# Установка на сервер {% hint style="info" %} Dbrain — серверное решение. Если хотите его протестировать, [воспользуйтесь веб-демо](https://latest.dbrain.io). Мы не используем долговременные хранилища данных. Все входящие файлы передаются на сервер по защищённому протоколу, обрабатываются в оперативной памяти и удаляются сразу после возврата результатов пользователю. В тестовых целях пригодится [паспорт России из Википедии](https://ru.wikipedia.org/wiki/%D0%9F%D0%B0%D1%81%D0%BF%D0%BE%D1%80%D1%82_%D0%B3%D1%80%D0%B0%D0%B6%D0%B4%D0%B0%D0%BD%D0%B8%D0%BD%D0%B0_%D0%A0%D0%BE%D1%81%D1%81%D0%B8%D0%B9%D1%81%D0%BA%D0%BE%D0%B9_%D0%A4%D0%B5%D0%B4%D0%B5%D1%80%D0%B0%D1%86%D0%B8%D0%B8#/media/%D0%A4%D0%B0%D0%B9%D0%BB:Pasport_RF.jpg) {% endhint %} ## Функциональность локальной версии Локальная версия в отличие от облачной имеет ограниченную функциональность. Поддерживаются: * [Классификация документов](https://doc.dbrain.io/dbrain-official/document-classification) * [Проверка документов на признаки подделки](https://doc.dbrain.io/dbrain-official/proverka-dokumentov/priznaki-poddelki) * [Базовый OCR](https://doc.dbrain.io/dbrain-official/fulltext-recognition) * [Извлечение данных из документов](https://doc.dbrain.io/dbrain-official/izvlechenie-dannykh): * Россия: паспорт, главный разворот, печатный образец — `passport_main` * Россия: паспорт, главный разворот, рукописный образец — `passport_main_handwritten` * Россия: паспорт, место жительства, печатный штамп — `passport_registration` * Россия: паспорт, место жительства, рукописный штамп — `passport_registration_handwritten` * Россия: паспорт, место жительства, штамп о снятии с регистрации — `passport_registration_deregistered` * Россия: Водительское удостоверение, лицевая сторона — `driver_license_2011_front` * Россия: Водительское удостоверение, обратная сторона, образец 2011 года — `driver_license_2011_back` * Россия: Водительское удостоверение, обратная сторона, образец 2014 года — `driver_license_2014_back` * Россия: СТС, лицевая сторона — `vehicle_registration_certificate_front` * Россия: СТС, лицевая сторона — `vehicle_registration_certificate_back` * Россия: СНИЛС образца 1996 года — `snils_front` * Россия: СНИЛС образца 2003 года — `insurance_plastic` * Россия: СНИЛС образца 2019 года — `adi_reg` * Россия: ИНН физлица — `inn_person` * Россия: свидетельство о рождении — `birth_certificate` * Россия: свидетельство о браке — `marriage_certificate` * Россия: ПТС, лицевая сторона — `pts_front` * Россия: ПТС, обратная сторона — `pts_back` * Банковская карта — `bank_card` ## Требования к аппаратной части #### Сценарии использования: {% hint style="info" %} Оценили скорость распознавания на изображениях этих документов в формате JPEG: * Паспорт РФ — главный разворот * Паспорт РФ — прописка с печатными и рукописными штампами * Водительское удостоверение — лицевая сторона * Водительское удостоверение — обратная сторона 2011 и 2014 годов * СТС — лицевая и обратная стороны * СНИЛС — образец 1996 года {% endhint %} {% hint style="danger" %} Мы не гарантируем работоспособность сервиса на архитектурах, выпущенных до 2011 года. Рекомендуем использовать процессоры не старше [Sandy Bridge](https://en.wikipedia.org/wiki/Sandy_Bridge) у Intel и [Bulldozer](https://en.wikipedia.org/wiki/Bulldozer_\(microarchitecture\)) у AMD {% endhint %} #### 1. Минимальный {% hint style="success" %} * Обработка