Docker容器仅用1核CPU致OCR脚本运行缓慢问题求助

核心问题复盘 #

容器可识别12个CPU核心，但Python OCR脚本仅占用1核（使用率100%），本地运行时能充分利用多核；尝试ThreadPoolExecutor无效，更换基础镜像问题依旧。

针对性解决方案 #

1. 配置OCR引擎的并行参数 #

如果使用Tesseract OCR，默认未启用多线程，需在代码中显式指定线程数：

import pytesseract

# 配置Tesseract使用与CPU核心数匹配的线程数
custom_config = r'--oem 3 --psm 6 -c textord_num_threads=12'
text = pytesseract.image_to_string(your_image_object, config=custom_config)

textord_num_threads控制Tesseract的识别线程数，设为容器检测到的核心数即可。

2. 用进程池替代线程池处理CPU密集任务 #

Python的GIL（全局解释器锁）会限制ThreadPoolExecutor在CPU密集型任务中的多核利用，改用ProcessPoolExecutor：

from concurrent.futures import ProcessPoolExecutor
import pytesseract
import os

def ocr_single_image(image_path):
    # 单个进程内用单线程，避免线程竞争
    custom_config = r'--oem 3 --psm 6 -c textord_num_threads=1'
    return pytesseract.image_to_string(image_path, config=custom_config)

if __name__ == '__main__':
    image_list = ["img_01.png", "img_02.png", ...]
    # 进程数设为CPU核心数
    with ProcessPoolExecutor(max_workers=os.cpu_count()) as executor:
        ocr_results = list(executor.map(ocr_single_image, image_list))

注意：进程池代码必须放在if __name__ == '__main__':块内，防止子进程重复初始化代码。

3. 确认Docker CPU资源无限制 #

虽然lscpu显示12核，但Docker可能存在隐性配额限制，执行以下命令检查：

docker inspect <容器ID> | grep -A 10 "Cpu"

若发现CpuQuota/CpuPeriod限制，启动容器时明确放开CPU限制：

docker run --cpus 12 -it <你的镜像名>

使用Docker Compose的话，在配置文件中添加：

services:
  ocr-service:
    image: your-ocr-image
    deploy:
      resources:
        limits:
          cpus: '12.0'

4. 检查OCR库的多线程支持 #

如果是自行编译的Tesseract，可能未启用OpenMP多线程支持，执行以下命令验证：

tesseract --version | grep OpenMP

若无OpenMP相关输出，重新编译并启用OpenMP：

apt-get update && apt-get install -y libopenmp-dev
git clone https://github.com/tesseract-ocr/tesseract.git
cd tesseract && mkdir build && cd build
cmake -DENABLE_OPENMP=ON ..
make && make install

5. 修正CPU亲和性绑定 #

容器可能被绑定到单个核心，执行以下命令检查亲和性：

docker exec <容器ID> taskset -p 1

若输出mask为0x1（仅核心0），启动容器时指定可用核心范围：

docker run --cpuset-cpus 0-11 -it <你的镜像名>

内容的提问来源于stack exchange，提问作者qoob