Tika app、Tika Server 和 Java Wrapper 之间有什么区别。使用哪一个以及何时使用？

【问题标题】：What is the diffrence between Tika app, Tika Server and Java Wrapper. Which one is used and when?Tika app、Tika Server 和 Java Wrapper 之间有什么区别。使用哪一个以及何时使用？
【发布时间】：2018-03-01 22:20:05
【问题描述】：

我想将 Apache Tika 用于企业级的大量文档。我使用哪一个，Tika Server 或 Tika App 或 Java 调用？你能给我推荐一个系统架构吗？（即负载均衡的 3-4 个 Tika 物理不同的服务器）

【问题讨论】：

Tika 会有多少处理？当您的 JVM 崩溃或挂起时，会有多大的问题？
每天大约 5000 个文档，每个文档大小为 500 MB。
500mb 文档相当大，您希望从中获得多少信息？
这取决于文件。通常会提取 50 MB 的文本。

标签： apache-tika tika-server

【解决方案1】：

对 REST 端点进行 PUT 调用以通过 HTTP 发送数千个 0.5 GB 文档，一次一个，对于 Tika 服务器来说是不合适的方案。它不会节省内存，并且服务器 will likely crash 会出现某种内存泄漏或错误。

尽管从 v1.19 开始，在处理 -maxFiles 之后，periodically restart 进程现在有一个 -spawnChild 选项。从 v2.x 开始，这是now the default。

根据您的需要，您只需在batch mode 中使用tika-app，即：

使用您指定的输入和输出目录在本地运行
设置父/子进程以稳健地处理挂起/OOME
并行运行多个解析器线程
可以每隔 x 分钟或在 y 个文件后重新启动子进程以避免内存泄漏
记录失败

java -jar tika-app.jar -i <input_directory> -o <output_dir>

【讨论】：