快速構建基于AWS Lambda容器鏡像的OCR應用,aws lambda

快速構建基于AWS Lambda容器鏡像的OCR應用

摘要

AWS Lambda函數現已支持打包和部署容器鏡像，開發者通過官方提供或自己構建鏡像文件，可以非常方便利用現有的開發工具，工作流輕松構建基于AWS Lambda的應用程序。基于容器打包的應用通過AWS Lambda可以實現更為簡便的操作部署，相比EC2有著更為快速的啟動時間，更為強大的并發擴展以及高可用，同時無縫與140余種AWS服務集成。

本文將展示如何基于自建鏡像（public.ecr.aws/bitnami/python:3.7），利用AWS官方提供的運行時接口客戶端（RIC）和運行時接口仿真器（RIE），構建運行在AWS Lambda上的OCR應用。

前言

對于機器學習，圖像處理等依賴庫構建復雜且文件較大的應用，AWS Lambda支持最大10GB的容器鏡像，開發者可以直接使用熟悉的容器開發工具（docker）在本地構建測試，并將容器鏡像推國際快遞Amazon ECR（全托管的容器注冊表），之后通過指定Amazon ECR鏡像來部署Lambda函數，免去了以往Lambda Layer構建流程，也無需受限于Lambda Layer的大小限制（250MB）。

伴隨AWS Lambda對容器鏡像支持的特性發布，AWS官方提供了一組Lambda基礎鏡像，可在Amazon ECR（gallery.ecr.aws/lambda）和Docker Hub（amazon/awslambdapython）上獲取，該基礎鏡像預裝了包括Node.js，Python，Java等語言的Lambda運行時，必要組件以及構建基礎鏡像的dockerfile。同時AWS官方還開源了運行時接口客戶端（RIC）和運行時接口仿真器（RIE），方便用戶構建同Lambda兼容的容器鏡像并進行本地測試。

OCR應用我們基于tesseract（最早由HP Lab開發并于2005年開源）實現，其中軟件依賴如pillow，libtesseract我們利用AWS進行本地安裝，或者用戶也可以選取官方鏡像public.ecr.aws/lambda編譯以盡可能保證同Lambda兼容。

流程概覽

本文構建的OCR應用會利用到Python，Shell作為開發語言，PIP/Docker作為開發工具，構建流程分成如下部分：1）軟件依賴庫的構建，包括pillow，libtesseract編譯；2）Lambda兼容鏡像的構建，包括RIC/RIE的安裝配置，Lambda業務代碼的打包；3）Lambda業務代碼實現，通過簡單的代碼調用生成的pytesseract庫返回圖片識別結果；4）本地調試驗證，通過RIE實現本地功能調試和迭代。

其中構建容器鏡像的軟件依賴庫有以下幾個途徑：方案一，直接利用已經包含軟件依賴庫的容器鏡像，其dockerfile示例如下：

FROM public.ecr.aws/myrepo/sharedliblayer:1 AS sharedliblayer

#Layer code

WORKDIR/opt

COPYfrom=sharedliblayer/opt/.

方案二，利用已經構建好的Lambda Layer，通過curl的形式拉取到新的鏡像當中，其dockerfile示例如下：

ARG AWS_DEFAULT_REGION=${AWS_DEFAULT_REGION:cnnorthwest1}

ARG AWS_ACCESS_KEY_ID=${AWS_ACCESS_KEY_ID:}

ARG AWS_SECRET_ACCESS_KEY=${AWS_SECRET_ACCESS_KEY:}

ENV AWS_DEFAULT_REGION=${AWS_DEFAULT_REGION}

ENV AWS_ACCESS_KEY_ID=${AWS_ACCESS_KEY_ID}

ENV AWS_SECRET_ACCESS_KEY=${AWS_SECRET_ACCESS_KEY}

RUN apk add awscli curl unzip

RUN mkdirp/opt

RUN curl$(aws lambda getlayerversionbyarnarn arn:aws:lambda:useast1:1234567890123:layer:sharedliblayer:1queryContent.Locationoutput text)output layer.zip

RUN unzip layer.zipd/opt

RUN rm layer.zip

方案三，完全從零開始的用戶可以考慮直接在容器里面構建軟件依賴庫，其dockerfile示例如下：

FROM python:3.8alpine AS installer

#Layer Code

COPY extensionssrc/opt/

COPY extensionssrc/requirements.txt/opt/

RUN pip installr/opt/requirements.txtt/opt/extensions/lib

FROM scratch AS base

WORKDIR/opt/extensions

COPYfrom=installer/opt/extensions.

