在 GPU 容器实例中运行 MinerU Tianshu 实现文件格式转换

​

什么是 MinerU Tianshu

• 高性能架构
  • Worker 主动拉取：0.5秒响应速度，无需调度器触发
  • 并发安全：原子操作防止任务重复，支持多 Worker 并发
  • GPU 负载均衡：LitServe 自动调度，避免显存冲突
  • 多 GPU 隔离：每个进程只使用分配的 GPU ，彻底解决多卡占用
• 企业级功能
  • 异步处理：客户端立即响应（~ 100 ms），无需等待处理完成
  • 任务持久化：SQLite 存储，服务重启任务不丢失
  • 优先级队列：重要任务优先处理
  • 自动清理：定期清理旧结果文件，保留数据库记录
• 智能解析
  • 双解析器：PDF / 图片用 MinerU（GPU加速）， Office / HTML 等用 MarkItDown（快速）
  • 内容获取：API 自动返回 Markdown 内容，支持图片上传到 MinIO
  • RESTful API：支持任何编程语言接入
  • 实时查询：随时查看任务进度和状态

​

运行 MinerU Tianshu

1. 进入算力市场页面。
2. 单击「选择模板」，找到 MinerU Tianshu ，单击「使用模板」。
3. 按照需要，选择计费方式、地区、实例规格等配置。
4. 检查磁盘大小，并在环境变量中替换 OSS 信息。
5. 确认配置无误后，单击「部署」。
6. 进入实例管理页面，查看新创建的实例。等待实例创建成功，状态变为运行中。
7. 查看实例日志，确保服务正常启动。

​

使用 MinerU Tianshu

1. 在实例管理页面，单击实例对应的「连接」。
2. 在弹出的对话框中，获取 HTTP 服务地址。
3. 启动 Web Terminal，然后通过 Web Terminal 远程连接实例。
4. 在 Web Terminal 中，切换到/vllm-workspace/MinerU/projects/mineru_tianshu目录。
5. 创建 test_auto_upload_images.py。 test_auto_upload_images.py 的代码示例如下，请将API_BASE_URL的值替换为实际的 HTTP 服务地址，将LOCAL_PDF_PATH的值和OUTPUT_DIR的值替换为测试的实际路径。
   # ==================== 配置 ====================
   API_BASE_URL = "http://localhost:8000"  
   LOCAL_PDF_PATH = "./1.pdf"  # 要上传的 PDF 文件路径
   OUTPUT_DIR = "./auto_upload_output"  # 本地保存目录
   
6. 运行 test_auto_upload_images.py。
   python3 test_auto_upload_images.py
   
   预期返回：
   ============================================================
   MinerU Tianshu - 自动上传图片到对象存储示例
   ============================================================
   
   📋 Step 1: Submit task
   ------------------------------------------------------------
   📤 Submitting task: demo1.pdf
      Backend: http-client
      Parse method: auto
      Languages: ['zh']
   ✅ Task submitted successfully!
      Task ID: 4c18cb2b-ff8c-4d14-b9a6-d2e80c64f9f3
   
   📋 Step 2: Wait for task completion
   ------------------------------------------------------------
   ⏳ Waiting for task 4c18cb2b-ff8c-4d14-b9a6-d2e80c64f9f3 to complete...
      Status: pending (elapsed: 0.0s)
      Status: processing (elapsed: 2.0s)
      Status: processing (elapsed: 4.0s)
      Status: processing (elapsed: 6.0s)
      Status: processing (elapsed: 8.0s)
      Status: processing (elapsed: 10.0s)
      Status: processing (elapsed: 12.0s)
      Status: processing (elapsed: 14.0s)
      Status: processing (elapsed: 16.0s)
      Status: processing (elapsed: 18.0s)
      Status: processing (elapsed: 20.0s)
      Status: processing (elapsed: 22.0s)
      Status: processing (elapsed: 24.0s)
      Status: processing (elapsed: 26.0s)
   ✅ Task completed!
   
