硬件要求
必要条件
目前私有部署都需要基于k8s部署，所以硬件要求较比之前有所提高。
硬件要求因需求模块、请求量及数据量等因素而异，导致硬件配置要求也不一致。
tip
如多个产品部署在一起，磁盘空间不叠加，取最大值即可
磁盘空间取决于:
- 数据保留策略（数据保留期）
- 日志保留策略
- 数据量大小
- 非必要不建议使用NAS，NFS等网络挂载磁盘，除非您能确保服务器与网盘网络传输很稳定
- 强烈建议磁盘使用SSD，或性能较好的HDD
可根据实际业务量及需求模块适当增加或缩小磁盘大小资源。数据参考如下:
MinIO: 1个Worker 在分辨率为1920 * 1080的情况下，每2分钟生成60-70MB的录屏文件
MySQL: 1个Worker 每年产生约1GB。按每天100个任务、每个任务50条记录、每条记录0.5KB
硬件性能要求
- 磁盘性能：读取速度不低于200M/s, 写入速度不低于200M/s.检查方法
- 网络性能：内网传输速度不低于512k/s
- CPU指令集：如果您购买的产品中包含了OCR识别能力(CPU版)，需要指令集包含fma、avx、avx2指令
caution
如果您购买的产品中包含了OCR识别能力(GPU版)，请确保您的服务器中拥有GPU显卡，并且安装了驱动程序。
推荐显卡型号为Nvidia【v100、p100、p40、t4】
单节点 部署
您可以参考下表，来统计您所需要的硬件资源:
| Product | CPU Cores | RAM（GB） | HDD（GB） | GPU（GB） | 备注 |
|---|---|---|---|---|---|
| 机器人指挥官 | 8 | 16 | 500 | - | - |
| 智能文档处理平台 | 8 | 16 | 300 | - | 所有AI能力都要先加上智能文档处理平台，如果之前已经部署则不需要，且增加的模块可以与提前部署的智能文档处理平台连接 |
| 对话式AI平台 | 16 | 32 | 300 | - | - |
| 人机协同中心 | 4 | 8 | - | - | - |
| 数据服务 | 2 | 2 | - | - | - |
| 自研ocr go服务 | 8 | 16 | - | - | 使用以下功能时需要加上该服务的配置（如果有多个能力都需要该模块只需要加一次即可）通用文字识别、通用表格识别、通用卡证识别、通用票据识别、印章识别、验证码识别、二维码识别、版面分析 |
| 通用文字识别-标准版GPU | 4 | 8 | - | 8 | 需要加上智能文档处理平台或OCR的配置 |
| 通用表格识别-标准版GPU | 4 | 4 | - | 8 | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 通用多票据识别-标准版GPU | 10 | 64 | - | 11 | 需要加上智能文档处理平台或OCR的配置 |
| 通用卡证识别标准版 - 身份证GPU | 4 | 8 | - | 8 | 需要加上智能文档处理平台或OCR的配置 |
| 通用卡证识别标准版 - 身份证CPU | 8 | 16 | - | - | 需要加上智能文档处理平台或OCR的配置 |
| 通用卡证识别标准版 - 营业执照GPU | 4 | 8 | - | 8 | 需要加上智能文档处理平台或OCR的配置 |
| 通用卡证识别标准版 - 营业执照CPU | 8 | 16 | - | - | 需要加上智能文档处理平台或OCR的配置 |
| 通用卡证识别标准版 - 驾驶证\行驶证GPU | 4 | 8 | - | 8 | 需要加上智能文档处理平台或OCR的配置 |
| 通用卡证识别标准版 - 驾驶证\行驶证CPU | 8 | 16 | - | - | 需要加上智能文档处理平台或OCR的配置 |
| 验证码识别 | 1 | 2 | - | - | 需要加上智能文档处理平台或OCR的配置 |
| 印章识别 | 4 | 8 | - | - | 需要加上智能文档处理平台或OCR的配置 |
| 版面分析 | 4 | 8 | - | - | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 文档分类 | 2 | 4 | - | - | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 文档抽取 | 2 | 4 | - | - | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 信息抽取 | 2 | 4 | - | - | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 文本分类 | 2 | 4 | - | - | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 单据自训练抽取 | 2 | 4 | - | - | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 文档比对 | 8 | 16 | - | - | 需要加上智能文档处理平台+通用文字识别的配置 |
