Gradio项目实战：如何在Web应用中实现后台任务调度-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00241/article/details/148359761

Gradio项目实战：如何在Web应用中实现后台任务调度

gradio Gradio是一个开源库，主要用于快速搭建和分享机器学习模型的交互式演示界面，使得非技术用户也能轻松理解并测试模型的功能，广泛应用于模型展示、教育及协作场景。项目地址: https://gitcode.com/gh_mirrors/gr/gradio

引言

在现代Web应用开发中，后台任务处理是一个常见需求。本文将基于Gradio框架，详细介绍如何构建一个具备后台任务调度功能的用户反馈收集系统。我们将实现一个类似Google表单的应用，不仅能够收集用户数据，还能定期将数据同步到远程存储，确保数据安全。

技术背景

Gradio是一个用于快速构建机器学习演示和Web应用的Python框架。它最大的优势在于简单易用，开发者可以用极少的代码创建交互式界面。但在实际应用中，我们经常需要处理一些与用户交互无关的后台任务，这正是本文要解决的核心问题。

系统设计

我们的系统将包含三个主要部分：

前端交互界面：收集用户反馈
本地数据库：存储用户提交的数据
后台同步任务：定期将数据备份到远程存储

第一步：构建数据库层

我们使用SQLite作为本地数据库，创建存储用户反馈的数据表：

import sqlite3
import pandas as pd

DB_FILE = "./reviews.db"

# 初始化数据库连接
db = sqlite3.connect(DB_FILE)

try:
    # 检查表是否存在
    db.execute("SELECT * FROM reviews").fetchall()
except sqlite3.OperationalError:
    # 创建新表
    db.execute('''
        CREATE TABLE reviews (
            id INTEGER PRIMARY KEY AUTOINCREMENT NOT NULL,
            created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP NOT NULL,
            name TEXT, 
            review INTEGER, 
            comments TEXT
        )
    ''')
    db.commit()
finally:
    db.close()

def get_latest_reviews(db: sqlite3.Connection):
    """获取最新的10条评论"""
    reviews = db.execute("SELECT * FROM reviews ORDER BY id DESC limit 10").fetchall()
    total = db.execute("Select COUNT(id) from reviews").fetchone()[0]
    return pd.DataFrame(reviews, columns=["id", "date_created", "name", "review", "comments"]), total

def add_review(name: str, review: int, comments: str):
    """添加新评论"""
    db = sqlite3.connect(DB_FILE)
    cursor = db.cursor()
    cursor.execute("INSERT INTO reviews(name, review, comments) VALUES(?,?,?)", 
                  [name, review, comments])
    db.commit()
    result = get_latest_reviews(db)
    db.close()
    return result

第二步：创建Gradio交互界面

使用Gradio的Blocks API构建用户界面：

import gradio as gr

def load_data():
    """加载初始数据"""
    db = sqlite3.connect(DB_FILE)
    result = get_latest_reviews(db)
    db.close()
    return result

with gr.Blocks() as demo:
    with gr.Row():
        with gr.Column():
            name = gr.Textbox(label="姓名", placeholder="请输入您的姓名")
            review = gr.Radio(label="对Gradio的满意度", choices=[1, 2, 3, 4, 5])
            comments = gr.Textbox(label="意见反馈", lines=10)
            submit = gr.Button(value="提交反馈")
        with gr.Column():
            data = gr.Dataframe(label="最近10条记录")
            count = gr.Number(label="总反馈数")
    
    submit.click(add_review, [name, review, comments], [data, count])
    demo.load(load_data, None, [data, count])

第三步：实现后台同步任务

为确保数据安全，我们设置定时任务将本地数据库同步到远程存储：

import os
import shutil
import datetime
from apscheduler.schedulers.background import BackgroundScheduler
from huggingface_hub import Repository

# 初始化远程仓库
TOKEN = os.environ.get('HUB_TOKEN')
repo = Repository(
    local_dir="data",
    repo_type="dataset",
    clone_from="your-dataset-name",
    use_auth_token=TOKEN
)

def backup_db():
    """执行数据库备份"""
    # 复制数据库文件
    shutil.copyfile(DB_FILE, "./data/reviews.db")
    
    # 导出为CSV
    db = sqlite3.connect(DB_FILE)
    reviews = db.execute("SELECT * FROM reviews").fetchall()
    pd.DataFrame(reviews).to_csv("./data/reviews.csv", index=False)
    
    # 推送到远程
    repo.push_to_hub(
        blocking=False,
        commit_message=f"数据更新 {datetime.datetime.now()}"
    )
    print(f"{datetime.datetime.now()} - 数据备份完成")

# 配置定时任务
scheduler = BackgroundScheduler()
scheduler.add_job(func=backup_db, trigger="interval", seconds=60)
scheduler.start()