So steuern Sie den parallelen OCR-Speicherverbrauch in C#
Jede Seite, die parallel von IronOCR verarbeitet wird, erstellt ihre eigene native Instanz der Tesseract-Engine. Bei großen Mengen - Hunderte von Seiten aus einem gescannten PDF oder einem Ordner mit Bildern - skaliert der Speicherverbrauch linear mit der Anzahl der gleichzeitigen Seiten. Die IronTesseract.MaxDegreeOfParallelism-Eigenschaft begrenzt, wie viele Seiten innerhalb eines einzelnen Read-Aufrufs gleichzeitig OCR-t werden, und IronTesseract.MultiThreaded schaltet auf vollständig sequentielle Verarbeitung um, wenn false eingestellt ist.
Stellen Sie eine einzige Eigenschaft ein, um zu begrenzen, wie viele Seiten IronOCR gleichzeitig liest, und halten Sie den Spitzenwert des Speichers in einem bekannten Budget.
-
1Installieren Sie IronOCR mit NuGet Package Manager
-
2Kopieren Sie diesen Codeausschnitt und führen Sie ihn aus.
var ocr = new IronOcr.IronTesseract { MaxDegreeOfParallelism = 4 };Dim ocr = New IronOcr.IronTesseract With { .MaxDegreeOfParallelism = 4 }Dim ocr = New IronOcr.IronTesseract With { .MaxDegreeOfParallelism = 4 } -
3Bereitstellen zum Testen in Ihrer Live-Umgebung
Beginnen Sie noch heute, IronOCR in Ihrem Projekt mit einer kostenlosen Testversion zu verwenden
Minimaler Arbeitsablauf (5 Schritte)
- Installieren Sie IronOCR über NuGet, um die OCR-Parallelität zu steuern
- Erstellen Sie eine
IronTesseract-Instanz - Setzen Sie
MaxDegreeOfParallelismauf die gewünschte Obergrenze - Laden Sie Seiten in einen
OcrInput - Rufen Sie
Readauf - nur die begrenzte Anzahl an Seiten wird gleichzeitig verarbeitet
Warum wächst der OCR-Speicher bei großen Mengen?
Wenn MultiThreaded true ist, was der Standard ist, verarbeitet IronOCR Seiten parallel. Jede gleichzeitige Seite startet ihre eigene native Tesseract-Engine, die Bildpuffer, Erkennungsmodelle und einen Zwischenzustand im nicht verwalteten Speicher hält.
Der Spitzenwert des Speichers für einen Read-Aufruf hat daher zwei Teile, und nur einer davon steht unter Ihrer Kontrolle:
- Ein fixierter Kostenanteil für das Dokument selbst, der mit der Anzahl der Seiten wächst, unabhängig davon, wie sie geplant sind.
- Ein marginaler Kostenanteil für jede Seite, die gleichzeitig gelesen wird, jeweils eine native Engine.
MaxDegreeOfParallelism wirkt sich nur auf den zweiten Term aus. Diese Unterscheidung ist wichtig: Bei einem langen Dokument kann der fixe Kostenanteil den größeren Anteil ausmachen, sodass das Begrenzen der Parallelität den Spitzenwert des Speichers erheblich verringert, ohne ihn jemals auf null zu reduzieren.
In containerisierten Umgebungen - Docker mit festen --memory-Limits, Kubernetes-Pods mit Ressourcenquoten - ist der marginale Term das, was einen Arbeitsschritt in einen OOM-Abbruch verwandelt, da er mit der Anzahl der logischen Prozessoren des Hosts skaliert, anstatt mit etwas, das Sie konfiguriert haben. Auf bare-Metal-Servern führt es zu Auslagerung und verringert den Durchsatz. Wir begrenzen die Parallelität, um den Spitzenwert des Arbeitsbereichs innerhalb eines bekannten Budgets zu halten.
Wie viel Speicher verbraucht jede gleichzeitige Seite?
Gemessen an der unten stehenden Referenzarbeitslast, kommen diese zwei Begriffe heraus als:
Spitze ≈ fixierte Dokumentkosten + (Kosten pro Engine × Parallelität)
Nehmen Sie die gemessenen Zahlen als Ausgangspunkt und messen Sie Ihre eigene Arbeitslast, um sie zu verfeinern - beide Begriffe bewegen sich mit DPI, Seitenkomplexität, Dokumentenlänge und Sprachpaket.
