집 > 기사 > 백엔드 개발 > 확장성이 뛰어난 분산영상처리 시스템 구현: Go-Zero 적용 및 실습

확장성이 뛰어난 분산영상처리 시스템 구현: Go-Zero 적용 및 실습

WBOY원래의: 2023-06-23 11:57:271349검색

현대 기술의 발전과 함께 영상 처리 기술은 사회 각계각층에서 점점 더 많은 역할을 하고 있습니다. 스마트 시티의 감시 시스템부터 의료 영상의 진단 및 치료, 엔터테인먼트 산업의 게임, 영화 및 TV 제작에 이르기까지 영상 처리 알고리즘은 없어서는 안 될 핵심 기술 중 하나입니다. 그러나 이미지 데이터와 사용자 수가 증가함에 따라 기존 이미지 처리 솔루션은 점차 높은 동시성, 낮은 대기 시간 및 높은 확장성의 요구 사항을 충족할 수 없게 되었습니다. 따라서 분산 이미지 처리 시스템이 점차 주류 솔루션이 되었습니다.

많은 분산 이미지 처리 프레임워크 중에서 go-zero는 주목할만한 백엔드 개발 프레임워크입니다. 이는 API 게이트웨이, 서비스 거버넌스, 전류 제한 및 회로 차단기, 대규모 데이터 저장을 포함한 완전한 분산 마이크로서비스 솔루션 세트를 제공합니다. 분산 트랜잭션 및 기타 기능. 영상처리 시스템을 개발하고 적용할 때, go-zero의 포괄적인 지원은 시스템의 신뢰성과 성능을 크게 향상시킬 수 있습니다. 이 기사에서는 응용 시나리오, 아키텍처 설계, 기술 선택 및 코드 구현과 같은 다양한 측면에서 분산 이미지 처리에서 go-zero의 응용 및 실습을 소개합니다.

1. 애플리케이션 시나리오

이미지 처리 시스템은 전형적인 데이터 집약적이고 컴퓨팅 집약적인 애플리케이션입니다. 이 시스템이 직면하는 주요 문제는 다음과 같습니다.

많은 양의 데이터 및 높은 요청 동시성: 실시간 모니터링 시스템의 경우 시나리오 라이브 방송 시스템과 같이 즉각적인 응답이 필요한 시스템은 초당 수십만 또는 수백만 개의 이미지 데이터를 생성할 수 있으며, 이 데이터를 신속하게 처리하고 처리량이 높고 지연 시간이 짧은 서비스를 제공할 수 있어야 합니다.
복잡한 작업 계산: 복잡한 이미지 알고리즘, 딥러닝 모델 등 계산 집약적인 작업에 직면하면 이미지 특징 추출, 분류, 인식, 합성 등 다양한 이미지 처리 작업을 빠르고 정확하게 완료해야 합니다.
고가용성 및 높은 확장성: 변화하는 비즈니스 요구에 따라 시스템은 가용성과 확장성이 뛰어나야 하며, 갑작스러운 트래픽, 노드 장애 등 비정상적인 상황에 대처할 수 있어야 하며, 지속적이고 안정적인 서비스를 달성할 수 있어야 합니다.

go-zero는 위의 문제가 발생하는 다양한 시나리오에 적용될 수 있습니다.

이미지 분류 시스템: 얼굴 자동 인식, 자동차 모델, 음식 등 이미지를 분류합니다.
이미지 합성 시스템: 그림 접합, 콘크리트 제품 이미지 합성 등 여러 이미지를 하나의 이미지로 결합합니다.
모니터링 시스템: 유동 통계, 문자 인식 등 이미지의 실시간 처리를 수행하고, 이미지 데이터를 사용 가능한 통계 데이터로 변환합니다.

2. 아키텍처 설계

위의 요구 사항을 충족하려면 안정적이고 확장 가능하며 효율적인 분산 이미지 처리 시스템을 설계해야 합니다. Go-Zero의 도움으로 우리는 다음과 같은 인프라 설계를 달성할 수 있습니다.

