PHP Imagick 在将 PDF 转换为图像时挂起整个服务器

Question

我在 PHP 上使用扩展程序 Imagick 将 PDF 文件转换为图像，具体来说是 PNG 文件。转换正在进行时，整个服务器总是挂起。我所做的是上传一堆 PDF 文件，遍历它及其页面以将其转换为图像。

这是代码。

foreach ($uploaded_file as $key => $value) {
  $upload_file_path = $upload_path.'/'.$value->name;
  $imagick = new Imagick();
  $imagick->setResourceLimit(6, 1);
  $imagick->setResolution(300, 300);
  $imagick->readImage($upload_file_path);
  $pages = $imagick->getNumberImages();

  for ($x=0; $x<$pages; $x++) {
    $imagick->readImage($upload_file_path.'['.$x.']');
    $imagick->setImageFormat('png');
    $imagick->writeImage($image_path.'/page-'.$x.'.png');
  }

  $imagick->clear();
  $imagick->destroy();
}

转换正在进行时我无法访问服务器上的其他站点，而且转换时间太长。请帮忙。谢谢！

Answer 1

根据 PDF 的内容，转换可能确实非常繁重。您对此无能为力。

您已经尝试将线程总数降低到 2，但仍然需要考虑内存、I/O 延迟和 CPU 资源——您不知道是否服务器可以使用两个以上的线程。

你也许可以做的是尝试使用[=10=降低运行进程的I/O和CPU优先级] 和 ionice，如果可用。您需要有一个合适的平台（Linux、BSD 或类似平台），并可以访问 nice 和 ionice 工具；并且您需要一个专用的可执行 PHP 进程（那么可能不是 FastCGI）并且能够查询其 PID。

在 Linux 系统上，您可能会尝试将转换外包给 ImageMagick 二进制文件，并将其包装在 nice 和 ionice 中以使其变得容易 - 但速度较慢。

另一种可能性是看看你是否可以使用 ghostscript 而不是 Imagick。

Answer 2

php-vips 将 pdf 文件转换为 png 文件的速度更快，您可以试试。

我给你做了一个示例程序：

#!/usr/bin/env php
<?php

require __DIR__ . '/vendor/autoload.php';

use Jcupitt\Vips;

for ($i = 1; $i < count($argv); $i++) {
  $image = Vips\Image::newFromFile($argv[$i]);
  $n_pages = $image->get("n-pages");
  echo($argv[$i] . " has " . $n_pages . " pages\n");

  for ($n = 0; $n < $n_pages; $n++) {
    echo("  rendering page " . $n . " ...\n");
    $page = Vips\Image::newFromFile($argv[$i], [
      "dpi" => 300,
      "page" => $n,
      # this enables image streaming
      "access" => "sequential"
    ]);
    $page->writeToFile($argv[$i] . "_page_" . $n . ".png");
  }
}

我可以运行这样：

$ /usr/bin/time -f %M:%e ../convert-vips.php nipguide.pdf 
nipguide.pdf has 58 pages
  rendering page 0 ...
...
  rendering page 57 ...
107808:31.72

因此它在 32 秒内制作了 58 个 png，并且最多需要 110mb 的内存。它不会创建任何临时文件 -- 110mb 涵盖所有内容。

png 是一种非常慢的文件格式。如果您另存为 jpg，则所有内容大约需要 6 秒。

我试过你的 imagick 代码的一个版本：

#!/usr/bin/env php
<?php

for ($i = 1; $i < count($argv); $i++) {
  $imagick = new Imagick();
  $imagick->setResourceLimit(6, 1);
  $imagick->setResolution(300, 300);
  $imagick->readImage($argv[$i]);
  $pages = $imagick->getNumberImages();
  echo($argv[$i] . " has " . $pages . " pages\n");

  for ($x = 0; $x < $pages; $x++) {
    echo("  rendering page " . $x . " ...\n");
    $imagick->readImage($argv[$i] . "[" . $x . "]");
    $imagick->setImageFormat("png");
    $imagick->writeImage($argv[$i] . "_page_" . $x . ".png");
  }

  $imagick->clear();
  $imagick->destroy();
}

运行我看到：

$ /usr/bin/time -f %M:%e ../convert-imagick.php nipguide.pdf 
nipguide.pdf has 58 pages
  rendering page 0 ...
...
  rendering page 57 ...
255640:223.26

所以 220 秒（慢了将近 7 倍）和 260mb 内存。内存使用并不是全部——在 300 DPI 下，imagick 将为每个页面在 /tmp 中创建一个 65mb 的文件，因此它总共需要大约 5gb 的存储空间。

Answer 3

我想分享我的发现和我认为对我的情况很有见地的解决方案。

我注意到每页创建一个新的 imagick 实例比尝试读取整个文件然后让它 1) 读取页数和 2) 让它迭代要快得多在所有页面上。

我只想要 PDF 文件的前 10 页。当我有一个 50 页的 PDF 文件时（大部分只有文本，只有 450KB），你阅读这个文件的方式真的很重要。

通过这种方式，它会简单地从第一页开始阅读，并尝试阅读到 10 页。如果少于 10 页，一旦 imagick 抛出错误，它就会意识到它已到达页面末尾并停止迭代。

<?php
$reachedLastPage = false;
for ($i = 0; $i <= 10 && empty($reachedLastPage); $i++) {
    $im = new imagick();
    $im->setResolution(300,300);
    try {
        $im->readimage($tempFile.'['.$i.']');
        if ($im->valid()) {
            $im->setImageBackgroundColor('white');
            $im->setImageAlphaChannel(Imagick::VIRTUALPIXELMETHOD_WHITE);
            $im->setImageCompression(imagick::COMPRESSION_JPEG);
            $im->setImageCompressionQuality(60);
            $im->setImageFormat('jpeg');

            $extraFile = microtime(true).'__pdfpage'.".".strtolower('jpg');
            $im->writeImage(rtrim($targetPath) . $extraFile);

            if (is_file(rtrim($targetPath) . $extraFile)) {
                $imageArray[] = $extraFile;
            }
        }
    }
    catch(ImagickException $e) {
        $reachedLastPage = true;
    }
    $im->clear();
    $im->destroy();
}
?>

为了更深入地了解我的其他尝试。

我先尝试阅读整个 pdf 文件，然后使用 getNumberImages() 和 setIteratorIndex() 设置循环并阅读各个页面。对于 imagick 来说，阅读整个内容将花费很长时间，甚至还没有开始处理所有页面。
也可以使用 imagick 的轻量级实例来查看有多少页面，这比让 imagick 尝试读取没有页面的页面更简洁存在：

$im->pingImage($tempFile);
$nrOfPages = $im->getNumberImages();

然而这在我的测试中已经花费了10秒，仅仅为了阅读页数。这就是我最终采用上述方法的原因。

PHP Imagick 在将 PDF 转换为图像时挂起整个服务器

PHP Imagick hangs the whole server when converting PDF to Image

php

imagick