如何在 AWS Lambda 中运行 LibreOffice 来大规模处理廉价的 pdf 文件
如何在 AWS Lambda 中运行 LibreOffice 来大规模处理廉价的 pdf 文件
您知道吗，使用 LibreOffice 可以将近 100 种文档格式转换为 PDF 格式？你知道现在你可以用 Lambda 来做这个吗？TL；DR； 在线试玩和 github 来源
这篇短文将回答两个简单的问题为什么？和如何？ 跳到如何。
为什么？
为了不破坏你的期望，让我们从一开始就澄清一些事情。
至少现在还不能在生产中运行。
好吧，那我们继续。如果你曾经不得不将 office 文档转换成 pdf，你可能知道其中的痛苦。这个工作没有那么多开源甚至商业的工具。
受到最近一个在 Lambda 中运行谷歌 Chrome 的故事的启发，我很想为我迫切需要的东西重复一次类似的壮举。图书馆就是其中之一。我在 Docker 容器中运行了一年，它需要非常小心。当你在一个容器上运行多个实例时，LibreOffice 不能很好地工作。进程经常会变成僵尸，吃掉所有的内存。有一种方法可以通过套接字将它作为“服务器”运行，但这种方法更加不稳定。
我对此咆哮了一段时间，直到 Accusoft 的一名销售人员找到我，试图向我推销他们的文档转换解决方案。
唯一的问题是价格对我来说太高了:每台服务器 7400 美元或者每百万份文档 10000 美元。
这太荒谬了，我决定自己建造它。以下是方法。
怎么会？
因此，经过快速计算，我得出的价格是每百万份文档 150 美元。比一万美元好太多了，不是吗？后来证明是正确的。
如你所见，价格的主要驱动力是 S3，而不是 Lambda，这对我来说很有趣。
Approximate price estimations: $150 for 1 million files. Worth trying!
因此，有两个问题阻碍了将 LibreOffice 引入 Lambda:
- 尺寸。安装在系统上它需要千兆字节的磁盘空间
- 便携性。它依赖于许多 Lambda 中没有的外来库。
大小
考虑到 Lambda 中 512MB 的磁盘空间，这是一个相当大的挑战。幸运的是，您可以在编译过程中禁用大量垃圾。上帝，为什么我需要 JDBC 司机或 KDE 扩展。这就是 LibreOffice 大小如何从 2gb 减少到 0.45 GB 的原因。
450 MB 已经足够装下 Lambda 了。但是我们可以做得更多。strip **/* 是从共享对象中移除符号的神奇命令(。so 文件)
所以现在的大小是 340 MB，也就是 110 MB 的 gzip🎉
轻便
为了为 Lambda 编译任何东西，你需要在相同的环境下这样做。目前这是 2017.03 亚马逊 Linux AMI。如果它运行在那里，那么它运行在λ中。
为了编译，你需要一个强大的服务器。我拿的是 16 核 C5 的那个。
我不会深究编译过程的细节，但是天哪，那太难了。我对 node.js 之外的任何东西都一无所知，想象一下当我试图编译这个怪物时，我读到了神秘的 C++错误。
The codebase is 32 years old 😰
我在 GitHub repo 中收集了顺利编译所需的所有脚本，所以您不必亲自经历这些。
https://github.com/vladgolubev/serverless-libreoffice
摘要
有了一个编译好的 LibreOffice 文件夹，你可以用 Lambda 函数压缩它，然后进行部署。在启动时，将它解压到/tmp文件夹中，并生成一个进程。
此外，我放了一个演示，所以你可以尽快尝试。旋转一下！
如果你对这类内容感兴趣，可以看看我之前关于在 AWS Lambda 中运行 Docker 容器的文章。