API 게이트웨이: 웹 API 인터페이스 게이트웨이 서비스를 제공하여 다양한 클라이언트의 요청을 균일하게 관리합니다.
RPC 서비스: 분산형 마이크로서비스 모델을 사용하여 특정 이미지 처리 작업을 담당하는 비즈니스 서비스로 비즈니스에 따라 나누어 배포됩니다.
구성 서비스: 공개 구성을 균일하게 관리하고 배포하는 구성 서비스입니다.
리소스 관리: 시스템 리소스의 합리적인 활용과 안정적인 성능을 보장하기 위한 모니터링, 흐름 제어, 회로 차단기 성능 저하, 전류 제한 및 기타 기능을 포함한 리소스 관리입니다.
스토리지 서비스: 처리된 데이터를 클라우드 분산 공유 스토리지 시스템에 저장하여 후속 비즈니스 액세스 및 쿼리를 용이하게 합니다.

3. 기술 선택

특정 기술 솔루션을 설계할 때 먼저 이미지 처리에 적합한 일부 기존 기술과 알고리즘을 선택한 다음 Go-Zero 및 일부 주류 분산 기술에서 제공하는 마이크로서비스 프레임워크를 사용하여 다음의 기능을 실현할 수 있습니다. 전체 시스템.

이를 달성하기 위해 구체적으로 다음 기술을 사용할 수 있습니다.

이미지 처리 알고리즘: OpenCV, PIL 및 기타 라이브러리와 일부 딥 러닝 모델과 같은 기존 이미지 처리 알고리즘을 사용하여 특징 추출, 분류, 인식 및 이미지 합성 및 기타 이미지 처리 작업을 수행할 수 있습니다.
마이크로서비스 프레임워크: go-zero의 마이크로서비스 프레임워크를 사용하면 작업 분할, 비즈니스 로직 개발, 로드 밸런싱, 오류 복구 및 기타 기능을 달성하기 위한 분산 이미지 처리 시스템을 빠르게 구축할 수 있습니다.
분산 기술: etcd, Zookeeper 등의 분산 조정 기술을 사용하면 서비스 등록 및 검색, 구성 관리 등과 같은 기능을 실현하여 시스템을 더욱 안정적이고 신뢰할 수 있게 만들 수 있습니다.
스토리지 계층: FastDFS 등과 같은 분산 공유 스토리지 시스템을 선택하여 처리된 데이터를 공유하고 관리할 수 있습니다.

4. 코드 구현

위 기능을 구체적으로 구현할 때 go-zero에서 제공하는 코드 프레임워크를 사용하여 특정 비즈니스 로직 및 기술 구현을 완료할 수 있습니다. 다음은 완전한 분산 영상 처리 시스템의 개발 과정을 나타내는 샘플 프로그램입니다.

먼저 main.go에 필요한 프레임워크와 종속성 패키지를 소개합니다.

package main

import (
    "github.com/tal-tech/go-zero/core/conf"
    "github.com/tal-tech/go-zero/core/logx"
    "github.com/tal-tech/go-zero/rest"
)

func main() {
    logx.Disable()
    var c Config
    conf.MustLoad(&c)

    server := rest.MustNewServer(c.RestConf)
    defer server.Stop()

    InitHandlers(server.Group("/"))

    go func() {
        select {
        case <-server.Done():
            logx.Info("Stopping...")
        }
    }()
    server.Start()
}

그중 Config 구조는 시스템 구성 정보를 저장하고 config.toml에서 구성됩니다. 나머지 패키지는 HTTP 서비스의 캡슐화를 제공합니다. 특정 비즈니스 로직은 InitHandlers 함수에 구현됩니다.

func InitHandlers(group *rest.Group) {
    group.POST("/image/:type", func(ctx *rest.Context) {
    // 业务逻辑：根据type参数分发图像任务，调用具体的RPC服务进行处理
    })
}

다음으로 특정 비즈니스 로직은 핸들러 패키지에 구현됩니다.

package handlers

import (
    "context"
    "encoding/base64"
    "github.com/tal-tech/go-zero/core/logx"
    "github.com/tal-tech/go-zero/rest/httpx"
    "github.com/tal-tech/go-zero/zrpc"
    "github.com/yanyiwu/gojieba"
    "go-zero-example/service/image/api/internal/logic"
    "go-zero-example/service/image/api/internal/svc"
    "go-zero-example/service/image/rpc/image"
)

const (
    FACE_DETECT = iota
    FACE_RECOGNITION
    COLOR_DETECT
)

var jieba = gojieba.NewJieba()

type ImageType int32

type ImageHandler struct {
    ctx    context.Context
    svcCtx *svc.ServiceContext
}

func NewImageHandler(ctx context.Context, svcCtx *svc.ServiceContext) *ImageHandler {
    return &ImageHandler{ctx: ctx, svcCtx: svcCtx}
}

func (l *ImageHandler) Handle(reqTypes []ImageType, base64Data string) (*image.Data, error) {
    req := logic.ImageReq{
        ReqTypes:   reqTypes,
        Base64Data: base64Data,
    }

