性能基准

PDFValid 准文 在标准容器环境下的实测性能：常规文档处理吞吐可达 14+ 文件/秒，峰值内存约 180 MB，50 份样本连续运行全部成功、无失败重试。

测试条件

• 测试时间：2026-06-29
• 产品版本：2.2.1
• 运行环境：Docker 容器（linux/amd64）
• 测试样本：每个场景 50 份 PDF
• 并发数：2 个工作进程

结果摘要

场景	样本数	工作进程	总耗时 (s)	峰值内存 (MB)	平均 CPU (%)	吞吐 (文件/s)
公文规范化（official-document）	50	2	3.51	177.23	139.23	14.24
档案数字化（archive-digitization）	50	2	29.76	177.05	16.99	1.68
质检验收（quality-inspection）	50	2	6.03	180.07	237.68	8.29
安全分发（secure-distribution）	50	2	3.52	176.41	133.30	14.19

观察与调优建议

1. 公文规范化 / 安全分发吞吐最高

   • 14+ 文件/秒，内存稳定在 ~180 MB，适合对吞吐要求较高的批量处理与在线服务场景。

2. 档案数字化是计算密集型场景（1.68 文件/秒）

   • 该场景包含 OCR → A4 → 元数据 → PDF/A → 优化，Ghostscript/Tesseract 调用是主要耗时点。
   • 提升建议：
     • 提高工作进程数 / process_concurrency_multiplier，充分利用多核；
     • 在纯 CPU 环境使用 Ghostscript 的 -dNumRenderingThreads 等参数；
     • 若 OCR 非必需，可切换为 ocr.engine=none 以跳过。

3. 质检验收 CPU 占用超过 200%

   • 扫描阶段会同时启动多个检测器（A4/色彩空间/渲染/字体嵌入/PDF 结构/来源完整性/签章验证），CPU 占用高但吞吐仍可达 8.29 文件/秒。
   • 提升建议：若只需要部分检测结果，可使用 -x 参数限制检测器数量，例如 -x a4 -x colorspace。

4. 内存整体可控

   • 50 样本 × 2 进程峰值内存约 180 MB，远低于 2 GB 阈值，常规服务器无需额外内存限制。