   📋 Step 3: Get results with auto image upload to storage
   ------------------------------------------------------------
   🖼️  Requesting API to upload images to object storage...
   ✅ Results retrieved successfully!
      Markdown file: demo1.md
      Content length: 51753 characters
      Images uploaded to storage: True
   
   📋 Step 4: Save results to local
   ------------------------------------------------------------
   ✅ Saved Markdown to: auto_upload_output/4c18cb2b-ff8c-4d14-b9a6-d2e80c64f9f3_demo1.md
   ✅ Saved metadata to: auto_upload_output/4c18cb2b-ff8c-4d14-b9a6-d2e80c64f9f3_metadata.json
   
   📋 Step 5: Download images from storage to local
   ------------------------------------------------------------
   🖼️  Downloading images from object storage...
      📥 Found 8 images to download
      🔐 Downloading from OSS: a625057f-d84f-44a8-92fa-53b3b512edfd.jpg
      ✅ Downloaded: a625057f-d84f-44a8-92fa-53b3b512edfd.jpg (33785 bytes)
      🔐 Downloading from OSS: 366f3f26-01bb-4d88-a3ca-0c066fabfc2f.jpg
      ✅ Downloaded: 366f3f26-01bb-4d88-a3ca-0c066fabfc2f.jpg (54819 bytes)
      🔐 Downloading from OSS: 9999568b-0075-4cf1-bddc-c4708a0847e2.jpg
      ✅ Downloaded: 9999568b-0075-4cf1-bddc-c4708a0847e2.jpg (12612 bytes)
      🔐 Downloading from OSS: 7ab0e083-c22c-4f65-b98f-65acfd4e6dc0.jpg
      ✅ Downloaded: 7ab0e083-c22c-4f65-b98f-65acfd4e6dc0.jpg (30049 bytes)
      🔐 Downloading from OSS: 572ed653-a760-4c41-a5a0-79207219593a.jpg
      ✅ Downloaded: 572ed653-a760-4c41-a5a0-79207219593a.jpg (47093 bytes)
      🔐 Downloading from OSS: 6b2465d4-eba5-4ffd-b1fa-629edf4cb634.jpg
      ✅ Downloaded: 6b2465d4-eba5-4ffd-b1fa-629edf4cb634.jpg (20770 bytes)
      🔐 Downloading from OSS: aa1f1bfa-16c8-463b-99af-5dc4dfc4c994.jpg
      ✅ Downloaded: aa1f1bfa-16c8-463b-99af-5dc4dfc4c994.jpg (17916 bytes)
      🔐 Downloading from OSS: 7e8db6de-9533-4257-b767-1b2300dfb4ab.jpg
      ✅ Downloaded: 7e8db6de-9533-4257-b767-1b2300dfb4ab.jpg (21239 bytes)
   ✅ Downloaded 8 images
   ✅ Saved updated Markdown to: auto_upload_output/4c18cb2b-ff8c-4d14-b9a6-d2e80c64f9f3/demo1.md
      Images directory: auto_upload_output/4c18cb2b-ff8c-4d14-b9a6-d2e80c64f9f3/images
   
   ============================================================
   ✅ 完成！
   ============================================================
   
   📁 本地文件：
      • Markdown (含本地图片路径): auto_upload_output/4c18cb2b-ff8c-4d14-b9a6-d2e80c64f9f3/demo1.md
      • 图片目录: auto_upload_output/4c18cb2b-ff8c-4d14-b9a6-d2e80c64f9f3/images (8 张图片)
      • 原始 Markdown (含云端链接): auto_upload_output/4c18cb2b-ff8c-4d14-b9a6-d2e80c64f9f3_demo1.md
      • 元数据: auto_upload_output/4c18cb2b-ff8c-4d14-b9a6-d2e80c64f9f3_metadata.json
   
   🖼️  图片存储：
      • 云端：所有图片已上传到对象存储（MinIO/COS/OSS）
      • 本地：已下载 8 张图片到本地
      • Markdown 图片链接：本地路径 (images/xxx.png)
      • 存储类型由服务端配置决定（STORAGE_TYPE 环境变量）
   
   📂 服务器本地文件（如需要）：
   
   📄 Markdown 内容预览（前 200 字符）：
   ------------------------------------------------------------
   (显示本地图片版本)
   # The response of flow duration curves to afforestation
   
   Patrick N.J. Lane $^{a,c,*}$ , Alice E. Best $^{b,c,d}$ , Klaus Hickel $^{b,c}$ , Lu Zhang $^{b,c}$
   
   $^{a}$ School of Forest and Ecosystem Stud
   ... (truncated)