    // 将图像处理请求分发给所有RPC服务
    results := make([]*image.Data, 0, len(reqTypes))
    for _, reqType := range reqTypes {
        data, err := l.svcCtx.ImageRpcClient.DoImage(l.ctx, &image.ImageReq{
            ImageType: int32(reqType),
            ImageData: base64Data,
        })
        if err != nil {
            logx.WithError(err).Warnf("image rpc call failed: %v", data)
            return nil, httpx.Error(500, "服务内部错误")
        }

        results = append(results, data)
    }

    // 直接返回结果
    return logic.MergeResults(results), nil
}

// 字符串转float
func str2float(str string, defVal float64) float64 {
    if len(str) == 0 {
        return defVal
    }
    val, err := strconv.ParseFloat(str, 64)
    if err != nil {
        return defVal
    }
    return val
}

// 字符串转int
func str2int(str string, defVal int64) int64 {
    if len(str) == 0 {
        return defVal
    }
    val, err := strconv.ParseInt(str, 10, 64)
    if err != nil {
        return defVal
    }
    return val
}

// 合并处理结果
func (l *ImageHandler) MergeResults(datas []*image.Data) *image.Data {
    if len(datas) == 1 {
        return datas[0]
    }
    mergeData := &image.Data{
        MetaData: &image.MetaData{
            Status:  0,
            Message: "success",
        },
    }

    for _, data := range datas {
        if data.MetaData.Status != 0 {
            return data // 异常情况
        }
        switch data.DataType {
        case image.DataType_STRING:
            if mergeData.StringData == nil {
                mergeData.StringData = make(map[string]string)
            }
            for k, v := range data.StringData {
                mergeData.StringData[k] = v
            }
        case image.DataType_NUMBER:
            if mergeData.NumberData == nil {
                mergeData.NumberData = make(map[string]float64)
            }
            for k, v := range data.NumberData {
                mergeData.NumberData[k] = v
            }
        case image.DataType_IMAGE:
            if mergeData.ImageData == nil {
                mergeData.ImageData = make([]*image.ImageMeta, 0)
            }
            mergeData.ImageData = append(mergeData.ImageData, data.ImageData...)
        }
    }
    return mergeData
}

마지막으로 아래와 같이 image.proto에서 특정 RPC 서비스 인터페이스를 정의할 수 있습니다.

syntax = "proto3";

package image;

service ImageApi {
    rpc DoImage(ImageReq) returns (Data) {}
}

message ImageReq {
    int32 image_type = 1;
    string image_data = 2;
}

message ImageMetaData {
    int32 status = 1;
    string message = 2;
}

message Data {
    ImageMetaData meta_data = 1;
    DataType data_type = 2;
    map<string, string> string_data = 3; 
    map<string, float> number_data = 4;
    repeated ImageMeta image_data = 5;

}

// 可返回的数据类型
enum DataType {
    STRING = 0;
    NUMBER = 1;
    IMAGE = 2;
}

message ImageMeta {
    string url = 1;
    int32 width = 2;
    int32 height = 3;
}

至此，一个完整的分布式图像处理系统就具备了基础的功能和业务逻辑，可以部署到服务器中，供用户使用。

五、总结

本文介绍了go-zero在分布式图像处理中的应用和实践，从应用场景、架构设计、技术选型、代码实现等方面对图像处理系统进行了详细阐述。针对图像处理系统的特点，go-zero提供了一套全面的分布式微服务解决方案，可以快速搭建高可扩展性的系统，提高系统的性能和可靠性，同时也为开发者提供了产品支持和服务保障，适用于多种应用场景。

위 내용은 확장성이 뛰어난 분산영상처리 시스템 구현: Go-Zero 적용 및 실습의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

架构分布式 gateway Resource 封装结构体接口并发算法 zookeeper etcd opencv http rpc 负载均衡

성명：

이전 기사：Beego에서 실시간 통신을 위해 WebSocket 사용다음 기사：Beego에서 실시간 통신을 위해 WebSocket 사용