当时我在 Heroku 中部署 django 应用程序时出现“编译的 Slug 大小太大”错误

问题描述

在将我的 django 项目部署到 heroku 时，我遵循了 article 中提到的确切步骤。

但是，git push heroku master 出现以下错误：

git push heroku master

请谁能告诉我可能是什么问题。

仅供参考：

我的项目根目录中有 procfile、requirements.txt、runtime.txt。我也确信我的凭据是正确的。另外，我之前没有推送过任何东西，我是这个应用程序的唯一拥有者。

我的 runtime.txt 有代码：python: 3.7.9。

我的 procfile 有代码：web: gunicorn cardamage.wsgi --log-file -

我的requirements.txt：

absl-py==0.12.0
astunparse==1.6.3
cachetools==4.2.1
certifi==2020.12.5
chardet==4.0.0
cycler==0.10.0
dj-database-url==0.5.0
Django==1.10
django-heroku==0.3.1
gast==0.3.3
google-auth==1.28.0
google-auth-oauthlib==0.4.4
google-pasta==0.2.0
grpcio==1.36.1
gunicorn==20.1.0
h5py==2.10.0
idna==2.10
importlib-Metadata==3.10.0
joblib==1.0.1
Keras==2.4.0
Keras-Applications==1.0.8
Keras-Preprocessing==1.1.2
kiwisolver==1.3.1
Markdown==3.3.4
matplotlib==3.4.1
numpy==1.20.2
oauthlib==3.1.0
opt-einsum==3.3.0
pandas==1.1.5
pickle5==0.0.11
Pillow==8.2.0
protobuf==3.15.7
psycopg2==2.8.6
pyasn1==0.4.8
pyasn1-modules==0.2.8
pyparsing==2.4.7
python-dateutil==2.8.1
pytz==2021.1
PyYAML==5.4.1
requests==2.25.1
requests-oauthlib==1.3.0
rsa==4.7.2
scikit-learn==0.24.1
scipy==1.4.1
seaborn==0.11.1
six==1.15.0
tensorboard==2.2.2
tensorboard-plugin-wit==1.8.0
tensorflow==2.2.0
tensorflow-estimator==2.2.0
termcolor==1.1.0
threadpoolctl==2.1.0
typing-extensions==3.7.4.3
urllib3==1.26.4
Werkzeug==1.0.1
whitenoise==5.2.0
wrapt==1.12.1
zipp==3.4.1

解决方法

允许的最大 slug 大小（压缩后）为 heroku 中的 500 MB。您编译的 slug-size 太大了，因为您使用了 { {1}} 模块。

Tensorflow 模块非常大（超过 500MB，Heroku 的限制），因为它支持 GPU。由于 Heroku 不支持 GPU，安装支持 GPU 的模块没有意义。

Tensorflow

只需将 requirements.py 中的 pip install tensorflow-cpu 替换为 tensorflow。

-------------------- 或 --------------------

只需执行以下操作将您的 tensorflow-cpu 版本替换为 2.0.0：

张量流==2.0.0

它的文件重量要轻得多，并且适合您的内存限制。此外，您可以使用 1.7.0 或 1.5.0 版本。

更新：

您可以尝试通过多种方式减小 slug 大小。最简单的方法是向您的应用程序添加一个 .slugignore 文件，以告诉 slug 编译器忽略您应用程序中任何不必要的文件，例如静态资产。

要确定什么 TensorFlow 在您的 slug 中占用了空间，您可以像这样启动一次性测功机来检查 slug：

files/folders

进入 dyno 后，您可以使用 heroku run bash -a <appname> 命令显示当前目录中的文件和文件夹，按大小排序： 例如

du -ha --max-depth 1 /app | sort -hr

这有助于确定大文件的位置。

您可能还会发现 clearing the build cache 有助于减小 slug 的大小。

在您的情况下，您使用了 ~ $ du -ha --max-depth 1 /app | sort -hr 108M /app 99M /app/vendor 8.1M /app/.heroku 448K /app/lib 292K /app/spec 8.0K /app/Gemfile.lock 4.0K /app/Procfile 4.0K /app/Gemfile 、tensorflow、scikit-learn 等。所有库都非常大。所以 AWS 是您的最佳解决方案。>