Azure Container AppsでNDL古典籍OCR Liteを用いたスケーラブルOCR処理システム

IIIF画像 → Azure Container Apps → NDL古典籍OCR → TEI XML出力
              ↓
         オートスケーリング
         (0-30レプリカ)

# スケーリング設定例
scale:
  minReplicas: 0      # アイドル時: コスト0
  maxReplicas: 30     # 需要時: 自動拡張
  cooldownPeriod: 300 # 5分でスケールダウン

# Flask + NDL OCR統合
from flask import Flask, request, jsonify
from flask_restx import Api, Resource
from simple_ocr_service import OCRService

app = Flask(__name__)
api = Api(app, doc='/docs/')

@api.route('/api/image')
class ImageOCR(Resource):
    def get(self):
        image_url = request.args.get('image_url')
        # NDL OCRで画像処理
        result = ocr_service.process_single_image(image_url)
        return result

def sort_japanese_reading_order(lines):
    """日本古典籍の読み順序ソート"""
    return sorted(lines, key=lambda line: (
        -line["bbox"][0],  # x座標降順（右→左）
        line["bbox"][1]    # y座標昇順（上→下）
    ))

xml version="1.0" encoding="UTF-8"?>
TEI xmlns="http://www.tei-c.org/ns/1.0">
  teiHeader>
    fileDesc>
      titleStmt>
        title>桐壺title>
      titleStmt>
      respStmt>
        resp>Automated Transcriptionresp>
        name ref="https://github.com/ndl-lab/ndlkotenocr-lite">
          NDL古典籍OCR Lite
        name>
      respStmt>
    fileDesc>
  teiHeader>
  facsimile>
    surface xml:id="surface-1">
      zone xml:id="zone-1-1" ulx="3391" uly="1141" 
            lrx="3727" lry="2924" cert="0.799"/>
    surface>
  facsimile>
  text>
    body>
      div type="transcription">
        pb n="1" facs="#surface-1"/>
        lb n="1.1" corresp="#zone-1-1" cert="high"/>
        いづれの御時にか
      div>
    body>
  text>
TEI>

処理時間 = 約1秒/ページ（並列処理時）
コスト効率 = $1.5〜2.0/1000ページ
スケーリング = 数秒で0→20レプリカ

async def process_with_retry(image_url, max_retries=3):
    """コールドスタート時の自動リトライ"""
    for attempt in range(max_retries + 1):
        try:
            if attempt > 0:
                wait_time = 2 ** (attempt - 1)
                await asyncio.sleep(wait_time)
            return await ocr_request(image_url)
        except (HTTPError, TimeoutError) as e:
            if attempt == max_retries:
                raise e

# 環境変数による設定
OCR_API_URL=https://your-ocr-service.azurecontainerapps.io
DEFAULT_MAX_CONCURRENT=10
DEFAULT_CONFIDENCE_THRESHOLD=0.3
DEFAULT_OUTPUT_FORMAT=xml

# API仕様の自動生成
api = Api(app, 
    version='1.0', 
    title='NDL古典籍OCR API',
    description='日本古典籍専用OCR処理API',
    doc='/docs/'
)

# コンテナアプリ作成
az containerapp create \
  --name ocr-service \
  --resource-group rg-ocr \
  --environment container-env \
  --image registry.azurecr.io/ocr-app:latest \
  --target-port 80 \
  --ingress external \
  --min-replicas 0 \
  --max-replicas 30 \
  --cpu 2.0 \
  --memory 4Gi

FROM python:3.11-slim

# NDL OCRモデル配置
COPY model/ /app/model/
COPY config/ /app/config/

# アプリケーション設定
WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt

COPY . .
EXPOSE 80

CMD ["gunicorn", "--bind", "0.0.0.0:80", "app:app"]

# Container Appsログ確認
az containerapp logs show \
  --name ocr-service \
  --resource-group rg-ocr \
  --follow