tesseract-ocr 适用于 EC2，而不是 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。在两种环境中都可以成功执行不带参数的 tesseract。但是，任何对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 担任具有管理权限的 IAM 角色（{ "Effect": "Allow", "Action": "", "Resource": "" }）

tesseract 发出“处理过程中的错误”错误作为顶级包罗万象。我将检测 tesseract 并尝试进一步缩小问题范围。

我是怎么到这里的：

• 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。
• 我安装了与 Lambda 版本匹配的节点 0.10.33 和 aws-sdk@2.0.23。
• 我从源代码编译了 tesseract 和 leptonica。添加了一个 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：输出必须放在 /tmp 目录中，例如

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

略长一点的答案：tesseract 在后台调用 fopen wb，显然 /var/task 中禁止这样做。

几天前我会注意到这一点，但 Lambda 并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 update-function 之前总是 delete-function。