Wie wurde das gemessen?
- Jede Konfiguration lief in ihrem eigenen Prozess mit dem EnglishFast-Sprachpaket, nach einem einseitigen Aufwärmen, fünfmal hintereinander.
- Der Speicher ist der Median dieser Läufe; der Durchsatz ist der schnellste.
Separate Prozesse sind wichtig, weil der Spitzenwert des Speichers ein Höchststand ist, der sich nie zurücksetzt - eine zweite Konfiguration, die im selben Prozess gemessen wird, würde den Spitzenwert der ersten erneut melden. Der Durchsatz verwendet den schnellsten Lauf anstelle des Medians, weil andere Arbeiten auf dem Computer nur jemals einen Lesevorgang verlangsamen können, ihn aber niemals beschleunigen.
Der Korpus ist "Experiences in Biodiversity Research: A Field Course" von Thea B. Gessler, Iowa State University - ein 49-seitiges textintensives PDF, zum Herunterladen, damit die Ergebnisse reproduziert werden können. Die gleichen Läufe bestätigten auch jede Zeile der Präzedenz-Tabelle weiter unten auf dieser Seite.
Was waren die Ergebnisse?
| MaxDegreeOfParallelism | Spitzenspeicher | Marginaler Kosten pro hinzugefügter Seite | Durchsatz |
|---|---|---|---|
Sequentiell - MultiThreaded = false | 782 MB | baseline | 0,77 Seiten/s |
| 2 | 859 MB | +77 MB | 1,32 Seiten/s |
| 4 | 1008 MB | +75 MB | 2,09 Seiten/s |
| 8 | 1279 MB | +68 MB | 2,56 Seiten/s |
| 16 - der Standard auf diesem Rechner | 1829 MB | +69 MB | 3,01 Seiten/s |
Getestet auf: 8-Core / 16-Thread x64-Laptop-CPU · 1,9 GHz · 16 GB RAM · Windows 11 x64 · .NET 8 · IronOCR 2026.8.1 · zuletzt verifiziert August 2026
Die erste Zeile schaltet die Parallelität vollständig ab; die letzte ist, was Sie bekommen, wenn Sie nichts einstellen. Maximaler Speicher ist der Höchstwert, den der Prozess zu einem beliebigen Zeitpunkt erreicht hat. Marginaler Kosten pro hinzugefügter Seite ist der zusätzliche Speicher, den jede zusätzliche gleichzeitige Seite gegenüber der darüber stehenden Zeile kostet - er bleibt die ganze Spalte über relativ konstant, und diese Beständigkeit ist es, die das Modell planbar macht.
Wo beginnen die abnehmenden Erträge?
Der Speicher wächst stetig mit der Parallelität. Der Durchsatz nicht - die Gewinne flachen ab, während die Speicherkosten weiterhin im gleichen Tempo steigen. Vergleichen Sie die letzten beiden Zeilen: Die Speicher-Spalte steigt zwischen ihnen weit stärker an als die Durchsatz-Spalte.
Das ist der praktische Befund: Der Standard ist selten der beste Kompromiss für Stapelbearbeitung. Er ist auf Latenzzeit bei einem einzigen Dokument abgestimmt, nicht auf die Speicherung. Wenn Sie Dokumente in großen Mengen auf einem speicherbeschränkten Host verarbeiten, kostet Sie eine explizite Begrenzung irgendwo unterhalb der logischen Prozessoranzahl in der Regel sehr wenig Geschwindigkeit und spart eine Menge Speicher. Messen Sie, wo der Knick bei Ihren eigenen Dokumenten liegt, da er sich mit der Seitenkomplexität bewegt.
Wie kann ich begrenzen, wie viele Seiten gleichzeitig gelesen werden?
