在 flask 中使用线程执行耗时模型训练时，`render_template()` 无法从后台线程直接返回响应；必须通过主线程完成渲染，推荐使用全局缓存 + 轮询或 celery 等任务队列实现真正的异步响应。
你当前的代码逻辑存在一个根本性误解：HTTP 响应只能由处理请求的主线程（即 inputs() 视图函数）生成并返回给客户端。train_models() 在新线程中运行，即使它调用了 render_template("visualize.html")，该返回值也仅是一个字符串对象，被丢弃在后台线程中，完全不会发送给浏览器——这正是 visualize.html 从未显示的原因。
✅ 正确做法：分离“触发”与“获取结果”两个阶段
你需要将流程拆解为：
- 前端提交 → 后端启动训练任务（立即返回 loading 页面）
- 前端轮询（或 WebSocket）检查任务状态
- 后端提供独立接口返回训练结果（HTML 或 JSON）
下面是一个轻量、无需额外服务（如 Redis/Celery）的可行方案：
✅ 方案一：使用内存缓存（适用于单进程开发/测试）
from flask import Flask, render_template, request, jsonify
import threading
import time
import uuid
from collections import defaultdict
app = Flask(__name__)
# 全局任务存储：task_id → {"status": "running"/"done", "html": "...", "plots": {...}}
TASKS = {}
@app.route("/inputs", methods=["POST"])
def inputs():
file = request.files.get("dataset")
algo = request.form.getlist("algo")
if not file:
return render_template("input_form.html", error="Please upload a CSV file", algos=ALGO, selected_algo=algo)
data = io.StringIO(file.stream.read().decode("UTF8"), newline=None)
dataset = pd.read_csv(data)
task_id = str(uuid.uuid4())
TASKS[task_id] = {"status": "running", "html": None}
# 启动后台训练（传入 task_id 用于写回结果）
train_thread = threading.Thread(
target=train_models,
args=(app, algo, dataset, task_id)
)
train_thread.daemon = True
train_thread.start()
return render_template("loading.html", task_id=task_id)更新 train_models 函数，不渲染模板，只生成内容并存入缓存：
def train_models(app, algo, dataset, task_id):
print("Starting training...")
with app.app_context():
plot_model = Gen_Plot()
plots = {}
selected_algo = {}
for model in algo:
# ... 训练 & 生成图表逻辑 ...
pass
# ✅ 关键：生成 HTML 字符串，存入全局 TASKS
result_html = render_template("visualize.html", plots=plots, selected_algo=selected_algo)
TASKS[task_id] = {
"status": "done",
"html": result_html
}
print(f"Task {task_id} completed and HTML cached.")✅ 前端轮询接口（/task_status/）
@app.route("/task_status/<task_id>")
def task_status(task_id):
task = TASKS.get(task_id)
if not task:
return jsonify({"status": "not_found"}), 404
if task["status"] == "done":
return jsonify({"status": "done", "html": task["html"]})
return jsonify({"status": "running"})✅ 前端 loading.html 添加轮询逻辑（JavaScript）
<!-- loading.html -->
<div id="loading">Training models... please wait.</div>
<div id="result"></div>
<script>
const taskId = "{{ task_id }}";
function checkStatus() {
fetch(`/task_status/${taskId}`)
.then(r => r.json())
.then(data => {
if (data.status === "done") {
document.getElementById("result").innerHTML = data.html;
document.getElementById("loading").style.display = "none";
} else if (data.status === "running") {
setTimeout(checkStatus, 1000);
} else {
alert("Task failed or not found.");
}
})
.catch(err => console.error("Polling failed:", err));
}
checkStatus();
</script>⚠️ 注意事项与进阶建议
- 线程安全：TASKS 是简单字典，在单进程下可用；若部署多 Worker（如 Gunicorn），需改用 Redis 或数据库共享状态。
- 内存泄漏：定期清理 TASKS 中过期任务（例如添加时间戳 + 后台清理线程）。
- 生产环境强烈推荐 Celery + Redis：支持任务重试、优先级、进度跟踪、错误日志等，参考官方教程。
- 不要在后台线程中调用 render_template 并期望它“跳转”或“响应” —— Flask 的请求上下文（request, session, g）在线程间不共享，且响应流已由主线程关闭。
通过以上改造，你既能保持用户界面友好（显示加载页），又能确保结果 HTML 正确送达浏览器，真正实现“后台训练 + 前端按需展示”的异步体验。
