改后自动重启，并提供详细错误页。