接下來的OCR方案考慮到tesseract的依賴構建相對復雜，為了構建流程的獨立和依賴庫的共享，我們將采用方案二，即先利用Shell和Docker構建Lambda業務代碼調用的所有依賴，再將構建完畢后的zip包存放到Lambda Layer中供后續Lambda鏡像構建調用。

創建步驟

軟件依賴庫的構建

首先安裝pillow，創建requirements文件，寫入以下內容。

pillow

接著創建shell腳本（build_py37_pkgs.sh），寫入以下內容并執行，執行完畢后會在相同目錄下生成pythonlibslayer.zip文件。

sete

rmrf pythonlibslayer.zip exit 0

rmrf python/exit 0

docker runv$PWD:/var/tasklambci/lambda:buildpython3.7/bin/shcpip installr requirements.txtt python/lib/python3.7/sitepackages/;exit

chmod 777 python/

zipr pythonlibslayer.zip pythongt;/dev/null

rmrf python/

Pillow構建完畢后，開始構建tesseract依賴，創建dockerfile（Dockerfiletess4），文件內容可以直接參考這里

FROM lambci/lambdabase:build

#Proxy setup if exists

#ENV http_proxyhttp://ip:port

#ENV https_proxyhttps://ip:port

ARG LEPTONICA_VERSION=1.78.0

ARG TESSERACT_VERSION=4.1.0rc4

ARG AUTOCONF_ARCHIVE_VERSION=2017.09.28

ARG TMP_BUILD=/tmp

ARG TESSERACT=/opt/tesseract

ARG LEPTONICA=/opt/leptonica

ARG DIST=/opt/builddist

#change OCR_LANG to enable the layer for different languages

ARG OCR_LANG=chi_sim

#change TESSERACT_DATA_SUFFIX to use different datafiles(options:_best,_fastand)

ARG TESSERACT_DATA_SUFFIX=

ARG TESSERACT_DATA_VERSION=4.0.0

后續省略

……

創建shell腳本（build_tesseract4.sh），寫入以下內容并執行，執行完畢后會在相同目錄下生成tesseractlayer.zip

sete

rmrf tesseractlayer.zip exit 0

rmrf configs exit 0

rmrf tessconfigs exit 0

#Download tessconfigs folder

git clone https://github.com/tesseractocr/tessconfigs.git tesseractconfigs

mv tesseractconfigs/configs.

mv tesseractconfigs/tessconfigs.

rmrf tesseractconfigs

#Build Docker image containing Tesseract

docker buildt tess_layerf Dockerfiletess4.

#Copy Tesseract locally

CONTAINER=$(docker rund tess_layer false)

docker cp$CONTAINER:/opt/builddist layer

docker rm$CONTAINER

##Zip Tesseract

cd layer/

zipr../tesseractlayer.zip.

#Clean

cd..

rmrf layer/

rmrf tessconfigs/

rmrf configs/

將前面步驟生成的zip文件（pythonlibslayer.zip/tesseractlayer.zip）通過AWS Console或者AWS命令行的方式上傳至Lambda Layer，并記錄下對應的ARN，類似arn:awscn:lambda:cnnorthwest1:xxxxxxxx:layer:ocrTesseract:1。

Lambda兼容鏡像的構建

運行時接口客戶端（RIC）作為AWS開源項目，實現了Lambda的運行時API，包括調用事件檢索，調用響應返回，調用錯誤處理和初始化錯誤等功能實現Lambda能正確接收處理調用并返回結果。運行時接口仿真器（RIE）實際是一個輕量級的web服務器，代理Lambda的運行時和擴展API，使開發者可以在本地通過Docker，CURL進行本地測試而不用將Lambda容器鏡像部署上云。