одного документа: 10 секунд * Обработка комплекта из 100 документов: 100 секунд (1 RPS) {% endhint %} * Виртуальная машина * Процессор: 16 ядер, 2.0 GHz, ориентир: Intel Skylake Xeon E3 v5 * Оперативная память: 24 Gb #### 2. Дешёвый {% hint style="success" %} * Обработка одного документа: 5 секунд * Обработка комплекта из 100 документов: 66 секунд (1.5 RPS) {% endhint %} * Виртуальная машина * Видеокарта: Nvidia Tesla T4 * Процессор: 20 ядер, 2.0 GHz, ориентир: Intel Skylake Xeon E3 v5 * Оперативная память: 32 Gb #### 3. Стандартный {% hint style="success" %} * Обработка одного документа: 3 секунды * Обработка комплекта из 100 документов: 50 секунд (2 RPS) {% endhint %} * Физический сервер * Видеокарта: Nvidia Tesla T4 * Процессор: 16 ядер, 3.2-3.9 GHz, ориентир: [AMD EPYC 7343](https://www.amd.com/ru/products/cpu/amd-epyc-7343) * Оперативная память: 64 Gb * SSD 512 Gb #### 4. Корпоративный {% hint style="success" %} * Обработка одного документа: 3 секунды * Обработка комплекта из 100 документов: 15 секунд (6.5 RPS) {% endhint %} Балансировщик (2 сервера): * Процессор: 2 ядра * Оперативная память: 2 Gb База данных (PostgreSQL, 2 сервера): * Процессор: 8 ядер * Оперативная память: 64 Gb * Накопитель: 512 Gb NVMe (допустимо использование SSD) Сервисы (2 сервера): * Видеокарта (x3): Nvidia Tesla T4 * Процессор (x2): 24 ядра, 3.2-4.0 GHz, ориентир: [AMD EPYC 74F3](https://www.amd.com/ru/products/cpu/amd-epyc-74f3) * Оперативная память: 256 Gb * Накопитель: 512 Gb SSD Выше перечислены аппаратные требования для продуктивной эксплуатации. Dbrain запускается и на слабых конфигурациях. Например, на ноутбуке Core i5-8250U 1.6 GHz / 8 Gb ОЗУ / 250 Gb SSD. Но работоспособность на таких слабых конфигурациях не гарантируется. ## Требования к окружению: 1. Современная операционная система на базе Linux (выпуска 2018 года или новее) 2. Система менеджмента контейнеров **Docker** 3. **docker-compose** 4. Для использования мощностей видеокарт нужны: 1. **nvidia-docker** 2. **Драйвера Nvidia** последней доступной версии 3. **CUDA** версии не ниже 11.1 5. Доступ в интернет для проверки лицензии: * Адрес: **** * IP: динамический * Порт: 443 * Протокол: TCP * Запрос: POST ## Запуск локальной версии Dbrain 1. Создайте файл с названием docker-compose.yml 2. Скопируйте конфигурацию ниже и вставьте его в docker-compose.yml: ```yaml version: "3.7" # Сначала логинимся докером в наш реджистри: # docker login registry.dbrain.io/docr # login: r@b@t$docr+docr # secret: p2JDaaFKIDEoddf8mho7 # Во всех сервисах закомментирован раздел volumes. # Нужно самостоятельно решить куда монтировать, # т.к. это зависит от вашего оркестратора. # Для тестов - можно просто оставить закомментированными. x-service: &service volumes: - "./data/files:/files" # - "./data/logs:/logs" environment: LOGURU_LEVEL: "INFO" LOGURU_COLORIZE: "YES" LICENSE_TOKEN: "***" # Поменяйте на своё значение FACE_API_URL: "" FACE_API_USERNAME: "" FACE_API_PASSWORD: "" depends_on: - tasque - db - files tmpfs: - /tmp restart: always logging: &logging driver: "json-file" options: max-file: "10" max-size: "100m" services: api: <<: *service image: registry.dbrain.io/docr/api:v4.52.0 command: [ api ] specs: <<: *service image: registry.dbrain.io/docr/specs:v4.52.0 command: [ specs ] agent: <<: *service image: registry.dbrain.io/docr/agent:v4.52.0 command: [ agent ] files: image: registry.dbrain.io/docr/files:v4.52.0 