Dolphin在CentOS上的性能測試概述
“Dolphin”在開源領域常見指兩類產品：一是Apache DolphinScheduler（分布式工作流任務調度系統），二是Dolphin文檔解析模型（字節跳動開源的輕量級VLM模型）。以下分別針對兩者在CentOS上的性能測試情況進行說明。
一、Apache DolphinScheduler在CentOS上的性能測試
Apache DolphinScheduler是面向大數據應用的分布式調度系統，專注于解決復雜任務依賴與數據編排問題，在CentOS上的性能表現受硬件配置、系統優化及并發負載等因素影響。
1. 核心性能表現
- 單機調度吞吐：在8C16G硬件、IOPS 9000的RDS數據庫環境下，DolphinScheduler單機每分鐘任務并發數（task_avg_count_start_time_per_min）約為2120-2420，是同期Apache Airflow（1001-1080）的2倍以上。
- 多機調度擴展性：DolphinScheduler采用去中心化設計，多機部署時擴展性更強。例如，2 Master + 5 Worker節點即可達到每分鐘6600任務的并發量，遠高于Airflow 4 Scheduler + 7 Worker的4380任務/分鐘。
- 高可靠性：通過去中心化架構與容錯機制，支持每天10萬級數據任務的穩定運行，適合復雜大數據場景。
2. 性能優化建議
- 系統配置優化：選擇XFS文件系統（提升磁盤I/O效率），調整內核參數（如
vm.swappiness=10降低內存交換、net.ipv4.tcp_tw_reuse=1復用TCP連接），關閉不必要的系統服務。
- 資源隔離：利用DolphinScheduler的多租戶模式，實現CPU、內存等資源的動態分配，避免單個任務占用過多資源。
- 查詢與監控：優化調度腳本（如簡化SQL邏輯），使用
dstat、vtune等工具監控CPU、內存、磁盤I/O等資源使用情況，及時定位瓶頸。
二、Dolphin文檔解析模型在CentOS上的性能測試
Dolphin是字節跳動開源的輕量級文檔解析模型（322M參數），主打高效、精準，適用于文檔布局分析與內容提?。ㄈ缥谋径温?、公式、表格識別）。
1. 核心性能指標
- 編輯距離（Accuracy）：
- 純文本文檔：英文“Plain Doc”測試集編輯距離0.0114，中文“Plain Doc”測試集0.0131，優于垂類VLM（如GOT，0.035/0.038）及通用VLM（如GPT-4.1，0.0489/0.2549）。
- 混合元素文檔（表格、公式、圖形）：“Complex Doc”測試集編輯距離0.1283，優于所有基線模型。
- 解析效率（Throughput）：
- 并行解析設計帶來顯著效率提升，達到0.1729 FPS（每秒處理幀數），比專業OCR工具Mathpix（0.0944 FPS）快近2倍。
- 元素級解析：
- 文本段落：在Fox-Block、Dolphin-Block測試集上取得競爭力結果；
- 公式識別：覆蓋SPE、SCE、CPE等復雜度級別，CDM分數與專業公式識別方法相當；
- 表格解析：在PubTabNet、PubTab1M基準上有效捕捉結構關系與單元格內容。
2. 測試環境說明
目前公開資料中未明確提及Dolphin模型在CentOS上的具體測試環境（如硬件配置、模型部署方式），但模型本身支持Linux系統，推測在CentOS上可通過Docker或源碼部署運行。實際測試時需確保硬件滿足模型要求（如GPU加速），并通過top、vmstat等工具監控資源占用。
總結說明
- 若需測試分布式工作流調度性能，Apache DolphinScheduler在CentOS上的表現優異，尤其適合高并發、大數據場景，可通過系統優化進一步提升吞吐量。
- 若需測試文檔解析性能，Dolphin模型在CentOS上的輕量級特性（322M參數）與高效解析能力（編輯距離優于通用大模型），適合需要快速部署的文檔處理場景。
實際測試時，建議根據具體需求搭建測試環境（如模擬真實業務負載），并結合監控工具分析性能瓶頸，針對性優化。
