企业官网建设流程全解析

Memento多进程架构解析：如何兼顾实时录制与OCR处理的性能平衡

【免费下载链接】MementoMemento is a Python app that records everything you do on your computer and lets you go back in time, search, and chat with a LLM (Large Language Model) to find back information about what you did.项目地址: https://gitcode.com/gh_mirrors/mem/Memento

Memento 是一款开源的 Python 桌面记录应用，它每隔 2 秒自动截屏一次，把你在电脑上的所有操作变成一段可以回放、全文搜索、甚至能与大模型对话的"记忆时间线"。要在不卡顿的前提下同时完成实时录制、OCR 文字识别、数据库索引三件重活，Memento 选择了一套教科书式的多进程架构：主进程负责录制与调度，独立工作进程负责最耗时的 OCR 识别，再用两条队列实现协作。本文带你拆解这套设计的每一个关键节点，看看它是如何在实时录制与 OCR 处理之间找到性能平衡的。

为什么单进程扛不住？先看清工作负载 🧱

在理解架构之前，先看看 Memento 每秒钟要完成哪些任务：

其中OCR 是最重的瓶颈：一张 1080p 截图上可能有好几十行文字，逐行调用 Tesseract 引擎需要数百毫秒甚至更久。如果录制和 OCR 串行执行，主循环会被 OCR 拖住，导致截屏节奏紊乱、视频时间轴失真——这正是"实时性"的致命伤。

所以 Memento 的思路很直接：把最重的活拆出去单独干。

Memento 整体架构：一条"流水线"上的三个角色 🏭

Memento 的后台核心在 memento/background.py 中，它构建了一个典型的生产者—消费者模型：

主进程（Producer） 工作进程（Consumer） ┌──────────────┐ ┌──────────────┐ │ 截屏 + 视频编码 │ ──put──▶│ 帧差异检测 │ │ 元数据写入 │ images_queue │ OCR 文字识别 │ │ 结果入库 │ ◀─get─── │ │ └──────────────┘ results_queue └──────────────┘

• 主进程（生产者）：负责截屏、H.264 编码、写元数据，并把每一帧丢进images_queue；
• OCR 工作进程（消费者）：从队列中取帧，做文字识别后把结果放回results_queue；
• 两条multiprocessing.Queue队列：充当进程间通信的"传送带"，让双方互不阻塞。

这样主进程永远不用等 OCR 结束，录制节奏稳如钟表；OCR 进程则像流水线上的工人，专注于一件事，效率更高。

主进程：一边实时录制，一边当"总调度" 🎥

主进程的职责集中在Background.run()方法中，它每轮循环做四件事：

1. 截屏并编码：用mss抓取屏幕，交给 utils.py 中的Recorder类编码为 H.264 视频片段，保证 2 秒一帧的恒定节奏；
2. 投递识别任务：把当前帧、上一帧、窗口标题等打包放入images_queue，让 OCR 进程异步处理；
3. 写入元数据：先把"窗口标题 + 时间"快速写入 JSON 元数据缓存，等 OCR 结果回来后补上文字和坐标；
4. 收取结果入库：从results_queue非阻塞地取回识别结果，写入 db.py 中的 SQLite 数据库，并同步到 Chroma 向量库供语义检索。

主进程在截屏间隙用asyncio.run(self.rec.new_im(im))异步编码视频帧，把"等编码"的时间也省了下来，这就是实时录制不掉帧的秘密。

OCR 工作进程：聪明的"偷懒"才是性能关键 🧠

工作进程的逻辑在process_images()中，看似是无限循环取帧，实则藏着两个精妙的性能优化：

优化一：帧差异检测，跳过"静止画面"

diffscore = utils.imgdiff(im, prev_im) if diffscore < 0.1: # 画面几乎没变，跳过 OCR

如果当前帧和上一帧的差异度低于阈值（0.1），说明屏幕内容没变化，识别结果必然一样，直接跳过——这能省下大量无意义的 OCR 计算。你正在阅读长文档、看视频时，绝大多数帧都会被快速过滤。

优化二：跳过时间线窗口

elif window_title == "memento-timeline": # 用户正在看时间线，无需记录

当检测到用户正停留在 Memento 自己的时间线界面时，同样跳过识别，避免"自拍自己"的无效劳动。

为什么只开 1 个 Worker？

代码中nb_workers = 1，注释里写得很直白：目前一个 worker 性能就够用了。因为帧差异检测已经过滤掉了大部分重复帧，实际需要 OCR 的帧并不多，一个 Tesseract 实例足以消化，反而避免了多进程抢占 CPU 和内存的额外开销。

双队列通信：进程间协作的"传送带" 🚚

Memento 使用multiprocessing.Queue作为进程间通信（IPC）的桥梁：

• images_queue：主进程投递待识别帧（数据量小，只传关键信息，避免复制大图带来的开销）；
• results_queue：OCR 进程回传识别结果（文字、坐标框、置信度）。

主进程消费结果时采用非阻塞读取（get(False)），一次循环把队列里已有的结果全部取完，取不到就继续下一轮录制——这样即使 OCR 偶发延迟，主进程也绝不会停下等待，实时录制与 OCR 处理天然解耦。

性能平衡的四个关键点总结 ⚖️

这四招组合拳，让 Memento 在普通家用电脑上也能"边录边识"而不卡顿。

快速上手体验 ⚡

想亲手感受这套架构，先安装依赖：

pip install -e .

然后启动后台录制进程：

memento-bg

再开一个终端启动时间线界面：

memento-timeline

之后就能滚动时间线回放过去、Ctrl+F全文搜索、Ctrl+T与大模型对话。想深入源码，建议从 memento/background.py 的主循环读起，再对照 memento/OCR.py 和 memento/db.py 理解数据流转。

结语 🎯

Memento 的多进程架构给所有"录制 + 分析"类应用提供了一个优秀范本：实时任务与重计算任务分离，用队列解耦，用智能过滤减少无效计算。当你在时间线上轻松找回一个月前看过的内容时，别忘了背后这套精妙的设计——它用最少的资源，换来了最流畅的体验。

【免费下载链接】MementoMemento is a Python app that records everything you do on your computer and lets you go back in time, search, and chat with a LLM (Large Language Model) to find back information about what you did.项目地址: https://gitcode.com/gh_mirrors/mem/Memento