středa 11. května 2016

Jak jsme počítali New York aneb AWS Lambda v praxi

Na přelomu března a dubna se v New Yorku již popáté konalo hlasování o participativních rozpočtech (#PBNYC) jednotlivých distriktů (něco jako městské části v Praze). Díky naší spolupráci s Demokracií 2.1 (D21), pro kterou připravujeme technické řešení, jsme měli možnost se celé akce zúčastnit a svou troškou přispět k bezproblémovému průběhu hlasování.
Část našeho týmu se v New Yorku dokonce byla podívat na inspekci, ale cestopisu se bohužel naši čtenáři nedočkají, protože Tibor svou slohovou práci do uzávěrky nestihl dokončit.

Nejzajímavejší novou úlohou bylo zpracování papírových lístků, které by ustálo nápor voličů, jejichž odhadované počty se pohybovaly ve vysokých desetitisících. Stála před námi tedy výzva, jak dostatečně rychle, přesně a efektivně zpracovat mnoho fyzických hlasovacích lístků. Rozhodně žádná selanka.



OCR V Cloudu?

AWS Lambda je bezserverový runtime v cloudu. Neumíte si to představit? Tak to zkusme takhle: Nemáte servery, máte jenom funkce, které zpracovávají události. Když nejsou události, nic neběží, žádná čekající vlákna, žádná naprázdno se točící kolečka. Když je miliarda událostí, tak se zafrontují a postupně se zpracovávají. A přesně takhle to funguje: Někde běží nějaké servery, které ví, že když se něco stane, má se spustit nějaký váš kód.

Jedná se o ideální exekuční model pro vykonávání operací, které mohou trvat relativně dlouho, ale jejich výsledek vás v danou chvíli vlastně moc nezajímá. To může být přepočítávání statistik, kontrola konzistence dat, generování PDF nebo třeba právě rozpoznávání vyplněných volebních lístků.

Jako runtime jsme zvolili Javascript, který v D21 používáme všude, a tak jsme začali hledáním OCR knihovny, která by nám usnadnila rozpoznávání vyplněných nebo nevyplněných checkboxů a QR kódů nebo jiných párovacích a orientačních značek. Nakonec jsme skončili u kombinace Document Vision a Form Vision, které nám umožnily zpracovávat lístky v následujícím formátu:

Velmi neoptimalizovaný testovací lístek
Trojice QR kódů nám umožní každý sken zorientovat (klasická translace, rotace a scaling) a zároveň určuje, co za hlasování daný papírový lístek reprezentuje. Pomocí předpřipraveného schématu (tj. které checkboxy patří ke které možnosti) pak na Lambdě rozpoznáváme, jaké konkrétní možnosti byly na lístku zvoleny.

Žhavíme železo

Tak rozpoznávat už bychom uměli, ještě potřebujeme Lambdu někudy dostatečně rychle plnit. Událostí, které spouští Lambda funkci, může být celá řada, a jednou z nich je i nahrání obrázku do bucketu na S3. Takže už nám chybí jenom sada vysokorychlostních skenerů...



Video není propagační materiál, ale opravdový provoz v průběhu hlasování. Díky téhle rychlosti a svižnému internetu jsme všech téměř 70 tisíc odevzdaných a oboustranně naskenovaných lístků dostali na S3 jako nic. V původním scénáři jsme je chtěli zpracovávat postupně každý den, ale kvůli souhře mnoha nedotažeností, nedorozumnění a drobných chyb jsme se dostali do situace, kdy jsme je museli zpracovat najednou jako jednu velkou hromadu.

A jak to dopadlo?

Nakonec vlastně docela dobře. Jak lze vidět v grafu, při ostrém spuštění po půlnoci Lambdou v absolutní špičce proteklo víc než 3 tisíce skenů za minutu a během 3 hodin jsme je měli všechny rozpoznané, nebo alespoň roztříděné podle typu chyby. V následujících hodinách pak probíhalo ruční dočištění, drobnou část souborů jsme rozpoznáváním prohnali znovu s trochu jiným nastavením, a bylo hotovo.


Pro tento typ nárazových a nesynchronních úloh je tedy AWS Lambda naprosto ideálním řešením, a to i přes to, že teoreticky máte k dispozici "pouze" 100 paralelně běžících funkcí. V praxi to většinou bohatě stačí, a zdá se, že bezserverová architektura se dá používat i na mnohem složitější úlohy.

Žádné komentáře:

Okomentovat