| 自定义模版识别 | 1 | 2 | - | - | 需要加上智能文档处理平台或OCR的配置 |
多节点 部署
caution
对于多节点部署，需要3个及以上的节点。需要您创建一个负载均衡（lb）作为访问入口，将多节点作为后端服务器处理。
如果您无法提供一个负载均衡（lb）地址，那么您可以向我们提供一个空闲IP，我们将利用软件实现您的需求。
（不过据我所知，Aliyuns等第三方云服务器提供商是不支持这种方式的）
三节点
以下为每台节点配置信息
| Product | CPU Cores | RAM（GB） | HDD（GB） | GPU（GB） | 备注 |
|---|---|---|---|---|---|
| 机器人指挥官 | 8 | 16 | 500 | - | - |
| 智能文档处理平台 | 8 | 16 | 300 | - | 所有AI能力都要先加上智能文档处理平台，如果之前已经部署则不需要，且增加的模块可以与提前部署的智能文档处理平台连接 |
| 对话式AI平台 | 16 | 32 | 300 | - | - |
| 人机协同中心 | 4 | 8 | - | - | - |
| 数据服务 | 2 | 2 | - | - | - |
| 自研ocr go服务 | 8 | 16 | - | - | 使用以下功能时需要加上该服务的配置（如果有多个能力都需要该模块只需要加一次即可）通用文字识别、通用表格识别、通用卡证识别、通用票据识别、印章识别、验证码识别、二维码识别、版面分析 |
| 通用文字识别-标准版GPU | 4 | 8 | - | 8 | 需要加上智能文档处理平台或OCR的配置 |
| 通用表格识别-标准版GPU | 4 | 4 | - | 8 | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 通用多票据识别-标准版GPU | 10 | 64 | - | 11 | 需要加上智能文档处理平台或OCR的配置 |
| 通用卡证识别标准版 - 身份证GPU | 4 | 8 | - | 8 | 需要加上智能文档处理平台或OCR的配置 |
| 通用卡证识别标准版 - 身份证CPU | 8 | 16 | - | - | 需要加上智能文档处理平台或OCR的配置 |
| 通用卡证识别标准版 - 营业执照GPU | 4 | 8 | - | 8 | 需要加上智能文档处理平台或OCR的配置 |
| 通用卡证识别标准版 - 营业执照CPU | 8 | 16 | - | - | 需要加上智能文档处理平台或OCR的配置 |
| 通用卡证识别标准版 - 驾驶证\行驶证GPU | 4 | 8 | - | 8 | 需要加上智能文档处理平台或OCR的配置 |
| 通用卡证识别标准版 - 驾驶证\行驶证CPU | 8 | 16 | - | - | 需要加上智能文档处理平台或OCR的配置 |
| 验证码识别 | 1 | 2 | - | - | 需要加上智能文档处理平台或OCR的配置 |
| 印章识别 | 4 | 8 | - | - | 需要加上智能文档处理平台或OCR的配置 |
| 版面分析 | 4 | 8 | - | - | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 文档分类 | 2 | 4 | - | - | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 文档抽取 | 2 | 4 | - | - | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 信息抽取 | 2 | 4 | - | - | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 文本分类 | 2 | 4 | - | - | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 单据自训练抽取 | 2 | 4 | - | - | 需要加上通用文字识别+(智能文档处理平台或OCR)的配置 |
| 文档比对 | 8 | 16 | - | - | 需要加上智能文档处理平台+通用文字识别的配置 |
| 自定义模版识别 | 1 | 2 | - | - | 需要加上智能文档处理平台或OCR的配置 |
三节点以上
对于三节点以上的安装，将使用master和node方式来规划硬件配置
master：部署k8s基础服务,比如:apiserver、kube-controller、kube-scheduler以及中间件服务node：实际运行服务模块的节点
大致可分为以下两种情况：
3 < nodes < 6: master=3，node=节点数量(master同时也为node)
6 =< nodes: master=3，node=节点数量-master数量(master仅为master)
假设提供的节点数量为4个，那么其中master角色数量为3，node角色数量为4。