将带有 texttract 模块的 Python 应用程序部署到 Google Cloud Platform答案

【问题标题】：Deploy Python app with textract module to Google Cloud Platform将带有 texttract 模块的 Python 应用程序部署到 Google Cloud Platform
【发布时间】：2019-10-06 05:30:04
【问题描述】：

我想创建一个 Python 脚本来解析 40.000 个 PDF 文件（文本和图像）。因为我看到没有简单的方法来检查页面是否包含图像，所以我认为我应该使用 textract 模块。

理想情况下，我会部署到 Google App Engine。

我的问题是，对于 textract，我还在我的系统中安装了 Python 之外的其他软件包。我可以在 Google Cloud App Engine 上毫无问题地部署脚本（带有适当的 requirements.txt 文件）吗？还是我会用别的东西？

【问题讨论】：

Google 应用引擎通常用于处理传入的 REST 请求。你的高级架构是什么？我的直觉是将 40K PDF 加载到 Google Cloud 存储中，然后使用 Compute Engine 托管的应用程序来处理这些文件。通过使用 Compute Engine，您可以完全控制机器的特性（CPU、内存等）。我也很想研究水平扩展......你可以创建一组计算引擎并让它们并行执行。
好的，我就这样处理。非常感谢您的宝贵时间。

标签： python-3.x google-app-engine google-cloud-platform

【解决方案1】：

可以使用 App Engine，但只能使用 Flexible environment 和 custom runtime，它允许您添加非 python 依赖项（以及无法通过 pip 安装的 python 依赖项）：

自定义运行时允许您定义新的运行时环境，可能包括其他组件，例如语言解释器或应用服务器。

另见Building Custom Runtimes。

【讨论】：

非常感谢。你会选择什么？
就个人而言，我更喜欢 PaaS 而不是 IaaS（有点反对当前），所以我肯定会首先尝试 GAE。只有当基于该试验的估算成本太高时，我才会考虑 IaaS。