毕设Python项目避坑指南：从选题到部署的工程化实践

---

背景痛点：为什么“能跑”≠“能毕业”

每年 3 月，实验室的走廊里总会响起熟悉的哀嚎：“本地跑得好好的，老师电脑一开就报错！”——这几乎是所有 Python 毕设的宿命。把 Jupyter 里的 cell 按顺序粘成.py文件，再配个main.py就算“系统”，结果答辩现场 U 盘一插，依赖冲突、硬编码路径、神秘乱码轮番上演。总结下来，踩坑集中在三点：

• 代码组织混乱：所有逻辑挤在一个文件，函数名从f1到f99，老师想改个字段，得先玩“大家来找茬”。
• 依赖管理缺失：pip install时顺手加--user，到了机房只剩ModuleNotFoundError，版本号全看天。
• 零测试、零日志：异常直接print，服务器 500 错误返回的是 HTML 源码，评委一看血压拉满。

毕设不是刷算法题，交付物得“别人能跑、自己能改、半年后可复现”。把“能跑”升级成“能毕业”，需要一次彻底的工程化改造。

技术选型对比：Flask vs FastAPI vs Django

选框架就像选鞋，不是越贵越好，而是合脚最重要。下面从“开发速度、API 友好度、ORM 需求”三个维度，给三款主流框架打个标签，方便你对号入座。

| 维度 | Flask | FastAPI | Django | |---|---|---|---|---| | 开发速度 | 轻量，脚手架少，需自己拼积木 | 自带异步脚手架，代码生成器爽点高 | 全家桶，admin 后台一键生成 | | API 友好度 | 需拼插件，REST 风格靠自觉 | 基于 OpenAPI，/docs 页面自动生成 | 用 DRF 才爽，否则啰嗦 | | ORM 需求 | SQLAlchemy 任选，灵活但配置多 | 自由搭配，推荐 SQLModel | 自带 Django ORM，迁移一条龙 |

一句话结论：

• 只想写接口 + 异步加持 → FastAPI
• 想快速出个带后台的管理系 → Django
• 老师指定“轻量”且你爱折腾 → Flask

下文示例以 FastAPI 演示，理由很简单：类型提示+异步+自动生成文档，答辩现场把/docs页面一投影，老师瞬间觉得高大上。

核心实现：可维护的分层骨架

先给出目录结构，再拆关键代码。整个项目叫graduation_project，平铺直叙，方便老师一眼定位。

graduation_project ├── app │ ├── api │ │ └── v1 │ │ └── student.py │ ├── core │ │ ├── config.py │ │ └── errors.py │ ├── service │ │ └── student_service.py │ ├── utils │ │ └── logger.py │ └── main.py ├── tests ├── requirements.txt ├── Dockerfile └── .env.example

1. 配置与环境隔离
   app/core/config.py统一用pydantic读取环境变量，避免硬编码。

from pydantic import BaseSettings class Settings(BaseSettings): database_url: str = "sqlite:///./dev.db" jwt_secret: str log_level: str = "INFO" class Config: env_file = ".env" settings = Settings()

2. 统一异常处理
   app/core/errors.py把业务异常翻译成前端能懂的 JSON。

from fastapi import FastAPI, Request from fastapi.responses import JSONResponse class BizException(Exception): def __init__(self, code: int, msg: str): self.code, self.msg = code, msg def register_exceptions(app: FastAPI): @app.exception_handler(BizException) def biz(req: Request, exc: BizException): return JSONResponse( status_code=400, content={"code": exc.code, "msg": exc.msg} )

3. 路由只当“交通警察”
   app/api/v1/student.py只做参数校验与转发，不写 SQL。

from fastapi import APIRouter from app.service.student_service import add_student router = APIRouter() @router.post("") async def create(name: str, age: int): sid = await add_student(name, age) return {"student_id": sid}

4. 业务层打包事务
   app/service/student_service.py里写逻辑，方便单元测试 mock。

from app.core.config import settings from sqlalchemy.ext.asyncio import AsyncSession from app.models.student import Student async def add_student(name: str, age: int, db: AsyncSession): new_one = Student(name=name, age=age) db.add(new_one) await db.commit() return new_one.id