Setzen Sie IronTesseract.MaxDegreeOfParallelism auf die maximale Anzahl der Seiten, die innerhalb eines einzigen Read-Aufrufs gleichzeitig verarbeitet werden sollten. Bleibt er unberührt, ist der Standardwert Environment.ProcessorCount.
using IronOcr;
using System;
var ocr = new IronTesseract();
// Cap concurrency at 2 pages. Each concurrent page holds its own native
// engine, so this bounds peak memory for every Read on this instance.
ocr.MaxDegreeOfParallelism = 2;
// The cap applies per Read call, however many pages the document has.
using var input = new OcrInput();
input.LoadPdf("500-page-archive.pdf");
OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text.Length);using IronOcr;
using System;
var ocr = new IronTesseract();
// Cap concurrency at 2 pages. Each concurrent page holds its own native
// engine, so this bounds peak memory for every Read on this instance.
ocr.MaxDegreeOfParallelism = 2;
// The cap applies per Read call, however many pages the document has.
using var input = new OcrInput();
input.LoadPdf("500-page-archive.pdf");
OcrResult result = ocr.Read(input);
Console.WriteLine(result.Text.Length);Imports IronOcr
Imports System
Dim ocr = New IronTesseract()
' Cap concurrency at 2 pages. Each concurrent page holds its own native
' engine, so this bounds peak memory for every Read on this instance.
ocr.MaxDegreeOfParallelism = 2
' The cap applies per Read call, however many pages the document has.
Using input = New OcrInput()
input.LoadPdf("500-page-archive.pdf")
Dim result As OcrResult = ocr.Read(input)
Console.WriteLine(result.Text.Length)
End UsingImports IronOcr
Imports System
Dim ocr = New IronTesseract()
' Cap concurrency at 2 pages. Each concurrent page holds its own native
' engine, so this bounds peak memory for every Read on this instance.
ocr.MaxDegreeOfParallelism = 2
' The cap applies per Read call, however many pages the document has.
Using input = New OcrInput()
input.LoadPdf("500-page-archive.pdf")
Dim result As OcrResult = ocr.Read(input)
Console.WriteLine(result.Text.Length)
End UsingWelchen Wert soll ich wählen?
Größen Sie es gegen das oben stehende Modell mit zwei Teilen ab, anstatt eine Zahl auszuwählen:
fixierte Dokumentkosten + Kosten pro Engine × MaxDegreeOfParallelism ≤ Speicherbudget für OCR
Um die beiden Kosten für Ihre eigenen Dokumente auszufüllen, lesen Sie eine repräsentative Datei zweimal - einmal mit MultiThreaded auf false, einmal mit MaxDegreeOfParallelism = 2 eingestellt -, und zeichnen Sie bei jedem Mal den Spitzenwert des Arbeitsbereichs auf. Der sequentielle Lauf gibt Ihnen die fixierten Kosten; die Differenz zwischen den beiden gibt Ihnen die Kosten für eine zusätzliche Engine. Die Referenzzahlen für beide finden Sie in der obigen Tabelle.
Zwei Dinge erwähnenswert, wenn Sie es anwenden. Der feste Term skaliert mit der Dokumentenlänge, sodass ein langes Archiv nicht wie das oben gemessene Beispiel aussehen wird. Und lassen Sie Puffer für die .NET-Laufzeit, den verwalteten Heap und alles andere im Prozess - es ist ein vernünftiger Ausgangspunkt, etwa 40% des Containerlimits zu reservieren.
Speicherreiche Hosts können den Standard beibehalten. Beschränkte sollten explizit einschränken, und wie die obigen Zahlen zu den abnehmenden Erträgen zeigen, kostet diese Obergrenze oft weit weniger Durchsatz, als ihre Speichereinsparung vermuten lässt.
MaxDegreeOfParallelism begrenzt Seiten nur innerhalb eines Read Aufrufs. Wenn Ihr eigener Code auch mehrere Dokumente gleichzeitig ausführt, multiplizieren sich die beiden - vier gleichzeitige Dokumente gegen einen Standardwert von 16 sind 64 Engines, nicht 16. Begrenzen Sie beide Ebenen. Siehe Hoher Spitzenwert des Speichers während der Batch-OCR für das äußere Schleifenmuster.Wie lese ich Seiten sequentiell?
