我正在开发一个NodeJS服务，它将使用tesseract OCR引擎的节点包装器从图像创建文本文件。我希望它是一个持续运行的服务，由upstart启动和重新启动(在崩溃时)。
我可以选择让服务器(运行它的虚拟机)具有大RAM和磁盘空间的多核机器，或者我可以选择创建4或5个小虚拟机，每个核心，1 GB RAM和相对较小的磁盘大小。
使用第一种方法，我将不得不派生各种子进程来使用所有内核，这增加了代码的复杂性。另一方面，我只需要担心一个VM。使用第二种方法，我不必担心分支子进程，但我必须创建和配置多个虚拟机。
每种方法还有其他我没有想到的优缺点吗?
我将避免对VM进行分区，因为这意味着您可能最终会浪费RAM和CPU——您很可能会发现一个VM使用了100%的资源，而另一个则处于空闲状态。运行5个而不是1个操作系统也会带来不小的开销。
为什么要考虑fork多个进程?如果您使用正确的库，这将是不必要的。
npm上的许多tesseract库写得很差。它们是对tesseract C代码的超简单绑定。在JS中，你调用插件的recognize()函数，它只调用tesseract的Recognize()，它以阻塞的方式执行cpu密集型工作。这意味着你在V8主线程上进行识别，我们知道这是一个禁忌。我认为这就是为什么您正在考虑分叉进程，因为每个进程一次只能执行单个阻塞OCR操作。
相反，您需要一个在单独的线程上完成OCR工作的库。Tesseract_native就是一个例子。它的设计是正确的:它使用libuv在工作线程上调用tesseract。
libuv维护一个工作线程池，所以你可以有尽可能多的并发OCR操作，所有这些操作都在一个进程中。