接下來我們基于自建鏡像（public.ecr.aws/bitnami/python:3.7）構建Lambda容器的dockerfile并針對其中部分操作進行解釋。

創建entry.sh文件，用作容器在云上部署和本地調試的自動切換，內容如下：

if [ z ${AWS_LAMBDA_RUNTIME_API} ]; then

  exec /usr/local/bin/awslambdarie /usr/local/bin/python m awslambdaric $1

else

  exec /usr/local/bin/python m awslambdaric $1

fi

創建dockerfile（dockerfilecustomtesseract），內容摘錄如下，原文件參見這里：

安裝必要工具

ARG LAYER_DIR=/opt

FROM public.ecr.aws/bitnami/python:3.7 as buildimage

RUN aptget update  \

aptget install y \

g++ \

make \

cmake \

unzip \

libcurl4openssldev

RUN pip install opencvpythonheadless

RUN aptget install y libpngdev

安裝運行時接口客戶端（RIC）

RUN mkdir p ${LAYER_DIR}

RUN pip install \

    target ${LAYER_DIR} \

    awslambdaric

取前面步驟生成的Lambda Layer

ARG AWS_DEFAULT_REGION=${AWS_DEFAULT_REGION:cnnorthwest1}

ARG AWS_ACCESS_KEY_ID=${AWS_ACCESS_KEY_ID:xxxx}

ARG AWS_SECRET_ACCESS_KEY=${AWS_SECRET_ACCESS_KEY:xxxx}

ENV AWS_DEFAULT_REGION=${AWS_DEFAULT_REGION}

ENV AWS_ACCESS_KEY_ID=${AWS_ACCESS_KEY_ID}

ENV AWS_SECRET_ACCESS_KEY=${AWS_SECRET_ACCESS_KEY}

RUN aptget instally curl unzip

RUN curlhttps://awscli.amazonaws.com/awscliexelinuxx86_64.zipoawscliv2.zip

RUN unzip awscliv2.zip

RUN./aws/install

#ocrTesseract

RUN curl$(aws lambda getlayerversionbyarnarn arn:awscn:lambda:cnnorthwest1:xx:layer:ocrTesseract:3queryContent.Locationoutput text)output pythonlibslayer.zip

#COPY pythonlibslayer.zip.

RUN unzip pythonlibslayer.zipd${LAYER_DIR}

RUN rm pythonlibslayer.zip

#pythonlibslayer

RUN curl$(aws lambda getlayerversionbyarnarn arn:awscn:lambda:cnnorthwest1:xx:layer:pythonlibslayer:1queryContent.Locationoutput text)output tesseractlayer.zip

#COPY tesseractlayer.zip.

RUN unzip tesseractlayer.zipd${LAYER_DIR}

RUN rm tesseractlayer.zip

打包Lambda業務代碼（代碼邏輯下一小節會提到）和entry.sh

#Multistage build:grab a fresh copy of the base image,use custom image instead of official one

FROM public.ecr.aws/bitnami/python:3.7

#Include global arg in this stage of the build

ARG LAYER_DIR

#Copy in the build image dependencies

WORKDIR${LAYER_DIR}

COPYfrom=buildimage${LAYER_DIR}.

COPY app.py.

COPY entry.sh/

RUN chmod 755/entry.sh

ENV LD_LIBRARY_PATH=/opt:/opt/lib:${LD_LIBRARY_PATH}

ENV PATH=/opt:/opt/bin:${PATH}

#Production env

ENTRYPOINT[/entry.sh]

開始構建鏡像并推國際快遞ECR，至此OCR業務的Lambda鏡像構建完畢

docker buildt locallambdapython3.8customocrbuildarg AWS_DEFAULT_REGION=cnnorthwest1buildarg AWS_ACCESS_KEY_ID=xxbuildarg AWS_SECRET_ACCESS_KEY=xxf dockerfilecustomtesseract.

