如何优化Azure Form Recognition的请求响应时间？

Azure Form Recognition 响应时间优化方案 #

1. 代码逻辑优化 #

• 现有轮询逻辑未设置等待间隔，会高频发送GET请求，不仅浪费请求配额，还可能触发服务限流导致额外延迟，可在轮询间隙添加500ms左右的等待，减少无效请求开销：

while(((result.data) || {}).status == "running"){
    await new Promise(resolve => setTimeout(resolve, 500)); // 新增等待逻辑
    result = await getResult(response.headers["operation-location"])
}

• 优先使用官方JS SDK，SDK内置了优化后的轮询、错误重试机制，比自行实现的异步处理流程效率更高、稳定性更好。
• 确保你的业务服务、Form Recognizer资源、待处理文件的存储服务部署在同一个Azure区域，跨区域访问会增加数百毫秒的网络传输延迟。

2. 服务配置优化 #

• 将资源SKU更换为预配层级：默认消费层级存在冷启动机制，空闲后首次请求耗时会明显升高，预配层级预留了专用计算资源，延迟稳定，适合对响应速度要求高的生产场景。
• 训练自定义模型时可选择轻量化训练模式：如果对识别准确率没有极致要求，轻量化模型的推理耗时可比全精度模型低30%左右。
• 若仅需提取部分指定字段，训练时仅标注所需字段即可，无需覆盖全文档所有内容，可明显提升模型推理速度。

3. 输入文件优化 #

• 控制输入文件规格：JPEG分辨率控制在1000-2000像素区间即可，过高分辨率不会提升识别准确率，反而会增加文件下载和处理耗时；PDF文件仅需处理部分页面时，调用API时指定pages参数，无需解析全文档。
• 不要传入公网URL的文件，优先将待处理文件存储在和Form Recognizer同区域的Azure Blob存储中，服务端拉取文件的耗时可降到100ms以内。

按照以上方案调整后，单文件处理耗时普遍可降到2秒以内，小尺寸JPEG文件的处理耗时甚至可低至1秒左右。

内容的提问来源于stack exchange，提问作者Denys Wylliam