Dolphin在CentOS上的性能测试概述
“Dolphin”在开源领域常见指两类产品：一是Apache DolphinScheduler（分布式工作流任务调度系统），二是Dolphin文档解析模型（字节跳动开源的轻量级VLM模型）。以下分别针对两者在CentOS上的性能测试情况进行说明。
一、Apache DolphinScheduler在CentOS上的性能测试
Apache DolphinScheduler是面向大数据应用的分布式调度系统，专注于解决复杂任务依赖与数据编排问题，在CentOS上的性能表现受硬件配置、系统优化及并发负载等因素影响。
1. 核心性能表现
- 单机调度吞吐：在8C16G硬件、IOPS 9000的RDS数据库环境下，DolphinScheduler单机每分钟任务并发数（task_avg_count_start_time_per_min）约为2120-2420，是同期Apache Airflow（1001-1080）的2倍以上。
- 多机调度扩展性：DolphinScheduler采用去中心化设计，多机部署时扩展性更强。例如，2 Master + 5 Worker节点即可达到每分钟6600任务的并发量，远高于Airflow 4 Scheduler + 7 Worker的4380任务/分钟。
- 高可靠性：通过去中心化架构与容错机制，支持每天10万级数据任务的稳定运行，适合复杂大数据场景。
2. 性能优化建议
- 系统配置优化：选择XFS文件系统（提升磁盘I/O效率），调整内核参数（如
vm.swappiness=10降低内存交换、net.ipv4.tcp_tw_reuse=1复用TCP连接），关闭不必要的系统服务。
- 资源隔离：利用DolphinScheduler的多租户模式，实现CPU、内存等资源的动态分配，避免单个任务占用过多资源。
- 查询与监控：优化调度脚本（如简化SQL逻辑），使用
dstat、vtune等工具监控CPU、内存、磁盘I/O等资源使用情况，及时定位瓶颈。
二、Dolphin文档解析模型在CentOS上的性能测试
Dolphin是字节跳动开源的轻量级文档解析模型（322M参数），主打高效、精准，适用于文档布局分析与内容提取（如文本段落、公式、表格识别）。
1. 核心性能指标
- 编辑距离（Accuracy）：
- 纯文本文档：英文“Plain Doc”测试集编辑距离0.0114，中文“Plain Doc”测试集0.0131，优于垂类VLM（如GOT，0.035/0.038）及通用VLM（如GPT-4.1，0.0489/0.2549）。
- 混合元素文档（表格、公式、图形）：“Complex Doc”测试集编辑距离0.1283，优于所有基线模型。
- 解析效率（Throughput）：
- 并行解析设计带来显著效率提升，达到0.1729 FPS（每秒处理帧数），比专业OCR工具Mathpix（0.0944 FPS）快近2倍。
- 元素级解析：
- 文本段落：在Fox-Block、Dolphin-Block测试集上取得竞争力结果；
- 公式识别：覆盖SPE、SCE、CPE等复杂度级别，CDM分数与专业公式识别方法相当；
- 表格解析：在PubTabNet、PubTab1M基准上有效捕捉结构关系与单元格内容。
2. 测试环境说明
目前公开资料中未明确提及Dolphin模型在CentOS上的具体测试环境（如硬件配置、模型部署方式），但模型本身支持Linux系统，推测在CentOS上可通过Docker或源码部署运行。实际测试时需确保硬件满足模型要求（如GPU加速），并通过top、vmstat等工具监控资源占用。
总结说明
- 若需测试分布式工作流调度性能，Apache DolphinScheduler在CentOS上的表现优异，尤其适合高并发、大数据场景，可通过系统优化进一步提升吞吐量。
- 若需测试文档解析性能，Dolphin模型在CentOS上的轻量级特性（322M参数）与高效解析能力（编辑距离优于通用大模型），适合需要快速部署的文档处理场景。
实际测试时，建议根据具体需求搭建测试环境（如模拟真实业务负载），并结合监控工具分析性能瓶颈，针对性优化。