文档 OCR 识别优化为异步思路逻辑

文档 OCR 识别优化

同步处理（原逻辑）

• 当前系统识别文档为同步处理，已调整过 python 服务部分参数，但 一份40M左右文档识别仍需要几十秒
  • 文档转为图片集合
  • for 循环中一直调用 ocr 识别

异步处理

• nginx 增加 requestId header 参数
• 后端获取到 requestId 参数，保存 threadLocal，键值数据为对应文档 id，requestId 需要在消息体中一直传递
• 后端获取请求数据（生产者），将文档转为图片集合，并标识页码索引（属于文档第几页），存放 mq 队列，python多实例 服务（消费者）绑定队列，消费图片信息，OCR 识别以后发送 mq 至队列
• 后端（消费者）接收 python 识别完成的消息进行后续处理
  • 获取 requestId 对应的文档 id 绑定文档
  • 拼接识别数据（requestId + 当前 ocr 识别文档页码）
  • 疑问点： 不知道接收到的识别数据属于当前文档什么部分，无法正确拼接数据，只能通过当前 ocr 识别的文档页码来处理
  • 具体实现逻辑待编码