5. 日志再也不是print
app/utils/logger.py用标准库logging写文件+控制台双通道，支持按天轮转。

import logging, os from logging.handlers import TimedRotatingFileHandler def get_logger(name: str): log = logging.getLogger(name) if log.handlers: # 避免重复挂载 return log log.setLevel(os.getenv("LOG_LEVEL", "INFO")) fmt = logging.Formatter( "%(asctime)s | %(levelname)s | %(name)s | %(message)s" ) sh = logging.StreamHandler() sh.setFormatter(fmt) fh = TimedRotatingFileHandler( "logs/app.log", when="midnight", backupCount=7 ) fh.setFormatter(fmt) log.addHandler(sh); log.addHandler(fh) return log

分层之后，老师想改“年龄必须大于 18”？只在 service 层动一行；想换 MySQL？改.env里的database_url即可，无需满世界找sqlite3.connect()。

部署方案：Docker 一条命令跑通

1. 写 Dockerfile——多阶段镜像，编译依赖与运行环境分离，镜像体积减半。

# 阶段1：编译 FROM python:3.11-slim as builder WORKDIR /app COPY requirements.txt . RUN pip install --user -r requirements.txt # 阶段2：运行 FROM python:3.11-slim WORKDIR /app COPY --from=builder /root/.local /root/.local COPY . . ENV PATH=/root/.local/bin:$PATH CMD ["gunicorn", "-k", "uvicorn.workers.UvicornWorker", "app.main:app", "-b", "0.0.0.0:8000"]

2. 写docker-compose.yml把 Nginx 也带起来，静态资源、反向代理一条龙。

version: "3.9" services: web: build: . env_file: .env volumes: - ./logs:/app/logs nginx: image: nginx:alpine ports: - "80:80" volumes: - ./deploy/nginx.conf:/etc/nginx/conf.d/default.conf depends_on: - web

3. Nginx 关键配置——开 gzip、转发真实 IP、屏蔽直接访问 8000 端口。

upstream app { server web:8000; } server { listen 80; location / { proxy_pass http://app; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; } }

本地测试docker compose up，浏览器打开http://localhost/docs，看到自动生成的 Swagger，你就拥有了“一键复现”能力，再也不怕老师电脑没依赖。

安全性与性能：别让“小项目”成为靶子

• SQL 注入：ORM 已参数化，就别手拼 SQL；万不得已用text()时务必绑定变量。
• 秘钥隔离：JWT 密钥、数据库密码全进环境变量，.env写进.gitignore，仓库公开即“社死”。
• 阻塞 I/O：文件上传、发邮件等耗时操作交给BackgroundTasks或 Celery，避免前端转菊花。
• 限流与超时：用slowapi给接口加令牌桶，Nginx 层client_max_body_size限制上传大小，双保险。

生产环境避坑指南：把“能跑”做成“能躺”

1. 虚拟环境固化：
   python -m venv venv && source venv/bin/activate后，立刻pip install pip-tools，用pip-compile生成可锁版本的requirements.txt，杜绝“当年新版”突然不兼容。

2. requirements 生成：
   pip freeze > requirements.txt会把系统包也带进去，正确姿势是：

pip-compile --output-file=requirements.txt pyproject.toml

3. 日志轮转：
   上文TimedRotatingFileHandler已演示，记得把logs/目录挂到宿主机，容器重建也不丢。

4. 健康检查：
   FastAPI 自带/health路由返回 200，Docker 的HEALTHCHECK指令配合curl -f http://localhost:8000/health，CI/CD 可自动重启异常容器。

5. 备份策略：
   SQLite 直接cp会锁库，用.backup命令；MySQL 设cron每日mysqldump，文件同步到云盘，七天滚动，防止“最后一晚把库删了”的惨剧。

把课程项目变成工程作品：下一步怎么做？

工程化不是“多写几行配置”，而是把“可复现、可扩展、可交接”养成肌肉记忆。把今天这套模板直接套到你的旧代码上：

1. 先拆目录，把 SQL、业务、路由拆三层；
2. 补.env与requirements.txt，让同学电脑能跑；
3. 写三个单元测试，答辩演示一键pytest，老师刮目相看；
4. 用 Docker 打包，放云服务器，二维码扫码即访问。

当你能淡定地回复老师“您稍等，我两分钟重新部署一版”，就已经把“课程作业”升级成“工程作品”。毕业设计不是句号，而是把代码写得“像个人样”的起点。祝你重构顺利，答辩高分！

---