笔者的团队最近接到了一个有关图像识别的需求，本来应该由后端团队提供能力，native提供容器，前端团队仅负责一些“外围的形式工作”，不过由于各种各样的原因，最后的结果变成了前端团队在原有工作基础上，承担了图像识别的能力，后端专注其他服务，于是一场图像识别的冒险就此开始。

　　因为项目背景是图像识别，而笔者仅有一些本科时图形学的一些皮毛知识，自己实现想来基本不太可能了，于是一开始就准备伸出手去探索下有没有现实可用的既成方案。因为最开始的项目需求是文字识别，首先进入笔者视野的就是OCR(Optical Character Recognition)，也就是光学字符识别，毕竟node具备完全的服务端能力，只需要找到库和调用库的nodejs包，实现就很简单了，不过简单查找了一下，笔者发现业界还是挺有这方面的探索的，首当其冲的就是google的开源项目tesseract-ocr[https://github.com/tesseract-ocr/tesseract]，但是经过笔者的测试发现，tesseract对于印刷字的识别能力确实不错，但是笔者的项目更接近去年支付宝扫“福”字的场景，在自然光和手写字的各种干扰下，ocr整个一套方案的可行性就有待商榷了，而更让笔者吃惊的是，识别的耗时也是笔者的业务场景所不太能接受的，基于种种原因，笔者不得不放弃在OCR上的继续探索，转而寻找其他方案，笔者心想:既然识别文字做不到，那么如果是把文字抽象为图形，只是和图形做比较呢？抱着这样的思想，笔者开始将目光转向一些图片相似度比较的库，此时opencv[http://opencv.org/]就进入了笔者的视野，也适逢opencv在人脸识别上备受青睐，也坚定了笔者使用opencv这一方案的信心。

　　方向定了之后，实施起来就快了。本应该是如此，但是笔者虽然找到了opencv binding nodejs的包[https://github.com/peterbraden/node-opencv],不过这个包的作者写的readme适合并不是面向笔者这个场景的，里面的api和demo也倾向于在表达opencv在人脸识别上的能力，而不是笔者所需要的图片相似度比较的能力，经过一些抹黑的探索之后，笔者在node-opencv库里找到了一个由作者实现了但并没有记录在文档中的api——ImageSimilarity，看到这个名字的时候，笔者好似终于在茫茫的C++黑夜里找到了一丝光明一般，果不其然，这个api果然是进行图片的相似度比较的。

　　经过一些简单的nodejs webservice开发之后，整个业务需求的服务就告一段落了，不过正当笔者准备测试上线的时候，却又迎来了新的问题。笔者本地使用的是mac os作为开发环境，而服务器使用的都是linux centos的操作系统，在安装opencv上也有很多不同的地方，而且还需要考虑到上线后服务器扩容的问题，在线上服务器上一台台安装环境笔者心想可不是件容易事，经过自己的整理和运维同事的沟通，最后通过rpm包的方式解决了该问题。

　　想想虽然一波三折，不过事情总算是做完了的时候，笔者突然回想起了之前ocr性能堪忧的问题，于是多了个心眼，想压测下opencv的处理性能，毕竟就笔者所了解的图形学的知识来说，图形处理其实是很消耗cpu的，这和笔者之前单纯使用nodejs作为restful的场景毕竟不同，虽然本地有100ms以下的不错表现（虽然和正常的node service差距已经很大），但考虑到实际还有目标图片传输、读写、比较过程，于是笔者拿出jmeter进行了一次压力测试，结果果然令人大吃一惊：并发的服务数稍大就直接占满了CPU，而笔者所面对的业务场景的目标DAU有1200w，这种性能肯定是撑不住的！

　　怎么办！即使有能力进行图片识别，但是图片识别的并发量不足依然不能满足笔者的业务需求，经过笔者的一些观察发现，最核心的耗时发生在opencv的ImageSimilarity这个方法的执行上，但是这个api对于笔者而言几乎接近于黑盒，笔者只是善意的第三调用方，而且node-opencv也只是作为对c++底层库的中间层，底层实现完全依赖c++，对笔者而言，基本短时间内就不存在了优化的余地，于是笔者只能从其他方面曲线救国了：首先，为了增加硬实力，笔者不得不才用扩容的方式，从物理上提高图片识别服务的并发处理能力；然后，因为物理的扩容并不能够解决高峰期瞬时流量过大的问题，笔者不得不采取“非常手段”，保证服务不至于崩溃，于是笔者做好容灾预案了。不过笔者还是纠结于使用怎样的容灾实现比较好：要么是显示每秒的总请求数，将会导致过载的请求直接降级处理，要么就是实施监控cpu的使用率，保证cpu正常的情况下做降级处理。两种方案取舍的关键在于哪一种能够真正反应服务器的负载状况，基于种种考虑，笔者最终选择了数量的方案（由于nodejs获取的cpu数据总是滞后，当然这只是笔者了解的情况）。

　　到此，整个需求才算是真正告一段落。回过头来我们重新review下整个业务流程：
1、native 上传图片，调用node服务
2、nodejs 接受请求
3、将各种参数从请求体中读出（当然包括上传的图片）
4、将上传图片转换为待比较的格式，并且取出比较的源图片（当然你也可以在一开始就把它们取出来放内存里，不过由于笔者的源图片可以动态变更，所以这里的额外io并没有省）
5、调用ImageSimilarity方法，比较目标图片和源图片（容灾情况则直接会执行降级方案，然后继续往下进行）
6、通过得出的比较值，调用对应的后端服务
7、拿到后端的响应结果，经过封装后回传回客户端

其实其中还有不少可以优化的点，最重要的是，opencv本身由于对于笔者其实是个黑匣子，这也一定程度上导致了最后的服务可用性的问题的出现。不过虽然话需要怎么说，但是反过来，笔者也庆幸能生活于这个互联网时代，能够享受如此多的时代文明之光的馈赠，更深觉还有好多好多这样早已出现，却还不曾发光的事物等待我们去发现，去链接，去让那些埋藏于浮华深处的光芒，重新发出耀眼的光辉。

记一次图像识别的冒险