docker tag locallambdapython3.8customocr:latest xx.dkr.ecr.cnnorthwest1.amazonaws.com.cn/locallambdapython3.8customocr

aws ecr getloginpasswordregion cnnorthwest1docker loginusername AWSpasswordstdin xx.dkr.ecr.cnnorthwest1.amazonaws.com.cn

docker push xx.dkr.ecr.cnnorthwest1.amazonaws.com.cn/locallambdapython3.8customocr:latest

Lambda業務代碼實現

代碼的調用邏輯如下，handler接收傳入的圖片文件（u64編碼）并調用pytesseract實現圖片中文字的識別并返回。

import sys

import os

sys.path.append(/opt/python/lib/python3.7/sitepackages)

# sys.path.append(/opt/python/lib/python3.7/sitepackages/pytesseract)

# sys.path.append(/opt/python/lib/python3.7/sitepackages/PIL)

# sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))

import base64

import pytesseract

import cv2

def write_to_file(save_path, data):

with open(save_path, wb) as f:

  f.write(base64.b64decode(data))

def handler(event, context=None):

  write_to_file(/tmp/photo.jpg, event[body])

  img = cv2.imread(/tmp/photo.jpg)

  ocr_text = pytesseract.image_to_string(img, config = eng)

  # Return the result data in json format

  return {

   statusCode: 200,

   body: ocr_text

  }

本地調試驗證

本地安裝RIE，盡量減少Lambda鏡像需要安裝的文件

mkdirp~/.awslambdariecurlLo~/.awslambdarie/awslambdarie

https://github.com/aws/awslambdaruntimeinterfaceemulator/releases/latest/download/awslambdarie

chmod+x~/.awslambdarie/awslambdarie

本地運行容器并通過curl測試結果，其中helloWorld文件為顯示有hello world字樣圖片對應的u64編碼文件，成功的話我們可以看到輸出的hello world。

docker rundv~/.awslambdarie:/awslambdap 9000:8080entrypoint/awslambda/awslambdarie locallambdapython3.8customocr:latest/usr/local/bin/pythonm awslambdaric app.handler

curlX POSThttp://localhost:9000/20150331/functions/function/invocationsd@helloWorld

待功能測試成功后我們可以將該鏡像最終部署上云，無縫對接其他AWS服務實現更加豐富的功能。

對接其他服務

Lambda鏡像構建完畢后，用戶可以結合API Gateway實現HTTP前端調用來整合我們后端的OCR能力，通過SAM（Serverless Application Model）模版快速構建一個無服務器架構的OCR應用，示例模版部分內容如下所示：

Resources:

HelloWorldFunction:

  Type: AWS::Serverless::Function

  Properties:

   PackageType: Image

   Events:

    HelloWorld:

     Type: Api

     Properties:

      Path: /hello

      Method: get

   ImageUrl: ‘xxxx.dkr.ecr.cnnorthwest1.amazonaws.com.cn/locallambdapython3.8custom’

ImageConfig:

   Command:

     app.handler

   EntryPoint:

     /entry.sh

   WorkingDirectory: /opt

  Metadata:

   DockerTag: python3.xv1

   DockerContext: ./helloworld

   Dockerfile: Dockerfile

之后通過SAM CLI實現AWS API Gateway，Lambda以及對應IAM的編譯，調試和部署，有關SAM的具體的操作參見這里。待服務部署完畢后，用戶可通過調用類似curl–request POSTH“ContentType:image/png”–databinary“@/path/ocrimage.png”https://xxxx.executeapi.cnnorthwest1.amazonaws.com.cn/prod/upload

命令獲取OCR識別結果。

寫在最后

Lambda針對容器鏡像的支持，將無服務器化，容器這兩個熱門的技術領域進行了完美結合，用戶在原有的容器開發環境基礎上利用無服務器化架構的低運維，高擴展，高可用等特性，可以更加便捷的構建和開發諸如機器學習，圖像識別等數據密集型負載應用。

特別聲明：以上文章內容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內容、版權或其它問題請于作品發表后的30日內與ESG跨境電商聯系。