Setzen Sie MultiThreaded auf false. Dies ist die Option mit dem geringsten Speicherverbrauch, da immer nur eine native Engine aktiv ist. Der Kompromiss ist der Durchsatz: Eine Charge dauert ungefähr N Mal so lange wie mit N gleichzeitigen Arbeitern.
using IronOcr;
var ocr = new IronTesseract();
// One page at a time. Overrides MaxDegreeOfParallelism, whatever it is set to.
ocr.MultiThreaded = false;
using var input = new OcrInput();
input.LoadPdf("scans.pdf");
OcrResult result = ocr.Read(input);using IronOcr;
var ocr = new IronTesseract();
// One page at a time. Overrides MaxDegreeOfParallelism, whatever it is set to.
ocr.MultiThreaded = false;
using var input = new OcrInput();
input.LoadPdf("scans.pdf");
OcrResult result = ocr.Read(input);Imports IronOcr
Dim ocr = New IronTesseract()
' One page at a time. Overrides MaxDegreeOfParallelism, whatever it is set to.
ocr.MultiThreaded = False
Using input = New OcrInput()
input.LoadPdf("scans.pdf")
Dim result As OcrResult = ocr.Read(input)
End UsingImports IronOcr
Dim ocr = New IronTesseract()
' One page at a time. Overrides MaxDegreeOfParallelism, whatever it is set to.
ocr.MultiThreaded = False
Using input = New OcrInput()
input.LoadPdf("scans.pdf")
Dim result As OcrResult = ocr.Read(input)
End UsingMultiThreaded hatte vor dieser Version keine Wirkung - es ist jetzt eine aktive Einstellung. Code, der es auf false eingestellt hat, in der Annahme, dass er nicht wirkt, wird nach dem Upgrade sequentiell lesen, ohne Compiler-Warnung und ohne Ausnahme. Überprüfen Sie bestehende Verwendungen, wenn der Durchsatz unerwartet abnimmt.Wie interagieren die beiden Eigenschaften?
| MultiThreaded | MaxDegreeOfParallelism | Effektive Parallelität |
|---|---|---|
true (Standard) | Nicht gesetzt | Environment.ProcessorCount |
true | Eine positive Zahl | Diese Anzahl an gleichzeitigen Seiten |
true | 0 oder negativ | Fällt zurück auf Environment.ProcessorCount |
false | Jeder Wert | 1 - sequentiell, MaxDegreeOfParallelism wird ignoriert |
Environment.ProcessorCount meldet logische Prozessoren, nicht physische Kerne. Auf einem Rechner mit simultanem Multithreading ist der Standardwert doppelt so hoch wie die Anzahl der Kerne - eine 8-Kern-CPU hat standardmäßig 16 gleichzeitige Seiten, nicht 8. Passen Sie Ihr Speicherbudget an die logische Anzahl an.Kann ich den Speicher während der Seitenausrichtungserkennung begrenzen?
Die neue Überladung von OcrInput.DetectPageOrientation akzeptiert einen maxDegreeOfParallelism-Parameter, der begrenzt, wie viele Seiten gleichzeitig ausgerichtet erkannt werden. Nicht positive Werte fallen zurück auf Environment.ProcessorCount. Die Überladung mit einem Argument bleibt unverändert und bleibt Quell- und Binärkompatibel.
using IronOcr;
using System;
using var input = new OcrInput();
input.LoadPdf("rotated-scans.pdf");
// Analyse at most 2 pages at once. Orientation detection runs before the
// OCR read, so capping it here prevents a spike ahead of the real workload.
var results = input.DetectPageOrientation(
OrientationDetectionMode.Fast,
maxDegreeOfParallelism: 2);
// One result per page, in page order.
foreach (var result in results)
{
Console.WriteLine($"Page {result.PageNumber}: {result.RotationAngle}");
}using IronOcr;
using System;
using var input = new OcrInput();
input.LoadPdf("rotated-scans.pdf");
// Analyse at most 2 pages at once. Orientation detection runs before the
// OCR read, so capping it here prevents a spike ahead of the real workload.
var results = input.DetectPageOrientation(
OrientationDetectionMode.Fast,
maxDegreeOfParallelism: 2);
// One result per page, in page order.
foreach (var result in results)
{
Console.WriteLine($"Page {result.PageNumber}: {result.RotationAngle}");
}Imports IronOcr
Imports System
Using input = New OcrInput()
input.LoadPdf("rotated-scans.pdf")
' Analyse at most 2 pages at once. Orientation detection runs before the
' OCR read, so capping it here prevents a spike ahead of the real workload.
Dim results = input.DetectPageOrientation(OrientationDetectionMode.Fast, maxDegreeOfParallelism := 2)
' One result per page, in page order.