sysctls: net.core.somaxconn: 4096 # volumes: # - "./data/files:/files" restart: always logging: *logging db: image: registry.dbrain.io/docr/db:v4.52.0 user: root # volumes: # - "./data/postgres:/var/lib/postgresql/data" environment: POSTGRES_DB: postgres POSTGRES_USER: postgres POSTGRES_PASSWORD: ${POSTGRES_PASSWORD:-postgres} healthcheck: test: pg_isready -U postgres -h 127.0.0.1 interval: 5s restart: always logging: *logging # Это сервис очистки старых данных по уже отработавшим задачам. # Он закомментирован, т.к. вы можете захотеть иначе очищать старые файлы. # Для теста - можно просто оставить закомментированным. # cleaner: # image: alpine # volumes: # - "./data/files:/files" # command: sh -c "while true ; do find /files -mmin +"$(( ($PIPELINE_TIMEOUT+$COMPLETED_TASK_TTL_SECONDS) / 60 ))" -type f -print0 | xargs -0 -n 100 -P 4 rm -f; echo cleaning done ; sleep 60 ; done" # restart: always # logging: *logging demo: image: registry.dbrain.io/docr/demo:v4.52.0 restart: always logging: *logging lb: image: registry.dbrain.io/docr/lb:v4.52.0 restart: always ports: - 8080:80 # Поменяйте на своё значение, например, 8090:80 logging: *logging tasque: image: registry.dbrain.io/docr/tasque:v4.52.0 # volumes: # - "./data/logs:/logs" restart: always logging: *logging ``` 3. Замените `***` в строке `LICENSE_TOKEN: "***"` на ваш токен. Если у вас нет токена, напишите нам в[ телеграм](https://t.me/dbrain_support_bot) или на . 4. Если на вашем сервере доступна видеокарта, допишите в раздел environment файла строку `ALLOW_GPU: true` 5. Если вы используете прокси для доступа к сервису лицензий, укажите его в параметре `LICENSE_TOKEN` раздела environment 6. Сохраните изменения в файле docker-compose.yml 7. Залогиньтесь через докер для доступа в наш репозиторий. Для этого выполните команду: ```sh docker login registry.dbrain.io/docr ``` 8. Введите логин `r@b@t$docr+docr` и пароль `p2JDaaFKIDEoddf8mho7` 9. Проверьте, что сервис лицензий доступен. Для этого выполните команду: ```sh curl https://license.ml.dbrain.io/check/v2 ``` 10. Если ответ 405 — всё хорошо. В противном случае вам нужно открыть нашему сервису доступ до этого адреса. 11. Запустите сервис следующей командой: ```sh docker compose up ``` 12. Подождите, когда сервис полностью развернётся. В логах появится надпись вида `INFO: Uvicorn running on http://0.0.0.0:80` Сервис развёрнут локально. Теперь вы можете обращаться к нему по API. Примеры корректных запросов можно получить в свагере, он доступен по адресу `localhost:8080/docs` {% hint style="warning" %} Сервис обращается к [Dadata.ru](https://dadata.ru/api/suggest/address/), чтобы повысить точность выдаваемых адресов. Если у вас ограничен доступ в Интернет, внесите в белый список адрес . Если такой возможности нет, отключите обращение к Dadata.ru. Для этого в запросе к методу`recognize`\ передавайте параметр `normalization_fias=false` {% endhint %} #### Локально доступные методы: * Классификация документов: `/pipelines/run/classify` * Проверка документов на признаки подделки: `/pipelines/run/fraud` * Базовый OCR: `/pipelines/run/fulltext` * Извлечение данных из документов: `/pipelines/run/recognize` {% hint style="info" %} Ничего не получилось, и вы хотите рассказать, что эта инструкция никуда не годится? Пишите нам в[ телеграм](https://t.me/dbrain_support_bot) или на , мы оперативно поможем {% endhint %}