部署 Blender 脚本以用作 Web 服务器上的 api

我在 Nextjs 中有一个网站和一个混合器脚本，它获取图像、纹理图像并将它们合并在一起，同时应用一些视觉效果（如深度）、渲染结果并将渲染结果的 png 图像返回到前端以供使用网站中的 img 标签。 我制作了一个 python Flask 应用程序，安装了搅拌机，并制定了将搅拌机作为子进程运行的路线，并且它在本地工作正常，我使用搅拌机路径在子进程中运行脚本。 然而，在部署到 Linux 服务器时，即使添加了必要的库（如 mesa、libx）并尝试使用 xvfb 运行它之后，我仍然遇到很多错误。 我最后一次尝试使用 digitalocean Linux 服务器并使用 xvfb 运行搅拌机取得了成功，但渲染一个几何形状需要 8 分钟，而在 Windows 电脑上需要 1-2 秒。 任何人都可以帮助我使用 Blender 脚本部署 python Flask 应用程序，以解决使用 Linux 服务器的常见陷阱，或者推荐托管解决方案或服务器类型（带有 GPU 的 aws linux...等）。任何帮助将不胜感激。

当然，将 Blender 脚本作为 API 部署到网络服务器上可能很棘手，尤其是在 Linux 环境中。让我们来分析一下挑战以及如何克服这些挑战：

所面临的问题：

• 依赖关系： Blender 依赖于大量的库（OpenGL、X11 等）才能正常运行，在服务器环境中正确配置这些库可能会很麻烦。
• 图形环境： Blender 的设计初衷是在图形环境中运行，而无头服务器通常缺乏此环境。的 xvfb 解决方案可以解决这个问题，但会增加开销，从而导致渲染时间较慢。
• 性能： 正如所经历的，即使使用 xvfb，与本地设置相比，服务器上的渲染速度也可能很慢。这很可能是由于硬件差异（例如，缺乏专用 GPU）或服务器环境的优化不足造成的。

解决方案和建议：

1. 针对 Blender 优化的云提供商：

2. 带有 GPU 的 AWS： 正如所指出的，AWS（以及其他云提供商，如 Google Cloud、Azure）提供带有专用 GPU 的虚拟机。选择 NVIDIA GPU（如 Tesla T4 或更高版本）以获得最佳性能。

3. 渲染农场： 对于大量渲染或需要快速周转时间，请考虑使用渲染农场（例如，RenderStreet、SheepIt）。这些服务专门用于 Blender 渲染，并提供强大的硬件和优化的软件环境。

4. 容器化：

5. Docker： 使用 Docker 创建一个包含的 Flask 应用程序、Blender 及其所有依赖项的 Docker 映像。这确保了一个一致且可重现的环境，并且可以在不同的部署目标之间轻松迁移。

6. 示例 Dockerfile：

   ```dockerfile FROM nvidia/cuda:11.0-base # 或适合 Blender 版本的 CUDA 版本

   # 安装依赖项 RUN apt-get update && apt-get install -y \ blender \ libgl1-mesa-glx \ xvfb \ # ...其他依赖项

   # 将的 Flask 应用程序和 Blender 脚本复制到容器中 COPY . /app WORKDIR /app

   # 设置启动命令 CMD ["xvfb-run", "-a", "blender", "-b", "--python", "your_blender_script.py"] ```

7. API 设计：

8. 异步任务： 不要让的 API 端点阻塞渲染过程。改用像 Celery 或 Redis Queue 这样的任务队列来处理渲染作业。这样，的 API 可以立即返回一个作业 ID，并且客户端可以在渲染完成后轮询结果。

9. 缓存： 如果可能的话，缓存渲染的图像以减少重复请求的处理时间。

10. 优化：

11. Blender 无头渲染： 确保使用 blender -b 命令行选项以无头模式运行 Blender，这可以禁用不需要的 GUI 元素并提高性能。

12. 降低渲染设置： 调整渲染设置（例如，样本数量、光线深度）以在质量和速度之间取得平衡。
13. Blender 优化： 探索 Blender 特定的优化技术，例如使用 CPU 渲染、优化场景几何形状和使用高效的材料。

实施步骤（使用带有 GPU 的 AWS 和 Docker 的示例）：

1. 创建一个带有 GPU 的 AWS 实例： 选择一个带有适当 NVIDIA GPU 的 EC2 实例类型。
2. 安装 Docker： 在的 EC2 实例上安装 Docker。
3. 构建的 Docker 映像： 使用上述示例 Dockerfile 作为起点，创建包含的 Flask 应用程序、Blender 脚本和所有依赖项的 Docker 映像。
4. 将的映像推送到存储库： 将的 Docker 映像推送到 Docker Hub 或选择的其他容器注册表。
5. 在 AWS 上部署的 Docker 容器： 使用 AWS ECS、EKS 或 AWS Fargate 等服务在的 EC2 实例上部署和运行的 Docker 容器。
6. 使用的 API： 使用应用程序的端点，从的 Next.js 前端发送请求到的 Flask API。

请记住在整个过程中监控性能并根据需要调整的设置。祝一切顺利！如果还有其他问题，请告诉我。