Ubuntu 上怎么部署 Python 项目：从环境准备到 Gunicorn、Nginx 与 systemd
这篇文章把 Ubuntu 部署 Python 项目的常见流程拆成可执行步骤：先装好 Python 与虚拟环境，再上传代码、安装依赖，用 Gunicorn 跑应用，最后接入 Nginx 和 systemd。文中保留了完整命令与配置示例，也补上了生产环境里最容易踩坑的检查点。
2026-08-23
38
这篇文章把 Ubuntu 部署 Python 项目的常见流程拆成可执行步骤：先装好 Python 与虚拟环境，再上传代码、安装依赖，用 Gunicorn 跑应用，最后接入 Nginx 和 systemd。文中保留了完整命令与配置示例，也补上了生产环境里最容易踩坑的检查点。
Ubuntu 对 Python 学习很友好，关键不是资源多，而是先选对路径。本文按文档、课程、书籍、视频、社区和工具六个维度梳理可用资源，并说明它们分别适合什么阶段、能解决什么问题，帮助你更快搭出自己的学习路线。
HTTP 请求体的 gzip 压缩并不是各家 Python HTTP 库自动提供的能力，核心做法始终是先手动压缩 body，再显式设置 `Content-Encoding: gzip`。本文按同步、异步和不同运行环境梳理可用写法，并总结参数差异、常见误区和选型建议。
这篇文章按数据库类型梳理 Debian 下 Python 的常见连接方式，覆盖 MySQL、PostgreSQL、SQLite、MongoDB 和 Redis。除了保留原始安装命令与示例代码，还补充了选型思路和连接时最容易出错的配置检查点。 在 Debian 上用 Python 接数据库，难点通常不在“能不能连上”，而在于不同数据库的驱动、连接对象和使用场景差别很大。
Python 里的多任务方案不止一种，关键不是“哪个更高级”，而是先判断任务到底偏 I/O 还是偏 CPU。本文按多线程、多进程、asyncio、线程池/进程池和协程库几条主线拆开讲清适用场景、代码写法与常见坑，方便实际项目里快速做选择。
这篇文章围绕 Python `lambda` 在字典键值对处理中的常见写法展开，重点说明排序、过滤、映射、聚合和多条件排序等场景，并结合日志分析示例解释何时写得更高效、何时该改回 `def` 以保证可读性。
在 CentOS 上升级 Python，核心不是“装上新版本”本身，而是避免破坏系统自带环境，尤其不能影响 `yum`、`dnf` 等依赖默认 Python 的工具。结合 SCL、pyenv 和手动编译三种常见方案，可以按生产、开发和深度定制三类场景做出更稳妥的选择。
用 Python 生成 Excel 时，只把数据写进去往往不够，真正到打印预览阶段，边距、方向、表头重复和缩放才决定成品是否可用。本文基于 Spire.XLS for Python，梳理几项最常用的页面设置，并给出可直接套用的综合示例。
在 Django 里用了 `select_related()` 却还是出现 N+1，问题通常不在“有没有写”，而在是否用对了关系类型、调用时机和查询路径。本文把 `select_related` 的适用范围、常见失效场景、与 `prefetch_related` 的配合顺序，以及验证方法拆开讲清，方便你快速判断该用 JOIN 还是额外查询。
很多人把 Python 3 的 `range` 理解成“把 Python 2 的 `xrange` 改了个名字”，这其实不准确。它真正的变化是：`range` 被重写成不可变序列类型，既保留了惰性、省内存的特性，又补上了索引、切片和高效成员判断等能力。 很多人把 Python 3 里的 range 直接等同于 Python 2 的 xrange ，这能帮助记忆，却不足以指导迁移。
命名范围能把 Excel 里难记的 A1:D10 变成可读的业务名称，适合公式复用和自动化脚本维护。本文用 Spire.XLS for Python 梳理创建、查询、重命名、样式处理、公式引用与删除等常见操作，并说明工作簿级与工作表级作用域该怎么选。
在 Jupyter Notebook 里显示图片，常见做法其实只有两条主线：直接把文件交给 IPython 渲染，或把已读入的图像数据交给 matplotlib。本文按使用场景拆开说明，并把最容易踩的路径、颜色通道和 `.show()` 误用问题一起讲清。
