Azure function & Blob 觸發器超時

Question

我很難理解 Function 應用程序是如何工作的。

我的環境如下：Python3.8, Blob Trigger, Cosumption Plan

我正在創建一個應用程序，該應用程序在音頻文件上傳到容器時觸發。 This audio file trigger an Azure function and run "Speech-To-Text" using Azure cognitive service (So my function is waiting for an answer from that service). 我將“FUNCTIONS_WORKER_PROCESS_COUNT”設置為 5，以允許我的每個 function 應用程序實例並行運行多個語音到文本分析。

所以我將 100 個 blob 上傳到我的容器中以檢查我的 function 行為，這是我得到的：

Function 應用程序被觸發並啟動多個服務器（5 個用於 100 個 blob），然后開始為每個服務器處理 1 個 blob，直到我上傳 blob 超過 30 分鍾，然后我得到一個超時。

但我期待這種行為： Function 應用程序被觸發並啟動多個服務器。 每台服務器並行處理 5 個 blob，並在 15 到 20 分鍾內為我的所有 blob 給出答案！

所以我在這里沒有得到兩件事。 W

• 為什么我的函數不是每台服務器處理 5 個 blob 而不是每台服務器處理 1 個 blob？ （我在 5 處設置了“FUNCTIONS_WORKER_PROCESS_COUNT”）？
• 我的 blob 似乎一出現在容器中就被處理，而不是放入隊列中。 這種行為是造成超時的原因，因為它們等待了很長時間而不是被處理。為什么？

我希望我很清楚..謝謝你的幫助！

編輯：我剛剛添加了 100 個 Blob，以查看 function 應用程序如何反應，並且我剛上傳的 Blob 正在處理之前我一開始上傳的 Blob。

Answer 1

1.對於你的第一個問題：

據我了解， Python 是單線程運行時。

由於 Python 是單線程運行時，因此 Python 的主機實例一次只能處理一個 function 調用。 對於處理大量 I/O 事件和/或受 I/O 限制的應用程序，您可以通過異步運行函數來顯着提高性能。

FUNCTIONS_WORKER_PROCESS_COUNT使您在每個主機上運行 5 個 blob 觸發函數是正確的，但是如果您使用相同的資源，它將一個一個運行，這意味着即使您可以同時運行 5 個進程，如果第一個進程是運行您的 function，第二個進程（運行相同的功能）將等待； 如果您的第一個進程正在等待數據進入，則第二個進程將首先運行。

這是一篇文章FUNCTIONS_WORKER_PROCESS_COUNT的工作原理。

您可以檢查您正在使用多少個工作實例。 如果您有 100 個 blob 來觸發您的 function 和每個工作實例設置 5 個工作進程，它應該啟動 20 個實例來使用請求。 （如有錯誤歡迎指正。）

---

2.關於你的第二個問題：

當檢測到新的或更新的 Blob 時，Blob 存儲觸發器會啟動 function。

這就是 blob 觸發 function 的工作原理。