amazon-ec2 - tesseract-ocr 适用于 EC2，而不适用于 lambda

Question

我的目标是在 AWS Lambda 中运行 tesseract-ocr。

我构建了一个尝试镜像 Lambda 环境的 EC2 实例。在两种环境中执行不带参数的 tesseract 都会成功。但是，任何实质性图像处理的尝试，例如这段代码:

tess = child_process.exec('tesseract input.tif output -l eng -psm 1 hocr', function(error, stdout, stderr) {
...

在我的 EC2 机器上成功运行，但在 Lambda 中失败并出现以下错误:

Error: Command failed: Tesseract Open Source OCR Engine v3.04.00 with Leptonica
Error during processing.

 at ChildProcess.exithandler (child_process.js:648:15)
 at ChildProcess.emit (events.js:98:17)
 at maybeClose (child_process.js:756:16)
 at Process.ChildProcess._handle.onexit (child_process.js:823:5)
Error code: 1
Signal received: null

Lambda 承担具有管理权限的 IAM 角色 ({ "Effect": "Allow", "Action": "", "Resource": ""})

“处理过程中的错误”错误由 tesseract 作为顶级包罗万象发出。我将测试 tesseract 并尝试进一步缩小问题的范围。

我是如何到达这里的:

我的 EC2 机器是在 us-east-1 (amzn-ami-hvm-2014.09.2.x86_64-ebs (ami-146e2a7c)) 中运行 Amazon Linux 的 t2.micro。

我安装了节点 0.10.33 和 aws-sdk@2.0.23，它们与 Lambda 版本匹配。

我从源代码编译了tesseract和leptonica。添加了 rpath 并运行 ldd 以确认找到所有依赖项

tesseract 二进制文件和 liblept.so 都在我的根目录 (/var/task) 中

我想知道出了什么问题 - 或者如何诊断它。

谢谢，
戴夫

Answer 1

简短回答:输出必须进入/tmp 目录，例如

tesseract input.tif /tmp/output -l eng -psm 1 hocr

稍微长一点的答案:tesseract 在幕后调用 fopen wb，显然这在/var/task 中是被禁止的。

几天前我会注意到这一点，但 Lambda 没有传播我的部署包。因此，有一次我尝试将输出放在/tmp 目录中，但没有任何效果 - 但那是 b/c Lambda 正在执行我的函数的陈旧版本。解决方案是在调用更新函数之前始终删除函数。