背景痛点：毕设开发的三座大山
做毕设最怕什么？不是选题，不是写论文，而是“跑不起来”。
我去年带两位学弟做图像识别项目，本地笔记本跑得好好的，一放到实验室老服务器就各种缺库；好不容易配好环境，导师一句“上线给我看看”，又得通宵改端口、改配置。总结下来，传统毕设开发有三座大山：
- 环境不一致：Windows 写代码，Ubuntu 跑服务，依赖版本全靠运气。
- 部署低效：手动 scp 传包、ssh 进去敲命令，回滚全靠
cp -r project project.bak。 - 调试困难：本地没 GPU，云端没桌面，日志一屏屏刷，错误却一闪而过。
时间全耗在“让代码跑起来”，真正思考创新点的时间被挤得所剩无几。
技术选型对比：别一上来就 All in 云
很多同学一听“上云”就直接买台 ECS 开干，结果月底流量费爆表。毕设场景资源需求波动大，选对服务才能省钱又省心。
| 维度 | ECS 自建 | 函数计算 FC | 说明 |
|---|---|---|---|
| 运维量 | 高，需装 Nginx、Docker、证书 | 低，上传代码即可 | FC 把操作系统、网络、弹性全托管 |
| 费用 | 包年包月最低 60 元/月，闲置也计费 | 百万次调用≈1 元，闲置 0 费 | 每天只调试 1 小时，FC 可省 70% |
| 冷启动 | 无，服务常驻 | 2~3 s（Python） | 毕设演示可提前预热，用户无感 |
| 调试体验 | 本地 IDE + SSH | 本地/云端一致 | FC 官方提供fun local本地仿真 |
代码托管同理：自建 GitLab 要装机器、配 Runner，云效直接给 200 分钟/月免费构建额度，毕设小项目绰绰有余，还能一键 K8s 部署，真香。
核心实现：一条命令，从 0 到 1
我把整套流程拆成三步，全部 IaS（Infrastructure as Code），以后写新功能只需git push，剩下交给云。
用 Terraform 声明式拉起基础设施
把 VPC、OSS、FC、日志仓库全写进main.tf，变量抽成tfvars，同宿舍不同课题只需改 5 行配置即可复用。云效流水线自动触发
代码 push → 云效检测到.flow.yml→ 自动构建 Docker 镜像 → 调用fun deploy更新 FC 函数 → 发送钉钉消息“构建成功”。事件驱动业务逻辑
以“上传图片→返回识别结果”为例，FC 函数监听 OSSObjectCreated:Put事件，10 行 Python 搞定，无需 Web 框架，也省掉 API 网关钱。
下面给出最小可运行示例，复制即可体验“分钟级”上线。
Terraform 片段（main.tf）
variable "app_name" { default = "grad2025" } resource "alicloud_oss_bucket" "img" { bucket = "${var.app_name}-img" acl = "private" } resource "alicloud_fc_service" "cv" { name = var.app_name role = alicloud_ram_role.fc.arn description = "毕业设计：图像识别" } resource "alicloud_fc_function" "detect" { service_name = alicloud_fc_service.cv.name name = "detect" runtime = "python3.9" handler = "index.handler" filename = data.archive_file.code.output_path memory_size = 512 timeout = 60 } data "archive_file" "code" { type = "zip" source_dir = "${path.module}/src" output_path = "${path.module}/code.zip" }一条terraform apply后，OSS、FC、日志、权限全部就绪，比自己点控制台快 10 倍。
Python 函数（src/index.py）
import json, oss2, os from uuid import uuid4 # 初始化 OSS 客户端，AK 从函数环境变量读，安全又方便 auth = oss2.StsAuth(os.environ['ALIBABA_CLOUD_ACCESS_KEY_ID'], os.environ['ALIBABA_CLOUD_ACCESS_KEY_SECRET'], os.environ['ALIBABA_CLOUD_SECURITY_TOKEN']) bucket = oss2.Bucket(auth, 'https://oss-%s.aliyuncs.com' % os.environ['OSS_REGION'], os.environ['OSS_BUCKET']) def handler(event, context): """ 触发条件：OSS PutObject 事件 返回：在相同 bucket 生成 result/<uuid>.json """ evt = json.loads(event) key = evt['events'][0]['oss']['object']['key'] # 假装调用 AI 模型 result = {"label": "cat", "confidence": 0.987, "key": key} bucket.put_object(f"result/{uuid4().hex}.json", json.dumps(result, ensure_ascii=False)) return {"status": "ok", "key": key}代码不到 40 行，却完成了“上传→识别→回写”闭环，本地调试用fun local start，热重载秒级生效。
性能与成本：别让“免费额度”骗了你
- 冷启动：Python 运行时首次约 2 s，Java 可到 10 s。毕设答辩前提前并发预热（云效流水线里发 5 条空请求），观众无感知。
- 内存配额：FC 默认 512 MB，跑轻量 CV 模型够用；若用 TensorFlow，换成 1.5 GB，费用翻倍，建议把模型转 ONNX+量化，内存降到 256 MB，调用成本立省 50%。
- 流量费：OSS 外网下行 0.5 元/GB，演示时给 bucket 绑 CDN， university 域名还能免费 100 GB/月，观众手机加载图片从 3 s 变 300 ms，体验直线上升。
生产环境避坑指南：血泪经验合集
- 权限最小化：别图方便给
AliyunFCFullAccess，用 Terraform 自动生成角色，只授权oss:GetObject与oss:PutObject，防止误删 bucket。 - 日志追踪：FC 默认只保留 7 天，关键业务打开 SLS 日志投递，设置 30 天存储，排查“线上能跑、本地不行”的神器。
- 本地与云端行为不一致：本机 Windows 不区分大小写，OSS 严格区分；提前在 CI 里加
find . -name "*.PNG"统一转小写，避免 404。 - 证书过期：API 网关自定义域名证书一年一换，设个日历提醒，别等答辩当天浏览器红条警告。
- 资源残留：毕设结束后跑
terraform destroy，一键清掉所有实例，防止 AK 泄露产生天价账单。
写在最后：云原生是银弹吗？
把整套流程跑通后，两位学弟的迭代速度从“一周一版”提到“一天三版”，真正把时间花在算法改进而非 SSH 上。可也要反思：如果毕设只是静态展示博客，用云函数是不是“高射炮打蚊子”？云原生带来效率，也带来心智负担——Terraform 语法、EventBridge 规则、权限策略，每一步都是新认知。
动手把项目迁到云之前，先问自己三个问题：
- 代码生命周期是否超过 3 个月？
- 是否需要随时演示给导师/评委？
- 团队（或你自己）愿意投入时间学 IaC 与 CI/CD 吗？
如果答案都是 Yes，那就放心大胆地“git push”，让云替你搬砖；否则，一台 1 核 2 G 的轻量应用服务器，也许才是更务实的选择。毕设终究要的是“跑得起来、讲得清楚、写得明白”，工具再炫，也只是帮你把省下的时间，用在更值得的创意上。祝你答辩顺利，代码和云账单一起清爽。
