|
|
1ead57dd22
|
feat: 单场秀内的图片进度也上报（x/y 张）
一场秀几十到几百张图，按批处理要十几分钟，只报场次会让进度十几分钟不动。
media.UploadAllProgress 每批回调一次，spider 据此把「正在抓 X（32/50 张）」报给后台。
|
2026-10-25 21:02:52 +08:00 |
|
|
|
934a8961b0
|
fix: 抓取前预检已入库的秀，避免重复下载（重爬 62 分钟 0 新增）
问题：图片 key 是内容 sha1，不下载就无法判断是否已存在；
后端又没存 source_url，无法做 URL 级判重。
于是每次重爬都把几百张已下过的图再下一遍 —— 线上实测
Celine 跑了 62 分钟、约 600MB，入库 0 新增。
修复：
- 后端新增 GET /admin/internal/shows/covered?brand_uid=
按 (年份, 季节, 类型) 聚合已入库图片张数
- spider 抓取前预检，整场已入库（>=10 张）就跳过，一张图都不下载
- 加 --force 可强制重抓（默认跳过）
- 媒体直传并发改为全进程共享信号量：此前秀级 2 × 每场 6 = 12 路
同时打 Vogue，被限流后单张从 9.8s 掉到 ~90s
- 批次下载失败时打印第一条错误（此前只统计个数，查不出原因）
|
2026-10-25 20:07:54 +08:00 |
|
|
|
6a8b7f0704
|
perf: 修 spider 内存暴涨（整场图入内存 + 场次无限并发）
线上现象：spider 进程 RSS 1.3GB（33% 内存），单机 3.7G 只剩 141MB 可用，
服务器 1.5 小时内重启两次。
- media.UploadAll 改为按批（8 张）下载→上传→立即释放；
原来先把整场 97 张（约 116MB）全读进内存，多场并发时线性叠加
- SpiderStart 对同品牌场次加 2 路并发上限（原来对全部场次无上限 go 出去）
- systemd 单元加 GOMEMLIMIT=700MiB / MemoryHigh=800M / MemoryMax=1200M 硬护栏，
即使再退化也只 OOM 掉这一个进程，不会拖死整机
|
2026-10-25 18:01:46 +08:00 |
|
|
|
3fe0b86e11
|
feat: 媒体机直传 + 向量回填
- media: spider 下载图片后按内容 sha1 生成 key，经后端预签名直传 S4，上报只带 key
（spider 不持有 AK/SK；单张失败自动回退为上报 URL）
- embed: 新增 embed 子命令，从后端领取缺向量的图片→下载→本地 CLIP 编码→回传
（媒体拆分后后端拿不到图片字节，向量只能靠回填补齐）
- serve: 服务化常驻模式（领取 crawl 任务 → 抓取 → 回报）
- config: 新增 media.upload/concurrency、vision.endpoint/concurrency
|
2026-10-25 00:27:46 +08:00 |
|
