FleetingFlow

—— Web 短视频项目（后端）

队伍：不想起名

前端仓库：https://github.com/LunaSekiii/qiniu-shortvideo

演示Demo：https://github.com/qing-wq/FleetingFlow/blob/master/imgs/FleetingFlowDemo.mp4

备用链接: https://pan.baidu.com/s/1-WBUI5S3ctbFOYWPo2WuVg?pwd=w4h3 提取码: w4h3

项目文档：https://github.com/qing-wq/FleetingFlow/blob/master/doc.pdf

环境要求

环境要求：由于FleetingFlow-backend使用分布式架构、ElasticSearch搜索引擎等，并且部署了基于Transformer的深度学习模型BERT，所以内存空间占用较多。

• 至少需要41G内存空间
• 至少需要6.5G磁盘空间

项目架构图

页面展示

项目部署

Docker部署

FleetingFlow-backend使用docker封装，项目启动：

# 使用Maven构建jar，并启动容器
bash run.sh

# 接下来导入ElasticSearch数据
bash es_init.sh

源代码部署

使用Maven读取pom文件即可，可分别运行各种微服务。

部署现有 SQL 数据

运行 ./backend/document/data.sql，即可导入现有的数据，能够正常实现视频的播放等功能。

AI应用部署

Docker部署

cd /path/to/FleetingFlow/machine-learning

# 通过 Dockerfile 构建镜像
docker build -t fleetingflow_ml:latest .

# 运行构建好的镜像，会自动使用 Supervisor 运行 3 个 AI 应用（标题分类、）
docker run -p 7670:7670 -p 7671:7671 -p 7672:7672 fleetingflow_ml

源代码部署

首先安装依赖：

pip install pytorch_pretrained_bert jieba gensim gradio
cd ./recommender-system
pip install -r requirements.txt
cd .. 
wget http://s3anmft1h.hn-bkt.clouddn.com/machine-learning/bert.ckpt -O ./title-classification/THUCNews/saved_dict/bert.ckpt
wget http://s3anmft1h.hn-bkt.clouddn.com/machine-learning/pytorch_model.bin -O ./title-classification/bert_pretrain/pytorch_model.bin

之后运行即可：

# 推荐系统
cd ./recommender-system
python rs_main.py

# Tags 推荐
cd tags-recommender
python main.py

# 标题分类
cd ./title-classification
python predict.py

API文档

地址：https://github.com/qing-wq/FleetingFlow/blob/master/api.md

测试

测试帐号：admin

测试密码：123456