For Each result In results
Console.WriteLine($"Page {result.PageNumber}: {result.RotationAngle}")
Next
End UsingImports IronOcr
Imports System
Using input = New OcrInput()
input.LoadPdf("rotated-scans.pdf")
' Analyse at most 2 pages at once. Orientation detection runs before the
' OCR read, so capping it here prevents a spike ahead of the real workload.
Dim results = input.DetectPageOrientation(OrientationDetectionMode.Fast, maxDegreeOfParallelism := 2)
' One result per page, in page order.
For Each result In results
Console.WriteLine($"Page {result.PageNumber}: {result.RotationAngle}")
Next
End UsingFast-Modus verwendet eine Engine pro Arbeitsthread erneut, anstatt eine pro Seite zuzuteilen, was den Spitzenwert des Speichers weiter reduziert. Dies ist wichtig, wenn die Ausrichtungserkennung als Vorverarbeitungsschritt vor dem eigentlichen OCR-Read läuft, da das Begrenzen der Parallelität hier einen Speicheranstieg verhindert, bevor die eigentliche Arbeitslast beginnt.
Stürzt die parallele OCR bei großen Mengen noch immer ab?
Frühere Versionen konnten einen fatalen AccessViolationException während der parallelen oder hochvolumigen OCR werfen, aufgrund unsicherer zugrifffacher Querthread-Zugriffe auf den nativen Tesseract-Zustand. Diese Ausnahme ist nicht wiederherstellbar - sie beendet den Prozess, ohne dass eine Möglichkeit zum Abfangen besteht. Es ist jetzt gelöst. Die bisherigen Workarounds, eine IronTesseract-Instanz pro Thread und ein Dokument zur selben Zeit, sind nicht mehr notwendig: Die Engine isoliert den nativen Zustand pro Arbeiter korrekt, und MaxDegreeOfParallelism bietet eine offizielle Begrenzung, die diese Ad-hoc-Muster ersetzt.
Wann sollte ich diese Einstellungen optimieren?
- Container oder CI-Runner mit einer Speichergrenze - setzen Sie
MaxDegreeOfParallelism, um den Spitzenwert des Speichers innerhalb des Limits zu halten. - Batch-Verarbeitung von Tausenden von Seiten - senken Sie
MaxDegreeOfParallelism, um OOM-Abschaltungen zu verhindern. Der Durchsatz nimmt proportional ab, aber der Job wird abgeschlossen, anstatt abzustürzen. - Möglichst geringer Speicher - setzen Sie
MultiThreadedauffalsefür den sequentiellen Modus. Eine Engine, eine Seite nach der anderen. - Maximaler Durchsatz - lassen Sie beides auf ihren Standardwerten, damit die Engine alle verfügbaren Kerne nutzt. Siehe das Beispiel für Multithreading-Geschwindigkeit.
- Genauigkeit gegenüber Geschwindigkeitstuning - das ist eine andere Achse. Der Leitfaden zur Geschwindigkeitstuning von Tesseract behandelt Genauigkeits- und Geschwindigkeitseinstellungen, während diese Seite Speicher- und Durchsatz-Kompromisse behandelt.
Für asynchrone und Reaktionsfähigkeitssorgen, wie z.B. die Reaktionsfähigkeit einer Benutzeroberfläche während der OCR, siehe den asynchronen OCR-How-to, der ReadAsync und OcrReadTask besitzt. Diese Seite behandelt das Begrenzen von Ressourcen: Halten Sie den Speicherverbrauch unabhängig von der Chargengröße vorhersehbar.
Erkunden Sie den IronTesseract-Konfigurationsleitfaden für die gesamte Eigenschaftenoberfläche, Laden von PDF-Eingängen und Laden von Bild-Eingängen für OcrInput-Nutzungsmuster und Seitenausrichtungserkennung für die DetectPageOrientation-Methode und ihre neue Parallelität-Überladung.
Erkunden Sie IronOCR-Lizenzierungsmöglichkeiten, um von der Testversion zur Produktion zu wechseln.
Curtis Chau hat einen Bachelor-Abschluss in Informatik von der Carleton University und ist spezialisiert auf Frontend-Entwicklung mit Expertise in Node.js, TypeScript, JavaScript und React. Leidenschaftlich widmet er sich der Erstellung intuitiver und ästhetisch ansprechender Benutzerschnittstellen und arbeitet gerne mit modernen Frameworks sowie der Erstellung gut strukturierter, optisch ansprechender Handbücher.