财经网站直播系统建设网络营销外包网络推广

最近在学习在服务器上如何部署Python模型，不学不知道，一学吓一跳，要学好多啊，最近看到什么就记录一下什么吧。

1. .so文件的核心意义和优势

在服务器上部署时会有Python的将 .py 文件编译为 .so（Linux）或 .pyd（Windows）文件，主要有以下核心意义和优势：
1. 代码保护与加密

• 防止源码泄露
  .so 是二进制文件，无法直接阅读，保护核心算法或商业逻辑（尤其对闭源项目至关重要）。
• 规避反编
  译风险 相比 .pyc（Python 字节码），.so 更难逆向工程，安全性更高。
  2. 性能优化
• 加速执行
  Cython 将 Python 代码编译为 C 扩展，计算密集型任务（如数值计算、循环）性能可提升 10-100 倍。
• 减少解释器开销
  直接调用编译后的机器码，跳过 Python 解释器的动态类型检查。
  3. 依赖简化
• 隐藏第三方库依赖
  编译时可将部分依赖静态链接到 .so 中，减少服务器环境配置的复杂性。
• 避免环境冲突
  二进制文件对 Python 版本和操作系统有明确要求，强制环境一致性。
  4. 部署便利性
• 无源码部署
  只需分发 .so 文件，无需暴露源代码，适合交付客户或云服务器部署。
• 跨平台兼容性
  通过交叉编译生成目标平台的 .so，适配不同服务器环境（需匹配 Python 版本和 OS）。
  5. 资源控制
• 内存管理优化
  Cython 支持手动管理内存（如 cdef 定义 C 类型变量），减少 Python 垃圾回收压力。
• 系统调用集成
  可直接调用 C/C++ 库，实现底层操作（如高性能 IO、硬件加速）。

2. 使用 Cython 编译，将.py文件加密成.so文件

直接演示在jupyter上如何使用 Cython 编译，将.py文件加密成.so文件
安装cython包

!pip install cython

安装成功会显示入下图

由于我在jupyter上，Python文件后缀为.ipynb，需要先转换成.py文件，再加密成.so文件

# 1 将.ipynb 文件转换保存为 .py文件
import nbformat
from nbconvert import PythonExporter# 2.读取 .ipynb 文件 
with open("entropy_weight.ipynb", "r", encoding="utf-8") as f:notebook = nbformat.read(f, as_version=4)# 3.转换为 .py
exporter = PythonExporter()
python_code, _ = exporter.from_notebook_node(notebook)# 4.保存为 .py 文件
with open(r"C:\Users\xxx\Desktop\entropy_weight.py", "w", encoding="utf-8") as f:f.write(python_code)

%%writefile setup.py
## 必须要在第一行
from distutils.core import setup 
from Cython.Build import cythonize
# 5 创建 setup.py 编译脚本
setup(ext_modules=cythonize(r"C:\Users\xxx\Desktop\entropy_weight.py"))

# 6. 编译命令
!python setup.py build_ext --inplace

✅ 你的编译已成功，生成了Windows平台的 .pyd 文件，而非 .so（entropy_weight.cp311-win_amd64.pyd）

✅ 使用 import entropy_weight 可直接调用

调用.so文件

import entropy_weight  #导入原始的entropy_weight.py文件
import pandas as pddt= pd.read_excel(r"D:\data.xlsx",sheet_name='副本')
dt = dt.iloc[:,3:6].dropna()
dt.columns = ['字段1','字段2','字段3']# 7. 调用 entropy_weight里的函数cal_weight
w,S = entropy_weight.cal_weight(dt)  
w.index = dt.columns
w.columns = ['weight']
S.columns = ['score']
print('指标权重\n',w,'\n')
print('样本综合得分\n',S)  
print('\n计算完成!')