我正在NodeJS中开发一项服务，该服务将使用tesseract OCR引擎的节点包装器从映像创建文本文件。我希望它是一个不断运行的服务，由upstart启动并重启（崩溃）。
我可以选择使用具有大RAM和磁盘空间的多台核心机器来生成服务器（运行它的虚拟机），或者我可以选择创建4个或5个小型VM，每个VM有一个核心，1 GB RAM和相对较小的磁盘大小。
使用第一种方法，我将不得不分叉各种子进程以利用所有内核，这增加了代码的复杂性。另一方面，我只需要担心一个VM。 使用第二种方法，我不必担心分支子进程，但我必须创建和配置多个VM。
我还没有考虑过每种方法的其他优点和缺点吗？
答案 0 :(得分：2)
我会避免对虚拟机进行分区，因为这意味着你可能最终会浪费内存和CPU - 你不会发现一个虚拟机使用100％的资源而另一个空闲。运行5个操作系统而不是一个操作系统也涉及非平凡的开销。
您为什么要考虑分许多个流程？如果您使用正确的库，则不需要这样做。
npm上的许多tesseract库编写得很糟糕。它们是对tesseract C代码的超简单绑定。在JS中，您调用addon的recognize()函数，该函数只调用tesseract的Recognize()，它以阻塞方式执行CPU密集型工作。这意味着你正在主V8线程上进行识别，我们知道这是一个禁忌。我假设这就是你考虑分叉进程的原因，因为每个进程只能同时进行一次阻塞OCR操作。
相反，您希望在单独的线程上执行OCR的库。 tesseract_native就是一个例子。它设计得恰当：它使用libuv调用工作线程上的tesseract。
libuv维护一个工作线程池，因此您可以在一个进程中拥有与核心一样多的并发OCR操作。